数据可视化(12)-Seaborn系列 | 增强箱图boxenplot()

seaborn.boxenplot(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, 
                  k_depth='proportion', linewidth=None, scale='exponential', 
                  outlier_prop=None, 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

width宽度: 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

linewidth:float
作用：设置构图元素的线宽度

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="whitegrid")
# 读取数据
tips = sns.load_dataset("tips")
"""
案例1：
绘制一个简单的水平增强箱图
"""
sns.boxenplot(x=tips["total_bill"])
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="whitegrid")
# 读取数据
tips = sns.load_dataset("tips")
"""
案例2：
根据数据实际情况，通过设置x和y来对数据进行分组
"""
sns.boxenplot(x="day", y="total_bill", data=tips)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="whitegrid")
# 读取数据
tips = sns.load_dataset("tips")
"""
案例3：
通过设置hue对分组数据进行第二次分类(通过颜色区别)
注意：在增强箱图中，对hue设置后的第二次分类的效果是分离
"""
sns.boxenplot(x="day", y="total_bill", hue="smoker",
              data=tips, palette="Set3")
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="whitegrid")
# 读取数据
tips = sns.load_dataset("tips")
"""
案例4：
当某些箱为空时，绘制带有嵌套分组的增强箱图
"""
sns.boxenplot(x="day", y="total_bill", hue="time",
              data=tips, linewidth=2.5)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="whitegrid")
# 读取数据
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.boxenplot(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.boxenplot(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：
在增强箱图上绘制分类散点图
"""
sns.boxenplot(x="day", y="total_bill", data=tips)
sns.stripplot(x="day", y="total_bill", data=tips,
              size=4, jitter=True, color="gray")
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boxenplot()的效果(通过指定kind="boxen")
"""
sns.catplot(x="sex", y="total_bill",
            hue="smoker", col="time",
            data=tips, kind="boxen",
            height=4, aspect=.7);
plt.show()