数据可视化(8)-Seaborn系列 | 分类散点图stripplot()

  • 2019 年 10 月 7 日
  • 笔记

分类散点图

stripplot()可以自己实现对数据分类的展现,也可以作为盒形图或小提琴图的一种补充,用来显示所有结果以及基本分布情况。

函数原型

seaborn.stripplot(x=None, y=None, hue=None,                    data=None, order=None, hue_order=None,                    jitter=True, dodge=False, orient=None,                    color=None, palette=None, size=5,                    edgecolor='gray', linewidth=0, ax=None, **kwargs)

参数解读

table1
x,y,hue:数据字段变量名(如上表,date,name,age,sex为数据字段变量名)  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)    data: DataFrame,数组或数组列表    order,hue_order:字符串行表  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

案例教程

import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例1:  水平散点图  """  sns.stripplot(x=tips["total_bill"])  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例2:  根据x的类别进行分组统计  """  sns.stripplot(x="day",y="total_bill", data=tips)  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例3:  设置jitter来增加数据的抖动(当数据重合较多时,可以让数据更加分散一些)    可以比较案例2和案例3  """  sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例4:  设置jitter来增加数据的抖动(当数据重合较多时,可以让数据更加分散一些)    可以比较案例2、案例3和案例4  """  sns.stripplot(x="day", y="total_bill", data=tips, jitter=0.3)  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例5:  绘制水平方向的分类散点图    可以对案例1和案例5 进行比较  """  sns.stripplot(x="total_bill", y="day", data=tips,jitter=True)  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例6:  给数据点绘制轮廓,linewidth值越大,轮廓越粗  """  sns.stripplot(x="total_bill", y="day", data=tips,                jitter=True, linewidth=2)  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例7:  设置hue对每个分组中进行第二次分类(x=sex进行第一次数据分组,  hue=day对每一组进行数据分类)  """  sns.stripplot(x="sex", y="total_bill", hue="day",                data=tips, jitter=True)  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例8:  设置dodge将数据在分类组中分离出来  """  sns.stripplot(x="day", y="total_bill", hue="smoker",                data=tips, jitter=True,                palette="Set2",dodge=True)  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例9:  通过设置order来显式指定分类顺序  order=[字段变量名1,字段变量名2,...]  """  sns.stripplot(x="time", y="tip", data=tips,                order=["Dinner", "Lunch"])  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例10:  设置要绘制的点的大小(size)以及点的标记(marker="D")  饱和度alpha  """  sns.stripplot("day", "total_bill", "smoker", data=tips,                palette="Set2", size=20, marker="D",                edgecolor="gray", alpha=.25)  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  import numpy as np  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例11:  根据数据情况绘制箱图和分类散点图  在箱图上绘制分类散点图  """  sns.boxplot(x="tip", y="day", data=tips, whis=np.inf)  sns.stripplot(x="tip", y="day", data=tips,                jitter=True, color=".3")  plt.show()
import seaborn as sns  import matplotlib.pyplot as plt  #设置风格  sns.set(style="whitegrid")  # 构建数据  tips = sns.load_dataset("tips")  """  案例10:  根据数据情况绘制小提琴图和分类散点图  在小提琴图上绘制分类散点图  """  sns.violinplot(x="day", y="total_bill", data=tips,                 inner=None, color=".8")  sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)  plt.show()

案例地址

案例代码已上传:Github https://github.com/Vambooo/SeabornCN

整理制作:数据分析与可视化学研社

更多分享,请关注公众号