Seaborn与Basemap实战：从销售趋势到地理数据可视化的闯关之旅

1. 从销售数据到折线图：Seaborn入门实战

第一次接触数据可视化时，我被各种图表类型和参数搞得晕头转向。直到遇到Seaborn，这个基于matplotlib的Python可视化库，才真正体会到什么叫"优雅的数据分析"。让我们从一个真实的销售数据案例开始，看看如何用几行代码完成专业级的可视化。

假设你手上有份电商平台的交易记录，数据格式是这样的：

code复制支付时间,实际金额
2023/1/15,128.5
2023/2/3,89.9
2023/1/22,56.0
...

要分析月度销售趋势，传统方法可能需要写十几行代码来处理日期、分组汇总。但用Seaborn配合pandas，整个过程可以简化到令人发指：

python复制import seaborn as sns
import pandas as pd

# 读取数据并提取月份
df = pd.read_csv('sales.csv')
df['month'] = df['支付时间'].str.split('/').str[1].astype(int)

# 按月汇总金额并绘图
monthly_sales = df.groupby('month')['实际金额'].sum()
sns.lineplot(data=monthly_sales)

这里有几个实用技巧值得注意：

1. 日期处理：直接用pandas的字符串方法拆分日期，比datetime模块更轻量
2. 分组统计：groupby+sum的组合是数据分析的瑞士军刀
3. 自动美化：sns.lineplot()默认就带网格线、合适的字体大小和配色

我在第一次使用时犯过的典型错误包括：

• 忘记设置figure尺寸导致图片元素重叠
• 没有对月份排序导致折线图乱序
• 直接使用原始日期格式绘图导致x轴标签拥挤

正确的完整代码应该这样写：

python复制plt.figure(figsize=(10,6))  # 黄金比例更美观
sns.set_style("whitegrid")  # 白色背景+网格线
monthly_sales = monthly_sales.sort_index()  # 确保月份顺序正确
ax = sns.lineplot(data=monthly_sales, marker='o')  # 添加数据点标记
ax.set(xlabel='月份', ylabel='销售额(元)', title='年度销售趋势')  # 完善标签

2. Seaborn进阶：用统计图形发现数据故事

掌握了基础绘图后，我发现Seaborn真正的威力在于其丰富的统计图形。以经典的tips数据集为例，这个记录餐厅小费的数据集包含total_bill(总消费)、tip(小费)、sex(性别)等字段，是练习统计可视化的绝佳材料。

2.1 分类数据可视化

当我们需要对比不同群体的数据分布时，catplot是首选。比如分析吸烟与否对小费比例的影响：

python复制tips = sns.load_dataset('tips')
sns.catplot(x='day', y='tip', hue='smoker', 
            kind='box', data=tips)

这幅箱线图一眼就能看出：

• 周末小费整体高于工作日
• 吸烟顾客的小费中位数普遍略高
• 周五的非吸烟顾客存在异常高值

2.2 分布关系可视化

jointplot可以同时展示两个变量的分布及其关系。分析消费金额与小费的关系：

python复制sns.jointplot(x='total_bill', y='tip', 
              data=tips, kind='reg',
              marginal_kws={'bins':15})

图中清晰显示：

1. 明显的正相关趋势线
2. 消费金额呈右偏分布(大部分集中在20-40元)
3. 小费金额集中在2-4元区间

2.3 热力图分析

处理时间序列数据时，heatmap能直观展示模式。比如分析餐厅客流的热力图：

python复制flights = sns.load_dataset('flights')
flights = flights.pivot("month", "year", "passengers")
sns.heatmap(flights, annot=True, fmt="d", linewidths=.5)

从颜色深浅可以立即发现：

• 每年7-8月是客流高峰
• 客流呈现逐年增长趋势
• 冬季客流明显减少

3. Basemap地理可视化：让数据落地

当数据包含地理位置信息时，将其映射到地图上能产生质的飞跃。Basemap作为传统地理绘图工具，虽然现在逐渐被Cartopy取代，但在简单场景下仍然实用。

3.1 绘制基础地图

先看如何绘制一张中国地图：

python复制from mpl_toolkits.basemap import Basemap

plt.figure(figsize=(12,8))
m = Basemap(llcrnrlon=73, llcrnrlat=18,
            urcrnrlon=135, urcrnrlat=53,
            projection='lcc', lat_1=33, lat_2=45, lon_0=100)
m.drawcoastlines()  # 海岸线
m.drawcountries()   # 国界线
m.drawparallels(range(0, 90, 10), labels=[1,0,0,0])  # 纬线
m.drawmeridians(range(70, 140, 10), labels=[0,0,0,1])  # 经线

