python数据可视化之Seaborn（五）：分类数据可视化

写在开头：今天分享的是关于分类数据绘图的内容，学习链接同样放在后文。

前文回顾：
第一节分享了Seaborn绘图的整体颜色与风格比例调控，可点击链接查看。
python数据可视化之Seaborn（一）
第二节分享了连续、分类、离散数据的绘图颜色的方法，可点击链接查看。
python数据可视化之Seaborn（二）
第三节分享了对于数据分布的绘图方法，可点击链接查看。
python数据可视化之Seaborn（三）
第四节分享了关于数据相关性的一些绘图展示，可点击链接查看。
python数据可视化之Seaborn（四）

Seaborn可视化内容安排

在Seaborn的学习中安排如下，
一、画风设置：会简单介绍一下绘图风格（一）与颜色风格（二）的设置；
二、绘图技巧：这里会介绍数据集（三）、相关数据（四）、分类数据（五）、线性关系（六）可视化的相关内容；
三、结构网络：本节主要介绍数据识别结构网络的绘图（七）。

二、Seaborn绘图技巧

分类数据

在前文的相关数据分析中展示了变量之间相关性的可视化方法，在今天我们将分享关于分类数据如何绘图进行可视化。也就是一个样本它属于不同类别的另一变量数据展示。在本文中主要使用catplot()，这个函数可以通过设置kind参数来达到与相关函数相同的绘图效果，今天主要从绘制散点图、分布图以及估计图三大类。
首先加载使用的包，

import seaborn as sns
import matplotlib.pyplot as plt
sns.set_style("darkgrid")

类别散点图
catplot()函数的默认为绘制散点图，然后散点图就是去描述不同类别下数据的离散分布情况，第一种方法就是直接绘制散点图，

current_palette = sns.color_palette("Set2")
tips = sns.load_dataset("tips")
sns.catplot(x='day', y='total_bill', data=tips, palette=current_palette)

然后jitter参数可以将数据绘制在同一条线上，

sns.catplot(x='day', y='total_bill', data=tips, palette=current_palette, jitter=False)

第二种方法就是利用swarm画法，可以避免数据的重叠，使得数据更好的展现出来，同样可以用kind设置swarm进行图形绘制。同样在绘制图形是有hue、size、style三个参数对图形进行多维度类别区分绘图，并且还可使用query函数对数据集进行选择，

sns.catplot(x="size", y="total_bill", kind="swarm", palette=current_palette, 
            hue="sex", data=tips.query