数据可视化项目异常检测算法与数据报表生成 - 第4节

4.1 统计图表绘制：从分布到趋势

Seaborn 在统计图表绘制上提供了比 Matplotlib 更高层的 API，能够自动计算并展示数据的统计特征。核心函数包括 distplot（已弃用，推荐 histplot / kdeplot）、jointplot、pairplot 以及 lineplot。

4.1.1 单变量分布：直方图与核密度估计

histplot 用于绘制直方图，可叠加核密度估计曲线；kdeplot 则单独绘制平滑的密度曲线。两者均支持 hue 分组与 multiple 参数控制堆叠或填充样式。

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")
sns.histplot(data=tips, x="total_bill", kde=True, bins=30)
plt.title("Total Bill 分布（含 KDE）")
plt.show()

4.1.2 多变量关系：jointplot 与 pairplot

jointplot 展示两个变量的联合分布，中央为散点图或密度图，边缘为直方图或箱线图。pairplot 则对数据集中所有数值列两两绘制散点图，对角线为单变量分布。

sns.jointplot(data=tips, x="total_bill", y="tip", kind="hex", color="#3498db")
plt.suptitle("Total Bill vs Tip 联合分布（六边形分箱）", y=1.02)
plt.show()

4.2 分类数据可视化：比较与分布

分类数据可视化是 Seaborn 的强项，核心函数分为三类：分类散点图（stripplot、swarmplot）、分类分布图（boxplot、violinplot、boxenplot）以及分类估计图（barplot、pointplot、countplot）。

4.2.1 箱线图与离群点检测

boxplot 是异常检测中最常用的分类可视化工具。箱体表示 IQR（Q1~Q3），须线延伸至 1.5×IQR 范围内的最远点，超出此范围的点自动标记为离群点（菱形）。

sns.boxplot(data=tips, x="day", y="total_bill", hue="sex", palette="Set2")
plt.title("不同日期的消费金额分布（按性别分组）")
plt.show()

4.3 热力图与聚类图：矩阵数据的可视化

热力图（heatmap）用于展示矩阵或二维表格数据的数值大小，通过颜色映射直观呈现模式。聚类图（clustermap）在热力图基础上增加行/列层次聚类树，揭示数据的内在分组结构。

4.3.1 heatmap：相关矩阵与混淆矩阵

heatmap 的核心参数包括 annot（显示数值）、cmap（颜色映射）、fmt（数值格式）以及 mask（遮罩）。在异常检测项目中，常用来可视化特征之间的相关系数矩阵，或模型输出的混淆矩阵。

import numpy as np
import pandas as pd

# 构造相关系数矩阵
corr = tips.corr(numeric_only=True)
sns.heatmap(corr, annot=True, cmap="RdBu_r", fmt=".2f", linewidths=0.5)
plt.title("特征相关系数热力图")
plt.show()

4.3.2 clustermap：层次聚类 + 热力图

clustermap 在热力图基础上对行和列分别进行层次聚类（默认使用欧氏距离 + 平均链接法），并在边缘绘制聚类树。这对于发现样本或特征之间的相似群组非常有效。

# 使用鸢尾花数据集演示聚类热力图
iris = sns.load_dataset("iris")
sns.clustermap(iris.drop(columns="species"), metric="euclidean",
               method="average", cmap="viridis", standard_scale=1)
plt.suptitle("鸢尾花特征聚类热力图", y=1.05)
plt.show()

4.4 综合案例：异常检测报表中的可视化组合

在实际项目中，通常将上述图表组合到一张报表中。以下是一个典型的异常检测数据报表可视化布局：

1. 左上： 特征分布直方图 + KDE，用于观察整体分布形态与尾部离群。
2. 右上： 箱线图矩阵，按类别分组展示各特征的离群点分布。
3. 左下： 特征相关系数热力图，识别高度相关特征对。
4. 右下： 聚类热力图，展示样本与特征的分组结构。

import matplotlib.pyplot as plt
import seaborn as sns

# 创建子图布局
fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 1. 分布图
sns.histplot(tips["total_bill"], kde=True, ax=axes[0,0])
axes[0,0].set_title("Total Bill 分布")

# 2. 箱线图
sns.boxplot(data=tips, x="day", y="total_bill", ax=axes[0,1])
axes[0,1].set_title("按日期的消费箱线图")

# 3. 热力图
corr = tips.corr(numeric_only=True)
sns.heatmap(corr, annot=True, cmap="RdBu_r", ax=axes[1,0])
axes[1,0].set_title("相关系数热力图")

# 4. 聚类热力图（单独绘制，此处示意）
axes[1,1].text(0.5, 0.5, "Clustermap\n(单独窗口)", ha="center", va="center", fontsize=14)
axes[1,1].set_title("聚类热力图")

plt.tight_layout()
plt.show()