08.python可视化-Seanorn绘制类别关系图stripplot() &swarmplot()

本文链接：https://blog.csdn.net/rojyang/article/details/130619645

本文介绍了Seaborn库中的stripplot()和swarmplot()函数，用于创建分类散点图和蜂群图。这两种方法适用于观察分类变量与数值变量之间的关系。stripplot()在数据密集时通过随机偏移避免点重叠，而swarmplot()确保每个数据点都有独立的位置，避免了点的堆叠。内容包括数据集准备、分类散点图和蜂群图的绘制实例。

摘要由CSDN通过智能技术生成

1. 散点图

1) 分类散点图：stripplot() 与 catplot(kind=“strip”)

2) 分簇散点图： swarmplot() 与 catplot(kind=“swarm”)

1. 分类散点图

应用场景：观察两个数值变量之间的情况。如果其中一个主要变量是“分类”（分为不同的组），那么使用更专业的可视化方法比如类别关系图。

seaborn.stripplot（分类散点图）

当在同一个类别中出现大量取值相同或接近的观测数据时，他们会挤到一起。seaborn.stripplot()，它给这些散点增加了一些随机的偏移量，更容易观察。

seaborn.stripplot(x=None, y=None, data=None,     # 必要参数
hue=None,  # 指定二次分类的数据类别，主要用颜色区分
order=None, hue_order=None,  # 显示指定分类的顺序 ，排序的变量名list的形式 []
jitter=True,  # jitter参数控制着偏移量的大小
dodge=False,  # dodge将第三个分类变量分开
palette=None, # 添加调色盘
color=None,   # 颜色
orient=None,  # 设置图像的绘制方向
size=5,
edgecolor='gray', linewidth=0,
ax=None,  ### 绘制多子图时, 可以通过axes制定我们的绘制区域
**dict(marker='*',s=15,alpha=0.7),#设置点形状、大小、透明度等，更多见ma