关键参数说明：

• llcrnrlon/lat: 左下角经纬度
• urcrnrlon/lat: 右上角经纬度
• projection: 地图投影方式(lcc为兰勃特投影)

3.2 叠加业务数据

假设我们有各城市销售额数据，可以在地图上用散点图展示：

python复制cities = {
    '北京': [116.4, 39.9, 4200],
    '上海': [121.47, 31.23, 3800],
    # ...其他城市数据
}

for city, (lon, lat, sales) in cities.items():
    x, y = m(lon, lat)
    size = sales / 50  # 缩放比例
    m.scatter(x, y, s=size, c='red', alpha=0.5)
    plt.text(x, y, city, fontsize=10)

3.3 进阶技巧：分级填色

对于区域数据，choropleth地图更合适。以省级GDP为例：

python复制from matplotlib.colors import LinearSegmentedColormap

# 自定义颜色渐变
cmap = LinearSegmentedColormap.from_list(
    'mycmap', ['#FFFFFF', '#FF0000'])

m.readshapefile('CHN_adm_shp/CHN_adm1', 
               'provinces', drawbounds=True)

for info, shape in zip(m.provinces_info, m.provinces):
    gdp = get_gdp_by_province(info['NAME_1'])  # 自定义函数
    color = cmap(gdp/max_gdp)  # 归一化
    patches = [Polygon(np.array(shape), closed=True, fc=color)]
    plt.gca().add_collection(PatchCollection(patches))

4. 综合实战：销售数据的地理时空分析

现在我们把Seaborn和Basemap结合起来，完成一个从时间趋势到空间分布的全方位分析。假设我们有全国各城市分月的销售数据，要完成：

1. 分析整体月度趋势
2. 找出销售热点区域
3. 识别区域销售特征

4.1 数据准备与清洗

原始数据通常需要预处理：

python复制# 读取并清洗数据
df = pd.read_csv('national_sales.csv')
df['month'] = pd.to_datetime(df['date']).dt.month
df['city'] = df['city'].str.strip()  # 去除城市名空格

# 处理异常值
df = df[(df['amount'] > 0) & 
        (df['amount'] < df['amount'].quantile(0.99))]

4.2 构建分析仪表板

使用plt.subplots创建多视图：

python复制fig = plt.figure(figsize=(18, 12))

# 趋势分析
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=2)
monthly = df.groupby('month')['amount'].sum()
sns.lineplot(data=monthly, ax=ax1)

# 城市排名
ax2 = plt.subplot2grid((3, 3), (0, 2))
top_cities = df.groupby('city')['amount'].sum().nlargest(10)
sns.barplot(x=top_cities.values, y=top_cities.index, ax=ax2)

# 地理分布
ax3 = plt.subplot2grid((3, 3), (1, 0), colspan=3, rowspan=2)
m = Basemap(ax=ax3, 
            llcrnrlon=73, llcrnrlat=18,
            urcrnrlon=135, urcrnrlat=53)
m.drawcoastlines()
for city, row in df.groupby('city').mean().iterrows():
    x, y = m(row['lon'], row['lat'])
    m.scatter(x, y, s=row['amount']/100, c='red', alpha=0.7)

4.3 交互式探索

在Jupyter中，可以结合ipywidgets创建动态可视化：

python复制from ipywidgets import interact

@interact(month=(1, 12))
def plot_monthly_sales(month):
    month_data = df[df['month'] == month]
    plt.figure(figsize=(12,8))
    m = Basemap(llcrnrlon=73, llcrnrlat=18,
                urcrnrlon=135, urcrnrlat=53)
    m.drawcoastlines()
    for _, row in month_data.iterrows():
        x, y = m(row['lon'], row['lat'])
        size = np.log(row['amount']) * 10  # 对数缩放
        m.scatter(x, y, s=size, c=size, cmap='Reds')

这种可视化可以清晰展示销售活动的季节性迁移规律，比如冬季南方城市销量增长，北方则下降。