Seaborn 多面板分类图

可以使用两个图形来可视化分类数据，您可以使用函数 pointplot() 或更高级的函数 factorplot() 。

Factorplot

Factorplot 在 FacetGrid 上绘制分类图。使用 ‘kind’ 参数可以选择箱线图、小提琴图、条形图和散点图等图形。FacetGrid 默认使用 pointplot。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = pulse", hue = "kind",data = df);
plt.show()

输出

我们可以使用不同的图表来可视化相同的数据，使用 kind 参数。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = "pulse", hue = "kind", kind = 'violin',data = df);
plt.show()

输出

在factorplot中，数据在一个facet grid上被绘制。

什么是Facet Grid

Facet grid 通过将变量划分为行和列来形成一系列面板的矩阵。由于面板的存在，一个单独的绘图看起来像是多个绘图。这对于分析两个离散变量的所有组合非常有帮助。

让我们通过一个示例来可视化上述定义。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = "pulse", hue = "kind", kind = 'violin', col = "diet", data = df);
plt.show()

输出

使用Facet的优点是，我们可以在图表中输入另一个变量。上面的图表基于一个叫做“饮食”的第三个变量使用“col”参数分成两个子图。

我们可以创建多个列分面，并将它们与网格的行对齐 –

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('titanic')
sb.factorplot("alive", col = "deck", col_wrap = 3,data = df[df.deck.notnull()],kind = "count")
plt.show()

输出