Scatterplots et lineplots

Analogue de scatterplot de matplotlib, mais plus sophistiqué.

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.relplot(x = 'X', y = 'Y', hue = 'Z', style = 'T', size = 'U',
  sizes = (30, 200), data = df)

pour seaborn.relplot, kind = 'scatter' est le défaut.
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