【Seaborn】sns.stripplot() 函数：分类数据的散点分布

sns.stripplot() —— 分类数据的散点分布（Strip Plot）

seaborn.stripplot() 用于显示分类数据的散点分布，适用于 数据离散度、分布模式、类别间对比。

---

1. 语法

import seaborn as sns

sns.stripplot(data=None, x=None, y=None, hue=None, jitter=True, dodge=False, size=5, alpha=None)

主要参数

参数	作用
data	数据集（pandas.DataFrame）
x	分类变量（类别列）
y	数值变量（连续值）
hue	按类别分色
jitter	是否增加抖动（防止点重叠，默认 True）
dodge	当 hue 存在时，是否分开显示（默认 False）
size	点的大小（默认 5）
alpha	透明度（0-1，用于减少重叠影响）

---

2. 基本示例

2.1 画分类散点图

import seaborn as sns
import matplotlib.pyplot as plt

# 加载数据
data = sns.load_dataset("titanic")

# 绘制分类散点图
sns.stripplot(data=data, x="class", y="age")

plt.title("Age Distribution by Class")
plt.show()

📌 作用

• x="class" → 类别（头等舱/二等舱/三等舱）。
• y="age" → 数值变量（年龄）。
  

---

2.2 增加抖动（jitter=True）

sns.stripplot(data=data, x="class", y="age", jitter=True)

plt.show()

📌 作用

• jitter=True 避免数据点重叠，提高可读性。
  

---

2.3 按类别着色（hue 参数）

sns.stripplot(data=data, x="class", y="age", hue="sex")

plt.show()

📌 作用

• hue="sex" → 不同性别用不同颜色表示。
  

---

2.4 增加透明度（alpha 参数）

sns.stripplot(data=data, x="class", y="age", hue="sex", alpha=0.5)

plt.show()

📌 作用

• alpha=0.5 减少数据点重叠的影响。
  

---

3. 进阶用法

3.1 调整点大小（size 参数）

sns.stripplot(data=data, x="class", y="age", size=8)

plt.show()

📌 作用

• size=8 增大数据点，适用于小数据集。
  

---

3.2 结合 dodge=True（分开不同 hue 类别）

sns.stripplot(data=data, x="class", y="age", hue="sex", dodge=True)

plt.show()

📌 作用

• dodge=True 让不同 hue 类别的点分开。
  

---

3.3 横向展示（orient="h"）

sns.stripplot(data=data, x="age", y="class", orient="h")

plt.show()

📌 作用

• orient="h" 横向展示数据。
  

---

4. sns.stripplot() vs sns.swarmplot()

	sns.stripplot()	sns.swarmplot()
作用	分类散点图	避免重叠的分类散点图
适用场景	大数据集（允许重叠）	小数据集（防止重叠）

sns.swarmplot(data=data, x="class", y="age", hue="sex")

plt.show()

📌 推荐

• 大数据集 → sns.stripplot()
• 避免重叠 → sns.swarmplot()
  

---

5. 总结

✅ sns.stripplot() 适用于分类数据的散点分布分析，支持 抖动、透明度、分组显示。
✅ 常见参数

• hue 分类着色，jitter=True 增加抖动，alpha=0.5 减少重叠。
• dodge=True 分开不同类别，size=8 调整点大小。