Seaborn - 多面板分类图

• 

  简述

  我们可以使用两个图来可视化分类数据，您可以使用函数pointplot()，或更高级别的函数factorplot().
• 

  因子图

  Factorplot 在 FacetGrid 上绘制分类图。使用“种类”参数，我们可以选择箱线图、小提琴图、条形图和条形图等绘图。FacetGrid 默认使用点图。

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('exercise')
  sb.factorplot(x = "time", y = pulse", hue = "kind",data = df);
  plt.show()
  

  输出

  

  我们可以使用不同的图来可视化相同的数据，使用kind范围。

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('exercise')
  sb.factorplot(x = "time", y = "pulse", hue = "kind", kind = 'violin',data = df);
  plt.show()
  

  输出

  

  在 factorplot 中，数据绘制在 facet 网格上。
• 

  什么是分面网格？

  Facet grid 通过划分变量形成由行和列定义的面板矩阵。由于面板，单个图看起来像多个图。分析两个离散变量中的所有组合非常有帮助。

  让我们用一个例子来可视化上面的定义

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('exercise')
  sb.factorplot(x = "time", y = "pulse", hue = "kind", kind = 'violin', col = "diet", data = df);
  plt.show()
  

  输出

  

  使用 Facet 的好处是，我们可以在图中输入另一个变量。上面的图根据使用“col”参数的第三个变量“diet”分为两个图。

  我们可以制作许多列面并将它们与网格的行对齐 -

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('titanic')
  sb.factorplot("alive", col = "deck", col_wrap = 3,data = df[df.deck.notnull()],kind = "count")
  plt.show()
  

  输出