Seaborn系列(四)：类别统计绘图(categorical)

Seaborn系列目录

---

---

在研究数值变量之间的关系时，如果其中一个主要变量是"类别"，那么使用更类别统计绘图方法可能会更好。

1. 类别统计绘图API概述

seaborn中“类别”绘图函数共9个：

• catplot()：通过kind参数。默认为strip。
  • 分类散点图
    • stripplot()：散点条图
    • swarmplot()：散点群图
  • 分类分布图
    • boxplot()：箱型图
    • boxenplot()：增强箱型图
    • violinplot()：小提琴图
  • 分类估计图
    • barplot()
    • pointplot()
    • countplot()

• catplot函数为figure级函数，其他函数为axes级函数。

figure级函数与axes级函数区别见Seaborn系列（一）：绘图基础、函数分类、长短数据类型支持

2. catplot基本绘图

• sns.catplot(x=None,y=None,data=None,kind="strip")：根据kind绘制分类图。

catplot同样支持legend、height、aspect等参数。hue等参数在后续详细介绍

2.1 catplot绘制分类散点图

分类散点图实际上就是把x坐标相同的数据同时绘制出来。catplot共有两种方法：

• 散点条图：数据按x分组，所有x相同的y值，在x坐标上方绘制散点，散点形成条状。

import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset("tips")

sns.catplot(data=tips, x="day", y="total_bill", kind="strip")

plt.show()

• 散点群图：类似散点条图，但是y值相同的点显示为树状。

sns.catplot(data=tips, x="day", y="total_bill", kind="swarm")

2.2 catplot绘制分类分布图

分类分布图包括：箱型图、增强箱型图、小提琴图。

箱型图把按x分组的数据，每一组数据分别统计中位数、25%位置数、75%位置数，以及高位和低位值。

import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset("tips")

sns.catplot(data=tips, x="day", y="total_bill", kind="box")

plt.show()

箱图上下方的点表示超出高位和低位的数值。

增强箱型图和箱型图类似，但是绘制更多的分位数。（分位数由参数k_depth确定）

sns.catplot(data=tips, x="day", y="total_bill", kind="boxen")

小提琴图外形像小提琴，越宽的地方表示y值密度越大，小提琴图由轮廓和内部图形组成：

• 轮廓是kde核密度估计曲线。
• 内部是箱型图的四分位数。

sns.catplot(data=tips, x="day", y="total_bill", kind="violin")