Seaborn - 统计估计

• 

  简述

  在大多数情况下，我们处理数据整体分布的估计。但是当涉及到集中趋势估计时，我们需要一种特定的方式来总结分布。均值和中位数是估计分布集中趋势的常用技术。

  在我们在上一节中学习的所有图中，我们对整个分布进行了可视化。现在，让我们讨论一下可以用来估计分布集中趋势的图。
• 

  条形图

  这barplot()显示分类变量和连续变量之间的关系。数据以矩形条表示，其中条的长度代表该类别中数据的比例。

  条形图表示集中趋势的估计。让我们使用“泰坦尼克号”数据集来学习条形图。

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('titanic')
  sb.barplot(x = "sex", y = "survived", hue = "class", data = df)
  plt.show()
  

  输出

  

  在上面的例子中，我们可以看到每个班级中男性和女性的平均存活人数。从图中我们可以了解到，存活下来的女性人数多于男性。在男性和女性中，更多的幸存者来自头等舱。

  barplot 中的一个特殊情况是显示每个类别中的观察数，而不是计算第二个变量的统计量。为此，我们使用countplot().

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('titanic')
  sb.countplot(x = " class ", data = df, palette = "Blues");
  plt.show()
  

  输出

  

  情节说，三等舱的乘客人数高于一等和二等舱。
• 

  点图

  点图与条形图相同，但样式不同。估计值不是完整的条形图，而是由另一个轴上某个高度处的点表示。

  例子

  
  import pandas as pd
  import seaborn as sb
  from matplotlib import pyplot as plt
  df = sb.load_dataset('titanic')
  sb.pointplot(x = "sex", y = "survived", hue = "class", data = df)
  plt.show()
  

  输出