数据集中的数据类型有很多种,除了连续的特征变量之外,最常见的就是类别型的数据了,比如人的性别、学历、爱好等,这些数据类型都不 能用连续的变量来表示,而是用分类的数据来表示。
Seaborn
针对分类数据提供了专门的可视化函数,这些函数大致可以分为如下三种
:
- 分类数据散点图: swarmplot()与 stripplot()。
- 类数据的分布图: boxplot() 与 violinplot()。
- 分类数据的统计估算图:barplot() 与 pointplot()。
下面两节将针对分类数据可绘制的图形进行简单介绍,具体内容如下
1 类别散点图
通过
stripplot()
函数可以画一个散点图,
stripplot0
函数的语法格式如下。
seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=False)
上述函数中常用参数的含义如下
- (1) x,y,hue:用于绘制长格式数据的输入。
- (2) data:用于绘制的数据集。如果x和y不存在,则它将作为宽格式,否则将作为长格式。
- (3) jitter:表示抖动的程度(仅沿类別轴)。当很多数据点重叠时,可以指定抖动的数量或者设为Tue使用默认值。
为了让大家更好地理解,接下来,通过
stripplot()
函数绘制一个散点图,示例代码如下。
# 获取tips数据
tips = sns.load_dataset("tips")
sns.stripplot(x="day", y="total_bill", data=tips)
运行结果如下图所示。
![](https://img-blog.csdnimg.cn/direct/5d60f736b3de41b3acb2319ea1359f0f.png)
从上图中可以看出,图表中的横坐标是分类的数据,而且一些数据点会互相重叠,不易于观察。为了解决这个问题,可以在调用
striplot()
函数时 传入jitter
参数,以调整横坐标的位置,改后的示例代码如下。
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)
运行结果如下图所示。
![](https://img-blog.csdnimg.cn/direct/2ad1a346f58747c4a9f7ea6b316a2b44.png)
除此之外,还可调用
swarmplot0
函数绘制散点图,该函数的好处是所有的数据点都不会重叠,可以很清晰地观察到数据的分布情况,示例代码 如下。
sns.swarmplot(x="day", y="total_bill", data=tips)
运行结果如图所示。
![](https://img-blog.csdnimg.cn/direct/6163061130f94370ae80fa88a122e538.png)
2 类别内的数据分布
要想查看各个分类中的数据分布,显而易见,散点图是不满足需求的,原因是它不够直观。针对这种情况,我们可以绘制如下两种图形进行查 看:
- 箱形图:
箱形图(Box-plot)又称为盒须图、盒式图或箱线图,是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。
箱形图于1977年由美国著名统计学家约翰·图基(John Tukey)发明。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数。
- 小提琴图:
小提琴图 (Violin Plot) 用于显示数据分布及其概率密度。
这种图表结合了箱形图和密度图的特征,主要用来显示数据的分布形状。
中间的黑色粗条表示四分位数范围,从其延伸的幼细黑线代表 95% 置信区间,而白点则为中位数。
箱形图在数据显示方面受到限制,简单的设计往往隐藏了有关数据分布的重要细节。例如使用箱形图时,我们不能了解数据分布。 虽然小提琴图可以显示更多详情,但它们也可能包含较多干扰信息。
![](https://img-blog.csdnimg.cn/direct/387f153806844b7f84dd53cf6da685e9.png)
接下来,针对
Seaborn
库中箱形图和提琴图的绘制进行简单的介绍。
2.1
绘制箱形图
seaborn
中用于绘制箱形图的函数为
boxplot()
,其语法格式如下
:
seaborn.boxplot(x=None, y=None, hue=None, data=None, orient=None, color=None, saturation=0.75, width=0.8)
常用参数的含义如下
:
(1) palette
:用于设置不同级别色相的颜色变量。
---- palette=["r","g","b","y"]
(2) saturation
:用于设置数据显示的颜色饱和度。
----
使用小数表示
使用
boxplot()
函数绘制箱形图的具体示例如下。
sns.boxplot(x="day", y="total_bill", data=tips)
上述示例中,使用
seaborn
中内置的数据集
tips
绘制了一个箱形图,图中
x
轴的名称为
day
,其刻度范围是
Thur~Sun(
周四至周日
)
,
y
轴的名称为 total_bill,刻度范围为
10-50
左右
运行结果如图所示。
![](https://img-blog.csdnimg.cn/direct/4814a03656e74ae2bd28ef83095039fc.png)
从图中可以看出,
- Thur列大部分数据都小于30,不过有5个大于30的异常值,
- Fri列中大部分数据都小于30,只有一个异常值大于40,
- Sat一列中有3个大于40的异常值,
- Sun列中有两个大于40的异常值
2.2
绘制提琴图
seaborn
中用于绘制提琴图的函数为
violinplot()
,其语法格式如下
seaborn.violinplot(x=None, y=None, hue=None, data=None)
通过
violinplot()
函数绘制提琴图的示例代码如下
sns.violinplot(x="day", y="total_bill", data=tips)
上述示例中,使用
seaborn
中内置的数据集绘制了一个提琴图,图中
x
轴的名称为
day
,
y
轴的名称为
total_bill
运行结果如图所示。
![](https://img-blog.csdnimg.cn/direct/99e5e66486804c8eb737fa07cf14d9cf.png)
从图中可以看出,
- Thur一列中位于5~25之间的数值较多,
- Fri列中位于5-30之间的较多,
- Sat-列中位于5-35之间的数值较多,
- Sun一列中位于5-40之间的数值较多。
3 类别内的统计估计
要想查看每个分类的集中趋势,则可以使用条形图和点图进行展示。
Seaborn
库中用于绘制这两种图表的具体函数如下
- barplot()函数:绘制条形图。
- pointplot()函数:绘制点图。
这些函数的
API
与上面那些函数都是一样的,这里只讲解函数的应用,不再过多对函数的语法进行讲解了。
3.1
绘制条形图
最常用的查看集中趋势的图形就是条形图。默认情况下,
barplot
函数会在整个数据集上使用均值进行估计。若每个类别中有多个类别时
(
使用 了hue
参数
)
,则条形图可以使用引导来计算估计的置信区间
(
是指由样本统计量所构造的总体参数的估计区间
)
,并使用误差条来表示置信区 间。
使用
barplot()
函数的示例如下
sns.barplot(x="day", y="total_bill", data=tips)
运行结果如图所示。
![](https://img-blog.csdnimg.cn/direct/f31f5c66cdf245868b45dda735193148.png)
3.2
绘制点图
另外一种用于估计的图形是点图,可以调用
pointplot()
函数进行绘制,该函数会用高度低计值对数据进行描述,而不是显示完整的条形,它只 会绘制点估计和置信区间。
通过
pointplot()
函数绘制点图的示例如下。
sns.pointplot(x="day", y="total_bill", data=tips)
运行结果如图所示。
![](https://img-blog.csdnimg.cn/direct/0f8bb0a37adc4216b355d61c2b5d5fb0.png)