绘制类别型数据¶

目录¶

类别散点图
- sns.stripplot()
  - jitter参数
- sns.swarmplot()
  - 条件于第3个变量
- 类别型变量在图表中的位置顺序
- 绘制水平类别散点图
类别分布图
- sns.boxplot()
- sns.violinplot()
- sns.swarmplot()与sns.violinplot()、sns.boxplot()的结合
类别统计估计图
- sns.barplot()
- sns.countplot()
- sns.pointplot()
绘制宽格式的数据
x，y参数
设置图表的大小、坐标系
绘制分面类别图
- kind参数设置图表种类
- 分面
- 设置图表的大小
PairGrid对象
Axis grids对象

In [1]:

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="whitegrid", color_codes=True)
np.random.seed(sum(map(ord, "categorical")))
%matplotlib inline

It's useful to divide seaborn's categorical plots into three groups:

those that show each observation at each level of the categorical variable

swarmplot()、stripplot()

those that show an abstract representation of each distribution of observations

boxplot()、violinplot()

those that apply a statistical estimation to show a measure of central tendency and confidence interval

barplot()、pointplot()

high-level function

factorplot()和FacetGrid对象

In [2]:

titanic = sns.load_dataset("titanic")
tips = sns.load_dataset("tips")
iris = sns.load_dataset("iris")

类别散点图¶

sns.stripplot()¶

当一个变量是类别型变量，另一个变量是连续型变量

In [3]:

sns.stripplot(x="day", y="total_bill", data=tips)

Out[3]:

<matplotlib.axes._subplots.AxesSubplot at 0x9cd4978>

jitter参数¶

In [4]:

sns.stripplot(x="day", y="total_bill", data=tips, jitter=True) # jitter=True，使散点在类别变量轴方向扰动，更容易看清连续型变量的分布，解决散点重叠问题

Out[4]:

<matplotlib.axes._subplots.AxesSubplot at 0x9ec8470>

sns.swarmplot()¶

采用特定算法，将散点放置在类别变量轴上，更容易看清连续型变量的分布，解决散点重叠问题

In [5]:

sns.swarmplot(x="day", y="total_bill", data=tips)

Out[5]:

<matplotlib.axes._subplots.AxesSubplot at 0xa135da0>

条件于第3个变量¶

In [6]:

sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips) # 将第3个类别型变量赋予hue参数

Out[6]:

<matplotlib.axes._subplots.AxesSubplot at 0xab3c3c8>

类别型变量在图表中的位置顺序¶

pandas中的Categorical数据类型

在pandas中可以设置变量的顺序（Python数据分析一书中没有，Categorical数据类型是后来加入的）

其他数据类型
- 字符串型类别变量
按照在DataFrame中出现的顺序
- 数值型类别变量
按照数值大小顺序

In [7]:

sns.swarmplot(x="size", y="total_bill", data=tips) # 数值型类别变量，变量在图表中的位置，按数值大小排序

Out[7]:

<matplotlib.axes._subplots.AxesSubplot at 0xad175f8>

绘制水平类别散点图¶

In [8]:

sns.swarmplot(x="total_bill", y="day", hue="time", data=tips) # 将类别型变量赋予x，连续型变量赋予y，Seaborn可以自动推断出要绘制水平类别散点图

Out[8]:

<matplotlib.axes._subplots.AxesSubplot at 0xafda780>

In [9]:

sns.swarmplot(x="total_bill", y="day", orient='h', hue="time", data=tips) # 当类别型变量是数值型变量时，需要显式设置orient='h'

Out[9]:

<matplotlib.axes._subplots.AxesSubplot at 0xb1e5f98>

类别分布图¶

sns.boxplot()¶

In [10]:

sns.boxplot(x="day", y="total_bill", hue="time", data=tips)

Out[10]:

<matplotlib.axes._subplots.AxesSubplot at 0xaf42eb8>

sns.violinplot()¶

箱线图和核密度图的结合

In [11]:

sns.violinplot(x="total_bill", y="day", hue="time", data=tips)

In [12]:

sns.violinplot(x="total_bill", y="day", hue="time", data=tips,
               bw=.1, scale="count", scale_hue=False) # 小提琴图涉及到核密度图，因而相比于箱线图，有更多参数可以设置

Out[12]:

<matplotlib.axes._subplots.AxesSubplot at 0xbb82f98>

In [13]:

sns.violinplot(x="day", y="total_bill", hue="sex", data=tips, split=True) # 当hue变量为二元变量时，可以设置split参数

Out[13]:

<matplotlib.axes._subplots.AxesSubplot at 0xbd557f0>

In [14]:

sns.violinplot(x="day", y="total_bill", hue="sex", data=tips,
               split=True, inner="stick", palette="Set3") # inner参数控制如何小提琴的内部，inner="stick"为每个观察值绘制一条stick

Out[14]:

<matplotlib.axes._subplots.AxesSubplot at 0xc0d37b8>

sns.swarmplot()与sns.violinplot()、sns.boxplot()的结合¶

In [15]:

sns.violinplot(x="day", y="total_bill", data=tips, inner=None) # 注意设置inner=None，去除小提琴内部的box
sns.swarmplot(x="day", y="total_bill", data=tips, color="w", alpha=.5) # 注意设置alpha参数，调整散点透明度

Out[15]:

<matplotlib.axes._subplots.AxesSubplot at 0xc9a1198>

类别统计估计图¶

sns.barplot()¶

In [16]:

