python里orient_python数据可视化seaborn（四）—— 分类数据可视化

之前的文章关注的是两个变量都是数值变量的情况,当有一个变量是分类变量的时候，我们就需要其他类型的图形来展示分析数据。在seaborn中有多种类型的图形且非常易于上手。

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

%matplotlib inline

sns.set(style="whitegrid",font_scale=1.4,context="paper")

# 设置风格、尺度

import warnings

warnings.filterwarnings('ignore')

# 不发出警告

seaborn中，分类图主要分为三个部分：分类散点图：stripplot(默认，kind = "strip")

swarmplot(kind = "swarm")

分类分布图：boxplot(kind="box")

violinplot(kind="violin")

boxenplot(kind="boxen")

分类估计图：pointplot(kind="point")

barplot(kind="bar")

countplot(kind="count")

以上三种系列分别代表了不同粒度级别的数据。当然，在实际使用的过程中，其实没有必要记住这么多，因为seaborn中的分类系列有统一的图形界面catplot(),只需要这一个函数，就能访问所有分类图像类型。

分类散点图

seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=True, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)jitter : 是否抖动，True，false or float

dodge : 当有hue参数时，是否沿轴分离不同颜色

orient : 图形方向，垂直(“v”)或者水平("h")

# 1、catplot() 默认情况下，kind='strip'

# 按照不同类别对样本数据进行分布散点图绘制

tips = sns.load_dataset("tips")

print(tips.head())

# 加载数据

sns.catplot(x="day", # x → 设置分组统计字段

y="total_bill", # y → 数据分布统计字段

# 这里xy数据对调，将会使得散点图横向分布

data=tips, # data → 对应数据

jitter = True, height=6,

#当点数据重合较多时，jitter可以控制点抖动，也可以设置间距如：jitter = 0.1

s = 6, edgecolor = 'w',linewidth=1,marker = 'o' ,

# 设置点的大小、描边颜色或宽度、点样式

)

-------------------------------------------------------

total_bill tip sex smoker day time size

0 16.99 1.01 Female No Sun Dinner 2

1 10.34 1.66 Male No Sun Dinner 3

2 21.01 3.50 Male No Sun Dinner 3

3 23.68 3.31 Male No Sun Dinner 2

4 24.59 3.61 Female No Sun Dinner 4

# 1、stripplot()

# 通过kind='swarm' 来调整点防止重合

sns