可视化分类数据

可视化分类数据的统一FacetGrid图级接口为catplot()函数，通过kind参数，可以选择轴级函数有：

• 分类散点图:
  • stripplot() (with kind=“strip”; the default)
  • swarmplot() (with kind=“swarm”)
• 分类分布图:
  • boxplot() (with kind=“box”)
  • violinplot() (with kind=“violin”)
  • boxenplot() (with kind=“boxen”)
• 分类估计图:
  • pointplot() (with kind=“point”)
  • barplot() (with kind=“bar”)
  • countplot() (with kind=“count”)

条形图

绘制两种不同的条形图：

• barplot() 或 catplot(kind=‘bar’)：x为分类，y为该分类下的数据的估计值；需要给x、y赋值。
• countplot() 或 catplot(kind=‘count’)：x为分类，y为该分类下的数据的数量；只需给x赋值。

两种图形的其他参数使用方法一致。

1
2
3
4
5
6
7
8

import seaborn as sns
import pandas as pd
%matplotlib inline

# 加载seaborn配制，覆盖matplotlib默认配制
sns.set()
tips = pd.read_csv('seaborn-data-master/tips.csv')
display(tips)

244 rows × 7 columns

1
2

# y为数据的估值的条形图
ax = sns.barplot(x='day', y='total_bill', data=tips)

1
2

# y为数据的数量的条形图
ax = sns.countplot(x='day', data=tips)

绘制每组有多个分类的条形图

hue通过颜色控制每组分类数量，同样适用于其他类型分类数据图。

1

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

绘制水平条形图

通过交换x、y变量，同样适用于其他类型分类数据图。

1

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

控制条形顺序

order参数传入列表，指定条形顺序，同样适用于其他类型分类数据图。

1
2

ax = sns.barplot(x='day', y='total_bill', 
                 order=['Sat', 'Thur', 'Fri', 'Sun'], data=tips)

不绘制误差条

ci参数控制估计值的置信区间大小，取值：

• 浮点数
• ‘sd’（标准差）
• None，不绘制

1
2

ax = sns.barplot(x='day', y='total_bill', 
                 ci=None, data=tips)

分类散点图

可视化统计关系的散点图的x、y取值均为数值一一对应，而分类散点图x或y某一维表示分类（类别不能太多，否则绘出的图很大），另一维为每一类中分布的数值。

绘制两种不同的分类散点图：

• stripplot() 或 catplot(kind=‘strip’)：绘制的点元素可重叠；
• swarmplot() 或 catplot(kind=‘swarm’)：绘制的点元素不重叠；

1
2
3

# stripplot()绘制出的点有重叠

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

1
2
3

# swarmplot()绘制出的点不重叠

ax = sns.swarmplot(x='day', y='total_bill', data=tips)

线箱图

绘制方法：

• catplot(kind=‘box’)
• boxplot()

1

ax = sns.boxplot(x='day', y='total_bill', data=tips)

绘制嵌套分组的线箱图

hue控制每一类的分组，如果该类只有一个分组则至绘制一个线箱图，如下图。

1

ax = sns.boxplot(x='day', y='total_bill', hue='time', data=tips)