Python绘图工具seaborn，教会你如何绘制更加精美的图形（二）

文章目录

用分类数据绘图
- 1 类别散点图
- 2 类别内的数据分布
- - 2.1 绘制箱形图
  - 2.2 绘制提琴图
- 3 类别内的统计估计
- - 3.1 绘制条形图
  - 3.2 绘制点图

Hello，大家好，我是景天，今天我们探讨下seaborn根据分类数据类绘图的方法

用分类数据绘图

数据集中的数据类型有很多种，除了连续的特征变量之外，最常见的就是类别型的数据了，比如人的性别、学历、爱好等，这些数据类型都不能用连续的变量来表示，而是用分类的数据来表示。

Seaborn针对分类数据提供了专门的可视化函数，这些函数大致可以分为如下三种:

分类数据散点图: swarmplot()与 stripplot()。
类数据的分布图: boxplot() 与 violinplot()。
分类数据的统计估算图:barplot() 与 pointplot()。

下面两节将针对分类数据可绘制的图形进行简单介绍，具体内容如下

1 类别散点图

通过 stripplot()函数可以画一个散点图， stripplot0函数的语法格式如下。
seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=False)
在这里插入图片描述

参数解析：
x,y,hue:数据字段变量名，用于绘制长格式数据的输入
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)

什么是长数据?
长数据一般是指数据集中的变量没有做明确的细分。即变量中至少有一个变量中的元素存在值严重重复循环的情况 (可以归为几类)，如下表的北京市就重复了。表格整体的形状为长方形。即变量少而观察值多
一列包含了所有的变量，而另一列则是与之相关的值
在这里插入图片描述

什么是宽数据?
宽数据是指数据集对所有的变量进行了明确的细分，各变量的值不存在重复环的情况也无法归类。数据总体的表现为变量多而观察值少
每一列为一个变量，每一行为变量所对应的值
在这里插入图片描述

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

为了让大家更好地理解，接下来，通过 stripplot()函数绘制一个散点图，示例代码如下。
#获取tips数据
tips = sns.load_dataset(“tips”)

sns.stripplot(x=“day”, y=“total_bill”, data=tips)
先看下数据
在这里插入图片描述

绘图：
在这里插入图片描述

加上hue，根据不同数据用不同颜色区分
sns.stripplot(x=“day”, y=“total_bill”, data=tips,hue=‘time’)
在这里插入图片描述

从上图中可以看出，图表中的横坐标是分类的数据，而且一些数据点会互相重叠，不易于观察。
为了解决这个问题，可以在调用striplot()函数时传入jitter参数，以调整横坐标的位置，改后的示例代码如下。
sns.stripplot(x=“day”, y=“total_bill”, data=tips, jitter=True)
#jitter=True，能够实现部分相同样本不重叠的散点图
在这里插入图片描述

除此之外，还可调用 swarmplot函数绘制散点图，该函数的好处是所有的数据点都不会重叠，可以很清晰地观察到数据的分布情况，示例代码如下。
sns.swarmplot(x=“day”, y=“total_bill”, data=tips)
在这里插入图片描述

2 类别内的数据分布

要想查看各个分类中的数据分布，显而易见，散点图是不满足需求的，原因是它不够直观。针对这种情况，我们可以绘制如下两种图形进行查看:

箱形图:
- 箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。
- 箱形图于1977年由美国著名统计学家约翰·图基（John Tukey）发明。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数。

超出上下极限的单点为异常值

小提琴图:

小提琴图 (Violin Plot) 用于显示数据分布及其概率密度。
这种图表结合了箱形图和密度图的特征，主要用来显示数据的分布形状。
中间的黑色粗条表示四分位数范围，从其延伸的幼细黑线代表 95% 置信区间，而白点则为中位数。
**箱形图在数据显示方面受到限制，简单的设计往往隐藏了有关数据分布的重要细节。**例如使用箱形图时，我们不能了解数据分布。虽然小提琴图可以显示更多详情，但它们也可能包含较多干扰信息。

在这里插入图片描述
置信区间解释：
按照95%置信区间构造出来的区间，如果我构造出100个这样的区间，其中大约有95个会包含μ。
这就好像用渔网捞鱼，我知道一百次网下去，可能会有95次网到我想要的鱼，但是我并不知道是不是现在这一网。

2.1 绘制箱形图

seaborn中用于绘制箱形图的函数为 boxplot()，其语法格式如下:
seaborn.boxplot(x=None, y=None, hue=None, data=None, orient=None, color=None, saturation=0.75, width=0.8)
在这里插入图片描述

