数据可视化(13)-Seaborn系列 | 点图pointplot()

原创

数据分析可视化

修改于 2019-10-08 11:14:10

2.6K0

修改于 2019-10-08 11:14:10

文章被收录于专栏：数据分析与可视化数据分析与可视化

点图

点图表示通过散点图点的位置对数值变量的中心趋势的估计。

点图用于集中在一个或多个分类变量的不同级别之间的比较，有时比条形图更有用。

注：点图只显示平均值（或其他估计值）。但在许多情况下，显示每个分类变量级别的值分布可能更具信息性。此时，其他方法如一个盒子或小提琴可能更合适。

函数原型

seaborn.pointplot(x=None, y=None, hue=None, 
                  data=None, order=None, hue_order=None, 
                  estimator=<function mean>, ci=95, 
                  n_boot=1000, units=None, markers='o', 
                  linestyles='-', dodge=False, join=True, 
                  scale=1, orient=None, color=None, palette=None, 
                  errwidth=None, capsize=None, ax=None, **kwargs)

参数解读

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,...]

estimator:可回调函数
作用：设置每个分类箱的统计函数

ci:float或者"sd"或None
在估计值附近绘制置信区间的大小，如果是"sd"，则跳过bootstrapping并绘制观察的标准差，如果为None,则不执行bootstrapping,并且不绘制错误条。

n_boot:int
计算置信区间时使用的引导迭代次数

markers:字符串或字符串列表
作用：标记符号

案例教程

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="darkgrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例1：
利用catplot()来实现boxplot()的效果(通过指定kind="box")
"""
sns.pointplot(x="time", 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="darkgrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例2：
设置hue来对已分组的数据进行第二次分类(通过颜色区别)
"""
sns.pointplot(x="time", y="total_bill", hue="smoker",
              data=tips)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="darkgrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例3：
设置dodge=True实现 沿着分类轴分离不同色调级别的点(hue指定的分类)
"""
sns.pointplot(x="time", y="total_bill", hue="smoker",
              data=tips, dodge=True)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="darkgrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例4：
设置markers=["o", "x"]和线型linestyles=["-", "--"]
"""
sns.pointplot(x="time", y="total_bill", hue="smoker",
              data=tips,markers=["o", "x"],linestyles=["-", "--"])
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="darkgrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例5：
设置调色板palette=Set2,颜色体现在hue的分组数据上
"""
sns.pointplot(x="time", y="total_bill", hue="smoker",
              data=tips, palette="Set2")
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="darkgrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例6：
设置order=["变量名1","变量名2",...]来显示指定分类顺序
"""
sns.pointplot(x="time", y="tip", data=tips,
              order=["Dinner", "Lunch"])
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
from numpy import median
# 设置样式风格
sns.set(style="darkgrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例7：
使用中位数作为中心趋势的估计值
"""
sns.pointplot(x="day", y="tip", data=tips, estimator=median)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(style="darkgrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例8：
使用catplot()实现pointplot()的效果（通过设置kind="point"）
"""
sns.catplot(x="sex", y="total_bill",
            hue="smoker", col="time",
            data=tips, kind="point",
            dodge=True,
            height=4, aspect=.7)
plt.show()