seaborn系列 (8) | 分类散点图stripplot()

分类散点图

stripplot()可以自己实现对数据分类的展现,也可以作为盒形图或小提琴图的一种补充,用来显示所有结果以及基本分布情况。

函数原型

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)

参数解读

在这里插入图片描述

x,y,hue:数据字段变量名(如上表,date,name,age,sex为数据字段变量名)
作用:根据实际数据,x,y常用来指定x,y轴的分类名称,
hue常用来指定第二次分类的数据类别(用颜色区分)

data: DataFrame,数组或数组列表

order,hue_order:字符串列表
作用:显式指定分类顺序,eg. order=[字段变量名1,字段变量名2,...]

jitter : float类型,True/1
作用:当数据重合较多时,用该参数做一些调整,也可以设置间距
如,jitter = 0.1 (通俗讲,就是让数据分散开)

dodge:bool
作用:若设置为True则沿着分类轴,将数据分离出来成为不同色调级别的条带,
否则,每个级别的点将相互叠加

orient:方向:v或者h
作用:设置图的绘制方向(垂直或水平),
如何选择:一般是根据输入变量的数据类型(dtype)推断出来。

color:matplotlib 颜色

palette:调色板名称,list类别或者字典
作用:用于对数据不同分类进行颜色区别

size:float
作用:设置标记大小(标记直径,以磅为单位)

edgecolor:matplotlib color,gray
作用:设置每个点的周围线条颜色

linewidth:float
作用:设置构图元素的线宽度

案例教程

案例代码已上传:Github地址

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例1:
水平散点图
"""
sns.stripplot(x=tips["total_bill"])
plt.show()

在这里插入图片描述

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例2:
根据x的类别进行分组统计
"""
sns.stripplot(x="day",y="total_bill", data=tips)
plt.show()

在这里插入图片描述


import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例3:
设置jitter来增加数据的抖动(当数据重合较多时,可以让数据更加分散一些)

可以比较案例2和案例3
"""
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)
plt.show()

在这里插入图片描述

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例4:
设置jitter来增加数据的抖动(当数据重合较多时,可以让数据更加分散一些)

可以比较案例2、案例3和案例4
"""
sns.stripplot(x="day", y="total_bill", data=tips, jitter=0.3)
plt.show()

在这里插入图片描述

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例5:
绘制水平方向的分类散点图

可以对案例1和案例5 进行比较
"""
sns.stripplot(x="total_bill", y="day", data=tips,jitter=True)
plt.show()

在这里插入图片描述

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例6:
给数据点绘制轮廓,linewidth值越大,轮廓越粗
"""
sns.stripplot(x="total_bill", y="day", data=tips,
              jitter=True, linewidth=2)
plt.show()

在这里插入图片描述

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例7:
设置hue对每个分组中进行第二次分类(x=sex进行第一次数据分组,
hue=day对每一组进行数据分类)
"""
sns.stripplot(x="sex", y="total_bill", hue="day",
              data=tips, jitter=True)
plt.show()

在这里插入图片描述

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例8:
设置dodge将数据在分类组中分离出来
"""
sns.stripplot(x="day", y="total_bill", hue="smoker",
              data=tips, jitter=True,
              palette="Set2",dodge=True)
plt.show()

在这里插入图片描述

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例9:
通过设置order来显式指定分类顺序
order=[字段变量名1,字段变量名2,...]
"""
sns.stripplot(x="time", y="tip", data=tips,
              order=["Dinner", "Lunch"])
plt.show()

在这里插入图片描述

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例10:
设置要绘制的点的大小(size)以及点的标记(marker="D")
饱和度alpha
"""
sns.stripplot("day", "total_bill", "smoker", data=tips,
              palette="Set2", size=20, marker="D",
              edgecolor="gray", alpha=.25)
plt.show()

在这里插入图片描述

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例11:
根据数据情况绘制箱图和分类散点图
在箱图上绘制分类散点图
"""
sns.boxplot(x="tip", y="day", data=tips, whis=np.inf)
sns.stripplot(x="tip", y="day", data=tips,
              jitter=True, color=".3")
plt.show()

在这里插入图片描述


import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例10:
根据数据情况绘制小提琴图和分类散点图
在小提琴图上绘制分类散点图
"""
sns.violinplot(x="day", y="total_bill", data=tips,
               inner=None, color=".8")
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)
plt.show()

在这里插入图片描述

案例地址

上述案例代码已上传:Github地址
Github地址https://github.com/Vambooo/SeabornCN

更多技术干货在公众号:数据分析与可视化学研社

©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页