Matplotlib和Seaborn（离散数据的图表选择与一些使用技巧）

为离散数据选择图表

如果想要绘制离散型数值变量，直方图或条形图都是可能的选择 。

直方图可能是最直接的选择，因为数据是数值型的，但是需要特别考虑一下分组边界的问题。因为离散型数值都是特定的值，而你的读者可能并不了解分组边界的值属于右边的分组，所以将分组边界设置为实际的两个值之间可以减少歧义。请比较下面两个图表，图表的数据是 100 次随机掷骰结果（die_rolls），左图是分组边界值等于数据实际值的情况，右边是分组边界在数据实际值之间的情况。

plt.figure(figsize = [10, 5])

# histogram on the left, bin edges on integers
plt.subplot(1, 2, 1)
bin_edges = np.arange(2, 12+1.1, 1) # note `+1.1`, see below
plt.hist(die_rolls, bins = bin_edges)
plt.xticks(np.arange(2, 12+1, 1))

# histogram on the right, bin edges between integers
plt.subplot(1, 2, 2)
bin_edges = np.arange(1.5, 12.5+1, 1)
plt.hist(die_rolls, bins = bin_edges)
plt.xticks(np.arange(2, 12+1, 1))

你会注意到左侧的直方图在设置分组边界时，我在最大值（12）的基础上加了 1.1，而不是 1。回想一下前面讲的内容，最右侧的边界会落在最后一个分组内，如果数据中包含很多个最大值，它们都会落在左边属于数据值 11 的分组内，这个潜在问题对于离散型数值尤其需要注意。为最大值加上 1.1，可以让 12 这个值单独存放在最后一个分组内，避免 11 和 12 在同一个分组。

考虑一下长条不相连的条形图是否可以成为替代直方图的更好方案。 以下的图表采用了之前的代码，只是添加了 “rwidth” 参数，用来设置每个直方图长条占各自宽度的比例。将 “rwidth” 参数设置为 0.7，长条只会占据原本分组条形空间的 70%，左侧留出 30% 的空白。

bin_edges = np.arange(1.5, 12.5+1, 1)
plt.hist(die_rolls, bins = bin_edges, rwidth = 0.7)
plt.xticks(np.arange(2, 12+1, 1))

通过在长条之间增加空隙，强调数据的值是离散的。但另一方面，以这种方式绘制数值型数据可能会被理解为数据是有序分类数据，这样会对整体的理解带来影响。

==对于连续型数据，最好不要使用 “rwidth” 参数，因为长条的空隙暗示数值是离散的。==另外注意，你可能会尝试使用 seaborn 的 countplot 函数将离散数值变量的分布情况绘制成条形图。这样操作时要小心，因为无论两个值之间的间距多大，每个唯一数 值都对应一个长条（比如，如果唯一值为 {1,2,4,5}，缺少了 3，那么 countplot 只会绘制 4 个条形，其中 2 和 4 相邻）。此外，即使数据是离散数字，也尽量不要考虑此页面上描述的直方图变体版本，除非唯一值的数量很小，允许半个单位的位移使离散长条可解释。如果有大量唯一值并且分布在很大的范围内，则最好采用标准直方图，避免出现解释性问题的风险。</