Seaborn 绘制分类数据

在之前的章节中，我们学习了散点图、hexbin图和kde图，这些图用于分析连续变量。当变量是分类变量时，这些图就不适用了。

当一个或两个变量是分类变量时，我们使用striplot()、swarmplot()等图形。Seaborn提供了接口来实现这些功能。

分类散点图

在本节中，我们将学习关于分类散点图的知识。

stripplot()

当其中一个变量是分类变量时，我们使用stripplot()。它将数据按照任意一个轴进行排序。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.stripplot(x = "species", y = "petal_length", data = df)
plt.show()

输出

Jitter会向数据中添加一些随机噪音。该参数将调整沿分类轴的位置。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.stripplot(x = "species", y = "petal_length", data = df, jitter = Ture)
plt.show()

输出

现在，点的分布可以很容易地看到。

Swarmplot()

另一个可以作为“Jitter”的替代选项的函数是 swarmplot() 。该函数将散点图的每个点定位在分类轴上，从而避免点重叠。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.swarmplot(x = "species", y = "petal_length", data = df)
plt.show()

输出