Seaborn学习笔记（三）

Seaborn中专门提供了针对分类数据的绘图函数，可以很好的展示分类数据的分布情况。

分类数据的可视化

1. 分类的散点图

可以使用stripplot()来展示散点图中一个变量是分类的情况。

titanic = sns.load_dataset("titanic")
tips = sns.load_dataset("tips")
iris = sns.load_dataset("iris")
sns.stripplot(x="day", y="total_bill", data=tips);

可以看到很方便的展示了分类作为变量的时候散点图的分布

当是我们可以看到上图中有很多点是相互重复的，我们无法准却的观察每个点的位置，针对这种情况，Seaborn提供了多种解决办法。

1. 第一种是：通过给点加一些随机的偏移量（分类坐标上的），设置jitter参数为True即可

   sns.stripplot(x="day", y="total_bill", data=tips, jitter=True);

   我们可以很明显的看到聚集的点被随机的分散开了
   

2. 第二种是直接使用 swarmplot()函数来绘制，这种方法使得数据更为比较明显的分散

   sns.swarmplot(x="day", y="total_bill", data=tips);

   

2. 类别内部数据分类的情况的展示
Seaborn中提供多种方式来统计一个类别内数据的整体分布情况，主要方式有盒图，小提琴图

1. 使用boxplot()来绘制盒图
   关于什么事盒图以及他的使用方法可以参考这个关于盒图的介绍

   sns.boxplot(x="day", y="total_bill", hue="time", data=tips);

   

2. 使用violinplot()来绘制小提琴图
   关于什么事盒图以及他的使用方法可以参考这个小提琴图的介绍

   sns.violinplot(x="total_bill", y="day", hue="time", data=tips);

   

总结

1. 我们主要学习了解了怎么使用Seaborn来实现对matplotlib所绘图形的美化Seaborn学习笔记，包括直接使用其提供的默认主题，自定义主题，通过域的限制来绘制不同风格的主题以及各种色板的使用
2. 了解了Seaborn提供的展示数据间关系的绘图函数Seaborn学习笔记（二），包括绘制单变量数据的分布，多变量数据的分布以及多种展示数据分布的图
3. 最后学习了展示数据集中数据的分布情况，了解整个数据集的统计信息的展示。