参数详解：
x, y, hue：数据或向量数据中的变量名称
用于绘制长格式数据的输入。

data：DataFrame，数组，数组列表
用于绘图的数据集。如果x和y都缺失，那么数据将被视为宽格式。否则数据被视为长格式。

order, hue_order：字符串列表
控制分类变量（对应的条形图）的绘制顺序，若缺失则从数据中推断分类变量的顺序。

orient：“v”或“h”
控制绘图的方向（垂直或水平）。这通常是从输入变量的 dtype 推断出来的，但是当“分类”变量为数值型或绘制宽格式数据时可用于指定绘图的方向。

color：matplotlib颜色
所有元素的颜色，或渐变调色板的种子颜色。

palette：调色板名称，列表或字典
用于hue变量的不同级别的颜色。可以从color_palette()得到一些解释，或者将色调级别映射到matplotlib颜色的字典，---- palette=[“r”,“g”,“b”,“y”]。

saturation：float
控制用于绘制颜色的原始饱和度的比例。通常大幅填充在轻微不饱和的颜色下看起来更好，如果您希望绘图颜色与输入颜色规格完美匹配可将其设置为1。

width：float
不使用色调嵌套时完整元素的宽度，或主要分组变量一个级别的所有元素的宽度。

dodge：bool
使用色调嵌套时，元素是否应沿分类轴移动。

fliersize：float
用于表示异常值观察的标记的大小。

linewidth：float
构图元素的灰线宽度。

whis：float
控制在超过高低四分位数时 IQR （四分位间距）的比例，因此需要延长绘制的触须线段。超出此范围的点将被识别为异常值。

notch：boolean
是否使矩形框“凹陷”以指示中位数的置信区间。还可以通过plt.boxplot的一些参数来控制

ax：matplotlib轴
绘图时使用的 Axes 轴对象，否则使用当前 Axes 轴对象

kwargs：键值映射
其他在绘图时传给plt.boxplot的参数

使用 boxplot()函数绘制箱形图的具体示例如下。
sns.boxplot(x=“day”, y=“total_bill”, data=tips)
先看下原始数据
在这里插入图片描述

看下绘制的图
在这里插入图片描述

上述示例中，使用 seaborn中内置的数据集tips绘制了一个箱形图，图中x轴的名称为day，其刻度范围是 Thur~Sun(周四至周日)，y轴的名称为 total_bill，刻度范围为10-50左右

从图中可以看出：

Thur列大部分数据都小于30，不过有5个大于30的异常值，
Fri列中大部分数据都小于30，只有一个异常值大于40，
Sat一列中有3个大于40的异常值，
Sun列中有2个大于40的异常值

2.2 绘制提琴图

seaborn中用于绘制提琴图的函数为violinplot()，其语法格式如下
seaborn.violinplot(x=None, y=None, hue=None, data=None)
在这里插入图片描述

参数解析：
data：指定绘制小提琴图的数据集。
x：指定小提琴图的x轴数据。
y：指定小提琴图的y轴数据。
hue：指定一个分组变量。
order：传递一个字符串列表，用于分类变量的排序。
hue_order：传递一个字符串列表，用于分类变量hue值的排序。
bw：指定核密度估计的带宽，带宽越大，密度曲线越光滑。新版的即将废除，使用bw_method和bw_adjust
scale：用于调整小提琴图左右的宽度，如果为area，则表示每个小提琴图左右部分拥有相同的面积；如果为count，则表示根据样本数量来调节宽度；如果为width，则表示每个小提琴图左右两部分拥有相同的宽度。
scale_hue：bool类型参数，当使用hue参数时，是否对hue变量的每个水平做标准化处理，默认为True。
width：使用hue参数时，用于控制小提琴图的宽度。
inner：指定小提琴图内部数据点的形态，如果为box，则表示绘制微型的箱线图；如果为quartiles，则表示绘制四分位的分布图；如果为point或stick，则表示绘制点或小竖条。
split：bool类型参数，使用hue参数时，将小提琴图从中间分为两个不同的部分，默认为False。
dodge：bool类型的参数，当使用hue参数时，是否绘制水平交错的小提琴图，默认为True。
orient：指定小提琴图的呈现方向，默认为垂直方向。
linewidth：指定小提琴图的所有线条宽度。
color：指定小提琴图的颜色，该参数与palette参数一起使用时无效。
palette：指定hue变量的区分色。
saturation：指定颜色的透明度。
ax：指定子图的位置。