stripplot() 和 swarmplot() 有什么区别？

什么是 Swarmplot() 和 Stripplot()？

在 Python Seaborn 中，swarmplot() 函数使用一种称为 “蜜蜂群聚” 的技术来调整点的位置以避免重叠。这导致点分布开，更容易区分，但类别内点的相对位置不保留。相反，stripplot() 将点定位在分类轴上，每个刻度一个类别。如果一个类别中有很多点，则不会调整点以避免重叠，因此它们可能会重叠。

特征	stripplot()	swarmplot()
目的	显示单个变量的分布	显示单个变量的分布，同时避免点重叠
可视化	沿着数字线绘制点，并进行随机偏移，以避免重叠	将点定位在数字线上，使它们彼此不重叠
实用性	有助于显示单个变量的分布，特别是在数据点数量大且点重叠显著的情况下	有助于显示单个变量的分布，同时避免点重叠并保留各个数据点的位置信息
重叠	点可能会显著重叠	点不会显著重叠
可扩展性	随着数据点数量的增加而不太可扩展	随着数据点数量的增加而更可扩展

stripplot() 和 swarmplot() 都是 Python Seaborn 库中用于可视化不同类别的数值变量分布的函数。

条形图

条形图使用条形图可视化几个不同的一维值的分布。条形图是单轴散点图，值沿单个轴显示为点，大小相同的点可能会重叠。点的颜色或不透明度可以更改以表示重叠的值，或者可以使用 jitter plot 或 counts plot。通常会呈现许多条形图以检查数据点在不同值、组或范围的分布。

示例 1

import pandas as p
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({"Quantity": [15,26,17,18,15,36,27,18,25,16,17,28,15,16,17,28],

"Price":[1900,1000,1500,1600,1300,1400,1500,1800,1100,1200,1400,1500,1600,1700,1800,1900],
   "Month" : [2,3,2,3,2,3,2,3,4,4,4,5,5,5,4,3],
   "Merchandise":['X','X','X','X','Z','Z','Z','Z',
   'Y','Y','Y','Y','X','X','Z','Z']})

sns.swarmplot(data = df, y = "Price", x = "Quantity")
plt.show()

代码说明

我们在代码开始处导入了 Pandas as pd、matplotlib.pyplot as plt 和 Seaborn as sns 包。然后使用 DataFrame() 函数来指定数据集合，该函数连接到 Pandas 模块。制作四个不同的数组。第一个数组显示售罄商品的数量。第二个数组显示商品的价格。第三个数组保存月份记录。最后一个数组列出产品名称。

接下来，我们使用 swarmplot() 方法来生成 swarm 图。最后，我们使用 matplotlib.pyplot 库的 show() 函数来显示图形。

示例 2

统计类别图平面为每个“色调”参数维度指定了一个特定的区域。当我们使用“色调”选项并将“dodge”参数设置为True时，对象会被分离以显示不同的色调变化。 “palette”属性表示多个色调属性阴影。

import seaborn
import matplotlib.pyplot as plt
seaborn.set(style="whitegrid")
tips = seaborn.load_dataset("tips")

seaborn.swarmplot(x="day", y="total_bill", hue="smoker",
   data=tips, palette="Set2", dodge=True)

plt.show()

代码说明

在添加matplotlib.pyplot和Seaborn库之后，我们调用Seaborn包的set（）方法。我们将样式作为参数提供给该函数。我们将该参数的值设置为“white grid”。它显示图的背景颜色。

之后，我们使用loaded_dataset()方法来获取内置数据帧。此函数接受输入“tips”并来自Seaborn头文件中派生而来。接下来，我们使用swarmplot()函数构建散点图。这里，函数的参数是两个轴的标题，颜色值，数据，调色板和闪避。虽然y轴显示总账单的记录，但x轴显示天数的记录。

簇状图

当您希望显示与基础分布的图像结合的所有观测值时，可以创建一个簇状图，该图可以作为盒状图或小提琴图的补充。

为了适当地排列点，需要在数据和点坐标之间进行精确的转换。因此，在能够创建绘图之前，必须建立非默认轴限制。

可以使用各种格式传递输入数据，包括 −

直接将数据向量的列表、numpy或pandas表示传递给传递系列对象的x、y和/或hue参数。
“长形”DataFrame，在这种情况下，数据绘图由x、y和hue变量控制。
“宽形”DataFrame，它绘制每个数字列。
向量的收集或数组。

示例1

绘制单个水平簇状图−

import seaborn as sns
sns.set(style="whitegrid")
tips = sns.load_dataset("tips")
ax = sns.swarmplot(x=tips["total_bill"])

示例2

根据类别（这里是区域和事件）对数据点进行分组。

import seaborn

seaborn.set(style='whitegrid')
fmri = seaborn.load_dataset("fmri")

seaborn.swarmplot(x="timepoint",
   y="signal",
   hue="region",
   data=fmri)