Python数据分析-绘图-2-Seaborn进阶绘图-4-分类图

一、分类散点图

1.stripplot

函数：seaborn.stripplot

常用参数：

x,y,hue	接收data中的变量名，表示选入的绘图变量，hue传入分类变量，以对颜色分类。
data	接收DataFrame，array，list，series，表示用于绘图的数据集。
order,order_hue	接收字符串列表，指定绘图分类级别。
jitter	接收float，True或1，添加均匀随机噪声以优化图形显示。默认为True
dodge	bool，表示使用分类嵌套时是否沿着分类轴分离。默认为False
orient	接收v或h，表示图形的方向。

tips=sns.load_dataset('tips')
fig,ax=plt.subplots(1,2,figsize=(8,4))
#添加随机噪声
sns.stripplot(x='day',y='total_bill',data=tips,ax=ax[0])
#不添加随机噪声
sns.stripplot(x='day',y='total_bill',data=tips,jitter=False,ax=ax[1])

使用多分类功能：

sns.stripplot(x='day',y='total_bill',hue='sex',data=tips)

 

修改dodge参数，使变量沿着分类轴而不是重叠覆盖：

sns.stripplot(x='day',y='total_bill',hue='sex',dodge=True,data=tips)

 

2.violinplot

小提琴图是箱线图和核密度估计图的结合。与箱线图相比，它除了可以显示图形上显示的那些统计特征外，它还可以显示数据的分布。

 函数：seaborn.violinplot

常用参数：

bw	接收“scott”“silverman”“及float，表示选入的绘图变量。默认为”scott“
cut	接收float，控制小提琴图外壳延伸超过内部极端数据点的密度，设置为0以将小提琴图范围限制在观察数据的范围内。默认为2.
scale	接收”area“”“count""width