多变量分析绘图（hue参数）以及盒图和小提琴图

1，函数stipplot（）

　　stipplot（）函数用来画散点图，其x轴是离散型的变量

　　直接上代码

　　

import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")   #seaborn内置数据集，DaraFram类型
sns.stripplot(x="day", y="total_bill", data=tips)
plt.show()

　　stipplot函数中的参数jitter是默认为True的，即数据点会沿着x轴方向抖动，这样就避免数据点分布成与y轴平行的几条直线了。下面是运行结果

2.函数swarpplot()

函数swamrpplot()和stripplot()相似，但是它会把重合的点沿着x轴方向对称的展开，更好看。

代码如下

import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")   #seaborn内置数据集，DaraFram类型
sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips)
plt.show()

参数hue=“sex"，即指定数据按照sex列赋予不同颜色以示区分。运行结果如下

3.盒图（函数boxplot())

1.盒图介绍

　　盒图是在1977年由美国的统计学家约翰·图基(John Tukey)发明的。它由五个数值点组成：最小值(min)，下四分位数(Q1)中位数(median)，上四分位数(Q3)，最大值(max)。也可以往盒图里面加入平均值(mean)。如图。下四分位数、中位数、上四分位数组成一个“带有隔间的盒子”。上四分位数到最大值之间建立一条延伸线，这个延伸线成为“胡须(whisker)”。

　　盒图可以过滤离群点，具体规则如下

　　1、IQR = Q3-Q1，即上四分位数与下四分位数之间的差，也就是盒子的长度。

　　2、最小观测值为min = Q1 - 1.5*IQR，如果存在离群点小于最小观测值，则胡须下限为最小观测值，离群点单独以点汇出。如果没有比最小观测值小的数，则胡须下限为最小值。

　　3、最大观测值为max = Q3 + 1.5*IQR，如果存在离群点大于最大观测值，则胡须上限为最大观测值，离群点单独以点汇出。如果没有比最大观测值大的数，则胡须上限为最大值。

2.用boxplot()函数画盒图

　　下面是代码和运行截图惹

　

import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")   #seaborn内置数据集，DaraFram类型
sns.boxplot(x="day", y="total_bill", hue="sex", data=tips)
plt.show()

4.小提琴图（函数violinplot)

1.小提琴图的概念惹

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是双模还是多模。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。

2.函数violinplot（）

直接上代码

import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")   #seaborn内置数据集，DaraFram类型
sns.violinplot(x="day", y="total_bill", hue="sex", split=True, data=tips)
plt.show()

　　split参数设置为True能够将hue参数赋值的列分为两侧，如下运行结果