数据可视化(10)-Seaborn系列 | 盒形图boxplot()

seaborn.boxplot(x=None, y=None, hue=None, 
                data=None, order=None, hue_order=None, 
                orient=None, color=None, palette=None, 
                saturation=0.75, width=0.8, dodge=True, 
                fliersize=5, linewidth=None, whis=1.5, 
                notch=False, ax=None, **kwargs)

x,y,hue:数据字段变量名(如上表，date,name,age,sex为数据字段变量名)
作用：根据实际数据，x,y常用来指定x,y轴的分类名称，
hue常用来指定第二次分类的数据类别(用颜色区分)

data: DataFrame,数组或数组列表

order,hue_order:字符串列表
作用：显式指定分类顺序，eg. order=[字段变量名1，字段变量名2,...]

orient:方向：v或者h
作用：设置图的绘制方向(垂直或水平)，
如何选择：一般是根据输入变量的数据类型(dtype)推断出来。

color:matplotlib 颜色

palette:调色板名称，list类别或者字典
作用：用于对数据不同分类进行颜色区别

saturation 饱和度：float

dodge:bool
作用：若设置为True则沿着分类轴，将数据分离出来成为不同色调级别的条带，
否则，每个级别的点将相互叠加

size:float
作用：设置标记大小(标记直径，以磅为单位)

edgecolor:matplotlib color，gray
作用：设置每个点的周围线条颜色

linewidth:float
作用：设置构图元素的线宽度

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例1：
横向的箱图
"""
sns.boxplot(x=tips["total_bill"])
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例2：
根据数据情况，指定x变量名进行数据分组，y变量进行数据分布
"""
sns.boxplot(x="day", y="total_bill", data=tips)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例3：
指定hue对分组数据进行第二次分类(通过颜色进行区别)
"""
sns.boxplot(x="day", y="total_bill", hue="smoker",
            data=tips, palette="Set3")
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例4：
设置linewidth 来指定边框的粗细
"""
sns.boxplot(x="day", y="total_bill", hue="time",
            data=tips, linewidth=2.5)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例5：
通过设置order来显式指定分类顺序
order=[字段变量名1，字段变量名2,...]
"""
sns.boxplot(x="time", y="tip", data=tips,
            order=["Dinner", "Lunch"])
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="whitegrid")
# 构建数据
iris = sns.load_dataset("iris")
"""
案例 a
"""
iris[:5]

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="whitegrid")
# 构建数据
iris = sns.load_dataset("iris")
"""
案例6：
为DataFrame中的每一个变量绘制一个方框图
结合案例a
"""
sns.boxplot(data=iris, orient="h", palette="Set2")
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="whitegrid")
# 构建数据
iris = sns.load_dataset("iris")
"""
案例7：
在箱图上绘制分簇散点图
"""
sns.boxplot(x="day", y="total_bill", data=tips)
sns.swarmplot(x="day", y="total_bill", data=tips, color=".25")
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="whitegrid")
# 构建数据
iris = sns.load_dataset("iris")
"""
案例8：
利用catplot()来实现boxplot()的效果(通过指定kind="box")
"""
sns.catplot(x="sex", y="total_bill",
            hue="smoker", col="time",
            data=tips, kind="box",
            height=4, aspect=.7);
plt.show()