stripplot（） 和 swarmplot（） 有什么区别？

什么是 Swarmplot（） 和 Stripplot？

在python seaborn中，swarmplot（）使用一种称为“beeswarm”的技术来定位点，该技术调整点以避免重叠。这将生成一个图，其中点分布且更易于区分，但不会保留类别中点的相对位置。而 stripplot（） 将点定位在分类轴上，每个刻度有一个类别。不会调整点以避免重叠，因此如果许多点属于同一类别，则它们可能会重叠。

特征	带状图（）	蜂群图（）
目的	显示单个变量的分布	显示单个变量的分布，同时避免点之间的重叠
可视化	点沿数字线绘制，并具有抖动的位置偏移以避免重叠	点位于数字线上，以便它们不会相互重叠
效用	对于显示单个变量的分布很有用，尤其是在数据点数量很大且点之间的重叠很大的情况下	可用于显示单个变量的分布，同时避免点之间的重叠并保留各个数据点的位置信息
重叠	点可以明显重叠	点不明显重叠
可扩展性	随着数据点数量的增加，可扩展性降低	随着数据点数量的增加而更具可扩展性

stripplot（） 和 swarmplot（） 都是 Python 中 Seaborn 库中的函数，用于可视化不同类别的数值变量分布。

带状图

使用带状图（单轴散点图）可视化多个不同一维值的分布。这些值显示为沿单个轴的点，大小相同的点可能会重叠。可以更改点的颜色或不透明度以表示重叠值，或者可以使用抖动图或计数图代替它们。为了检查数据点在各种值、组或范围内的分布，通常并排显示许多带状图。

例 1

import pandas as p import matplotlib.pyplot as plt import seaborn as sns df = pd.DataFrame({"Quantity": [15,26,17,18,15,36,27,18,25,16,17,28,15,16,17,28], "Price":[1900,1000,1500,1600,1300,1400,1500,1800,1100,1200,1400,1500,1600,1700,1800,1900], "Month" : [2,3,2,3,2,3,2,3,4,4,4,5,5,5,4,3], "Merchandise":['X','X','X','X','Z','Z','Z','Z', 'Y','Y','Y','Y','X','X','Z','Z']}) sns.swarmplot(data = df, y = "Price", x = "Quantity") plt.show()

代码说明

我们将 Pandas 包合并为 pd，matplotlib.pyplot 合并为 plt，将 Seaborn 合并为 sns 在代码开头。然后使用 DataFrame（） 函数指定数据收集。熊猫模块连接到此功能。制作了四个单独的数组。售罄商品的数量显示在第一个数组中。商品价格显示在第二个数组中。月份的记录保存在第三个数组中。产品名称列在最终数组中。

我们在下一步中使用 swarmplot（） 方法来生成群图。最后，我们使用matplotlib.pyplot库的display（）函数。

例 2

统计类别平面的每个“色调”参数维度都有一个指定的区域。当我们使用“色调”选项并将“减淡”参数设置为 True 时，对象将针对不同的色调变化进行隔离。“调色板”属性表示多个色调属性阴影。

import seaborn import matplotlib.pyplot as plt seaborn.set(style="whitegrid") tips = seaborn.load_dataset("tips") seaborn.swarmplot(x="day", y="total_bill", hue="smoker", data=tips, palette="Set2", dodge=True) plt.show()

代码说明

我们在添加 matplotlib.pyplot 和 Seaborn 库后从 Seaborn 包中调用 set（） 方法。对于此函数，我们提供样式作为参数。我们将样式参数的值设置为“白色网格”。它显示图形的背景色。

我们现在利用加载的 dataset（） 方法来获取内置数据框。此函数采用输入“tips”，并从 Seaborn 头文件派生。接下来，我们使用 swarmplot（） 函数构造群图。在这里，函数的参数是两个轴的标题、颜色值、数据、调色板和减淡。y 轴显示总帐单的记录，而 x 轴显示天数的记录。

蜂群图

当您希望显示所有观测值并结合基础分布的描述时，可以单独创建群图，也可以作为箱形图或小提琴图的补充。

要正确排列点，需要在数据和点坐标之间进行精确转换。因此，在创建绘图之前，必须建立非默认轴限制。

可以使用各种格式来传递输入数据，包括 -

• 直接向传递的 X、Y 和/或 Hue 参数序列对象列出、numPY 或 Pandas 数据向量的表示形式。

• “长格式”数据帧，在这种情况下，数据绘制由 x、y 和 hue 变量控制。

• 绘制每个数字列的“宽格式”数据帧。

• 矢量的集合或数组。

例 1

绘制单个水平群图 -

import seaborn as sns sns.set(style="whitegrid") tips = sns.load_dataset("tips") ax = sns.swarmplot(x=tips["total_bill"])

例 2

根据类别对数据点进行分组，此处为区域和事件。

import seaborn seaborn.set(style='whitegrid') fmri = seaborn.load_dataset("fmri") seaborn.swarmplot(x="timepoint", y="signal", hue="region", data=fmri)

结论

总之，stripplot（） 和 swarmplot（） 是 Python 库中用于创建散点图的函数。这些图可视化了两个变量和数据分布之间的关系。

Stripplot（） 是一个函数，用于绘制数据的散点图，点沿 x 轴分布。它允许您指定 x 和 y 变量、数据以及各种自定义选项，例如点的颜色、大小和样式。Stripplot（） 对于可视化连续变量在分类变量的每个类别中的分布很有用。

Swarmplot（） 是一个函数，它绘制数据的散点图，点沿 x 轴分布以避免重叠。它允许您指定 x 和 y 变量、数据以及各种自定义选项，例如点的颜色、大小和样式。Swarmplot（） 对于可视化连续变量在分类变量的每个类别中的分布很有用，特别是当点数很大时。