Scatterplots et lineplots

replot est la fonction générique qui permet de faire des plots entre 2 variables quantitatives : soit des scatterplots, soit des lineplots :

df = pandas.DataFrame({'X': [1, 2, 3, 4, 5], 'Y': [1, 4, 9, 16, 25],
                       'Z': ['a', 'b', 'a', 'b', 'b'],
                       'T': ['A', 'A', 'A', 'B', 'B'], 'U': [20, 10, 10, 2, 10]})

seaborn.relplot(x = 'X', y = 'Y', data = df, kind = 'scatter')

kind peut prendre les valeurs 'scatter' (défaut, pour dessiner des points) ou 'line' (pour dessiner une ligne).
on peut dessiner plusieurs graphes en ligne ou en colonne en fonction des valeurs d'une ou 2 variables : seaborn.relplot(x = 'X', y = 'Y', data = df, kind = 'scatter', col = 'Z', row = 'T')
on peut dessiner en colonnes, et retourner à la ligne après un certain nombre de graphes : seaborn.relplot(x = 'X', y = 'Y', col = 'U', col_wrap = 2, data = df)
scatterplot et lineplot ne permettent pas de dessiner plusieurs graphes par ligne et/ou colonne, contrairement à relplot.
relplot renvoie un objet seaborn.axisgrid.FacetGrid qu'on peut utiliser pour modifier les graphes :
- fg = seaborn.relplot(...)
- fg.set_xlabels('my x label') : met un label sur l'axe des x.
- fg.set_titles(col_template = 'pour valeur de {col_var} = {col_name}') : si on a utilisé col, permet d'indiquer quoi mettre dans le titre en fonction du nom de la variable (col_var) et de ses valeurs (col_name).

Scatterplot

Scatterplot avec différentes catégories qui permettent de fixer : la couleur (hue), le style de points (style), et la taille (size, si variable numériques) :

avec tous les paramètres de catégories (la taille est normalisée), et en précisant la plage de variation des tailles :


df = pandas.DataFrame({'X': [1, 2, 3, 4, 5], 'Y': [1, 4, 9, 16, 25],
  'Z': ['a', 'b', 'a', 'b', 'b'],
  'T': ['A', 'A', 'A', 'B', 'B'], 'U': [20, 10, 10, 2, 10]})
seaborn.scatterplot(x = 'X', y = 'Y', hue = 'Z', style = 'T', size = 'U', sizes = (30, 200), data = df)

seaborn.scatterplot(...) est à peu près équivalent à seaborn.relplot(..., kind = 'scatter')
hue_order = ['b', 'a'] : permet d'indiquer dans quel ordre faire figurer les variables.
legend = False : n'affiche pas la légende (on peut l'afficher ensuite à la main).
on peut indiquer une palette sous forme de dictionnaire en indiquant pour chaque catégorie la valeur.
pour les styles, on peut indiquer quel style utilisé pour chaque niveau :


df = pandas.DataFrame({'X': [1, 2, 3, 4, 5], 'Y': [1, 4, 9, 16, 25],
  'Z': ['a', 'b', 'a', 'b', 'b'], 'T': ['A', 'A', 'A', 'B', 'B']})
seaborn.relplot(x = 'X', y = 'Y', hue = 'Z', style = 'T',
    palette = {'a': 'red', 'b': 'blue'}, markers = {'A': '+', 'B': 'x'},
  s = 100, data = df)

relplot renvoie un objet FacetGrid qui permet de l'adapter.

On peut aussi tracer différents graphes en fonction d'une des variables (lattice) :

on utilise col = 'Z' pour faire une colonne par valeur de la variable Z.
on peut aussi utiliser row = 'Z' pour faire une ligne par valeur de la variable Z.
seaborn.relplot(x = 'X', y = 'Y', col = 'Z', col_order = ['b', 'a'], data = df) : impose un certain ordre pour les graphes en fonction des valeurs de Z.
pareil avec row_order
col_wrap = 2 : va à la ligne après avoir tracé 2 graphes sur la même ligne.


df = pandas.DataFrame({'X': [1, 2, 3, 4, 5], 'Y': [1, 4, 9, 16, 25],
  'Z': ['a', 'b', 'a', 'b', 'b']})
seaborn.relplot(x = 'X', y = 'Y', col = 'Z', data = df)

height = 3 : permet de régler la hauteur (en inches)
aspect = 1 : la largeur est height * aspect.

Lineplot

Lineplot :

les points sont reliés par une ligne.
les valeurs de x sont d'abord triées avant de faire le tracé !


df = pandas.DataFrame({'X': [5, 2, 3, 4, 1], 'Y': [25, 4, 9, 16, 1]})
seaborn.relplot(x = 'X', y = 'Y', kind = 'line', data = df)

on peut aussi utiliser de manière à peu près équivalente lineplot : seaborn.lineplot(x = 'X', y = 'Y', data = df)
si on veut éviter de trier les valeurs de x, faire : seaborn.relplot(x = 'X', y = 'Y', sort = False, kind = 'line', data = df)
si il y a plusieurs valeurs identiques de x à chaque fois, l'intervalle de confiance à 95% va être tracé en utilisant un bootstraping (utiliser ci = None pour éviter cela)
on peut aussi utiliser la déviation standard au lieu de l'intervalle de confiance avec ci = 'sd'


df = pandas.DataFrame({'X': [1, 1, 2, 2, 3, 3, 4, 4, 5, 5],
  'Y': [1, 2, 4, 7, 9, 12, 16, 18, 25, 22]})
seaborn.relplot(x = 'X', y = 'Y', kind = 'line', data = df)

Lineplot avec des barres d'erreur (et éventuellement plusieurs courbes) :

lineplot avec des barres d'erreur :

df = pandas.DataFrame({'time': [0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2],
  'val': [3, 3, 4, 5, 6, 7, 8, 9, 9, 10, 11]})
seaborn.relplot(x = 'time', y = 'val', data = df, kind = 'line', ci = 'sd', err_style = 'bars')

lineplots multiples avec des barres d'erreur

    
df = pandas.DataFrame({'time': [0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2],
  'categ': ['a', 'b', 'b', 'a', 'a', 'b', 'b', 'a', 'a', 'b', 'b'],
  'val': [3, 3, 4, 5, 6, 7, 8, 9, 9, 10, 11]})
seaborn.relplot(x = 'time', y = 'val', data = df, kind = 'line', hue = 'categ', ci = 'sd', err_style = 'bars')

programmer en python, tutoriel python, graphes en python, Aymeric Duclert