Seaborn - 绘制分类数据

• 

  简述

  在我们之前的章节中，我们了解了散点图、hexbin 图和 kde 图，它们用于分析研究中的连续变量。当研究的变量是分类变量时，这些图不适合。

  当研究中的一个或两个变量是分类变量时，我们使用像 striplot()、swarmplot() 等这样的图。Seaborn 提供了这样做的接口。
• 

  分类散点图

  在本节中，我们将学习分类散点图。

  stripplot()

  当所研究的变量之一是分类变量时，使用 stripplot()。它表示沿任一轴的排序顺序的数据。

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('iris')
  sb.stripplot(x = "species", y = "petal_length", data = df)
  plt.show()
  

  输出

  

  在上图中，我们可以清楚地看到petal_length在每个物种中。但是，上述散点图的主要问题是散点图上的点重叠。我们使用“抖动”参数来处理这种情况。

  抖动会在数据中添加一些随机噪声。此参数将调整沿分类轴的位置。

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('iris')
  sb.stripplot(x = "species", y = "petal_length", data = df, jitter = Ture)
  plt.show()
  

  输出

  

  现在，可以很容易地看到点的分布。

  Swarmplot()

  可以用作“抖动”替代的另一个选项是功能swarmplot(). 此函数将散点图的每个点定位在分类轴上，从而避免重叠点 -

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('iris')
  sb.swarmplot(x = "species", y = "petal_length", data = df)
  plt.show()
  

  输出