seaborn分类数据可视化

转载：https://cloud.tencent.com/developer/article/1178368

seaborn针对分类型的数据有专门的可视化函数，这些函数可大致分为三种：

• 分类数据散点图：swarmplot(), stripplot()
• 分类数据的分布图： boxplot(), violinplot()
• 分类数据的统计估算图 ： barplot(), pointplot()

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")))

#下载三个数据集
titanic = sns.load_dataset("titanic")
tips = sns.load_dataset("tips") #panda DataFrame结构
iris = sns.load_dataset("iris")

#分类数据散点图：stripplot()；x是分类特征day,y是目标变量，连续值
sns.stripplot(x="day",y="total_bill",data=tips)

 

横坐标是分类数据，一些数据点上会互相重叠，不便于观察，一个简单的解决办法是加入 jitter 参数，调整横坐标位置：

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

 

#分类数据散点图：swarmplot()，这个函数的好处就是所有的点都不会重叠，这样可以很清晰的观察到数据的分布
sns.swarmplot(x="day", y="total_bill", data=tips)

 

通过 hue 参数加入另一个嵌套的分类变量，而且嵌套的分类变量可以以不同的颜色区别

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

seaborn 会尝试推断出分类变量的顺序。数据是 pandas 的分类数据类型，那么就是使用默认的分类数据顺序，如果是其他的数据类型，字符串类型的类别将按照它们在DataFrame中显示的顺序进行绘制，但是数组类别将被排序：

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

 

将分类变量放在垂直轴上是非常有用的（当类别名称相对较长或有很多类别），可以使用 orient 关键字强制定向，但通常可以互换x和y的变量的数据类型来完成：

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

 

分类数据分布图：

箱型图：箱型图可以直观观察到数据的四分位分布（1/4分位，中位数，3/4分位，以及四分位距），这种可视化对于在机器学习的预处理阶段（尤其是发现数据异常离散值）十分有效。

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

 

　　使用 hue 参数的假设是这个变量嵌套在x或者y轴内。所以默认的情况下，hue 变量的不同类型值会保持偏置状态（两类或几类数据共同在x轴数据类型的一个类中），就像上面那个图所示。但是如果 hue 所使用的变量不是嵌套的，那么你可以使用 dodge 参数来禁止这个默认的偏置状态。

tips["weekend"] = tips["day"].isin(["Sat", "Sun"])
sns.boxplot(x="day", y="total_bill", hue="weekend", data=tips, dodge=False)

提琴图：它结合了箱体图和分布教程中描述的核心密度估计过程

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

这种方法使用核密度估计来更好地描述值的分布。此外，小提琴内还显示了箱体四分位数和四分位距。由于小提琴使用KDE，还有一些其他可以调整的参数，相对于简单的boxplot增加了一些复杂性：

sns.violinplot(x="total_bill", y="day", hue="time", data=tips, bw=.1, scale="count", scale_hue=False)

当 hue 的嵌套类型只有两类的时候，也可以使用 split 参数将小提琴分割：

sns.violinplot(x="day", y="total_bill", hue="sex", data=tips, split=True)

可以在提琴图内使用 inner 参数以横线的形式来展示每个观察点的分布，来代替箱型的整体分布：

sns.violinplot(x="day", y="total_bill", hue="sex", data=tips, split=True, inner="stick", palette="Set3")

可以将 swarmplot()，violinplot()，或 boxplot() 混合使用，这样可以结合多种绘图的特点展示更完美的效果：

sns.violinplot(x="day", y="total_bill", data=tips, inner=None)
sns.swarmplot(x="day", y="total_bill", data=tips, color="w", alpha=.5)

分类数据统计估计图：展示每一类的集中趋势

　　Seaborn中 barplot() 函数会在整个数据集上显示估计，默认情况下使用均值进行估计。 当在每个类别中有多个类别时（使用了 hue），它可以使用引导来计算估计的置信区间，并使用误差条来表示置信区间：

sns.barplot(x="sex", y="survived", hue="class", data=titanic)

条形图的特殊情况是当想要显示每个类别的数量，而不是计算统计量，使用 countplot() 函数：

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

更多内容见：

seaborn_1

seaborn_2

seaborn_3

seaborn_4