# 计算每一类别中，连续型变量的均值，用bar的高度进行展示
# 通过自助法来计算每一个类别中连续型变量的置信区间，并用误差条进行展示
sns.barplot(x="sex", y="survived", hue="class", data=titanic)

Out[16]:

<matplotlib.axes._subplots.AxesSubplot at 0xc9d3eb8>

sns.countplot()¶

简单的条形图（条的长度表示该类别中变量的个数）

In [17]:

sns.countplot(x="deck", data=titanic, palette="Greens_d")

Out[17]:

<matplotlib.axes._subplots.AxesSubplot at 0xc9d6cc0>

In [18]:

sns.countplot(y="deck", hue="class", data=titanic, palette="Greens_d") # 设置hue参数，条件于第3个变量

Out[18]:

<matplotlib.axes._subplots.AxesSubplot at 0xcd0ef98>

sns.pointplot()¶

In [19]:

# 均值用点而非bar的高度展示
# 同样会绘制置信区间，用误差条展示
# 用直线连接同一个hue类别内的点，利于观察连续型变量均值随着类别型变量的变动而变动的趋势
sns.pointplot(x="sex", y="survived", hue="class", data=titanic)

Out[19]:

<matplotlib.axes._subplots.AxesSubplot at 0xcf1dcf8>

In [20]:

sns.pointplot(x="class", y="survived", hue="sex", data=titanic,
              palette={"male": "g", "female": "m"},
              markers=["^", "o"], linestyles=["-", "--"]) # 设置palette、markers、linestyle参数

Out[20]:

<matplotlib.axes._subplots.AxesSubplot at 0xd34a438>

绘制宽格式的数据¶

In [21]:

iris.head()

Out[21]:

	sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa

In [22]:

sns.boxplot(data=iris) # 宽格式的数据（DataFrame、二维numpy数组等）可以直接传给data，用于绘制类别型数

Out[22]:

<matplotlib.axes._subplots.AxesSubplot at 0xd656e48>

In [23]:

sns.boxplot(data=iris, orient="h")

Out[23]:

<matplotlib.axes._subplots.AxesSubplot at 0xd9903c8>

x，y参数¶

In [24]:

sns.violinplot(x=iris.species, y=iris.sepal_length) # x，y参数不仅接受字符串形式的列名，还可以接受pandas或numpy对象

Out[24]:

<matplotlib.axes._subplots.AxesSubplot at 0xdc7d208>

设置图表的大小、坐标系¶

In [25]:

f, ax = plt.subplots(figsize=(7, 3)) # 通过matplotlib的figsize设置图表的大小，以及绘制的坐标系（可以将多个图表置于同一坐标系）
sns.countplot(y="deck", data=titanic, color="c")

Out[25]:

<matplotlib.axes._subplots.AxesSubplot at 0xdd8fda0>

绘制分面类别图¶

FacetGrid对象 + map方法、sns.factorplot() + kind参数，参见第4章“多个变量相对于一个变量的回归线”

In [26]:

sns.factorplot(x="day", y="total_bill", hue="smoker", data=tips) # 默认绘制sns.pointplot()

Out[26]:

<seaborn.axisgrid.FacetGrid at 0xd6b63c8>

kind参数设置图表种类¶

kind : {point, bar, count, box, violin, strip, swarm}

In [27]:

sns.factorplot(x="day", y="total_bill", hue="smoker", data=tips, kind="bar") # sns.barplot()

Out[27]:

<seaborn.axisgrid.FacetGrid at 0xdeca630>

分面¶

hue、col、row参数，参见第4章中“条件于其他变量”部分

In [28]:

sns.factorplot(x="day", y="total_bill", hue="smoker",
               col="time", data=tips, kind="swarm")

Out[28]:

<seaborn.axisgrid.FacetGrid at 0xe253160>

设置图表的大小¶

参数size、aspect，参见第4章中sns.lmplot()部分

In [29]:

sns.factorplot(x="time", y="total_bill", hue="smoker",
               col="day", data=tips, kind="box", size=4, aspect=.5) # size、aspect设置的是每个分面的大小

Out[29]:

<seaborn.axisgrid.FacetGrid at 0xe398320>

PairGrid对象¶

注意区别于FacetGrid对象，Facet对象用于条件于其他变量的情况，PairGrid对象用于研究多个变量两两关系的情况

参见第4章“多个变量相对于一个变量的回归线”部分，第4章用于连续型变量，这里用于类别型变量，本质相同

In [30]:

g = sns.PairGrid(tips,
                 x_vars=["smoker", "time", "sex"],
                 y_vars=["total_bill", "tip"],
                 aspect=.75, size=3.5)
g.map(sns.violinplot, palette="pastel") # pairplot中kind参数只能设置‘scatter’和‘reg’，所以绘制小提琴图只能用PairGrid对象的map方法

Out[30]:

<seaborn.axisgrid.PairGrid at 0xf3690b8>

Axis grids对象¶

FacetGrid

Subplot grid for plotting conditional relationships.

PairGrid

Subplot grid for plotting pairwise relationships in a dataset.

JointGrid

Grid for drawing a bivariate plot with marginal univariate plots.

FacetGrid对象 + map方法、sns.factorplot() + kind参数

第5章“绘制分面类别图”部分

PairGrid对象 + map方法、sns.pairplot() + kind参数

第4章“多个变量相对于一个变量的回归线”部分

JointGrid对象 + map方法、sns.jointplot() + kind参数

第3章“JointGrid对象”部分