Seaborn———分类数据绘图

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。

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。

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。

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。

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。

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。

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。

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。