seaborn分类数据可视化：散点图|箱型图|小提琴图|lv图|柱状图|折线图

一、散点图stripplot( ) 与swarmplot（）

1.分类散点图stripplot( )

用法stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,jitter=True, dodge=False, orient=None,

　　　　　　 color=None, palette=None,size=5, edgecolor="gray", linewidth=0, ax=None, **kwargs)

x，y 分类字段和分布统计字段
hue 在x分类的基础上进行二次分类的字段
data 源数据
order 图表中显示的分类
jitter 当点数据重合较多时用该参数做一些调整，可以设置为True或者间距0.1，否则会有重合的点
dodge 如果有二次分类，二次分类是否拆分显示

tips = sns.load_dataset("tips") #导入系统数据

print(tips.head())

print(tips['day'].value_counts())

   total_bill   tip     sex smoker  day    time  size

0       16.99  1.01  Female     No  Sun  Dinner     2

1       10.34  1.66    Male     No  Sun  Dinner     3

2       21.01  3.50    Male     No  Sun  Dinner     3

3       23.68  3.31    Male     No  Sun  Dinner     2

4       24.59  3.61  Female     No  Sun  Dinner     4

Sat     87

Sun     76

Thur    62

Fri     19

Name: day, dtype: int64

输出结果

fig = plt.figure(figsize=(15,10))

ax1 = plt.subplot(221)

# 对data数据按day分类，统计total_bill的分布，如果点重合较多适当显示开

sns.stripplot(x="day", y="total_bill",  data=tips, jitter = True, size = 5, edgecolor = 'w',linewidth=1, marker = 'o', ax=ax1)

ax2 = plt.subplot(222)

# 对data数据按day分类，统计total_bill的分布，并且图表中只显示按day分类的中的Sat和Sun

sns.stripplot(x="day", y="total_bill", data=tips,jitter = True, order = ['Sat','Sun'],ax=ax2) 

ax3 = plt.subplot(223)

# 对data数据按sex分类后再按day分类，统计total_bill的分布

sns.stripplot(x="sex", y="total_bill", hue="day",data=tips, jitter=True,ax = ax3)

ax4 = plt.subplot(224)

# 对data数据按sex分类后再按day分类，统计total_bill的分布，并且不同的day拆分显示

sns.stripplot(x="sex", y="total_bill", hue="day",data=tips, jitter=True,palette="Set2",dodge=True,ax=ax4)

2.分簇散点图swarmplot（）

用法swarmplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,dodge=False, orient=None, color=None,

palette=None,size=5, edgecolor="gray", linewidth=0, ax=None, **kwargs)

swarmplot()除了没有jitter参数，其他用法类似stripplot()。

fig = plt.figure(figsize=(20,5))

ax1 = plt.subplot(141)

# 对data数据按day分类，统计total_bill的分布，如果点重合较多适当显示开

sns.swarmplot(x="day", y="total_bill",  data=tips,  size = 5, edgecolor = 'w',linewidth=1, marker = 'o', ax=ax1)

ax2 = plt.subplot(142)

# 对data数据按day分类，统计total_bill的分布，并且图表中只显示按day分类的中的Sat和Sun

sns.swarmplot(x="day", y="total_bill", data=tips, order = ['Sat','Sun'],ax=ax2) 

ax3 = plt.subplot(143)

# 对data数据按sex分类后再按day分类，统计total_bill的分布

sns.swarmplot(x="sex", y="total_bill", hue="day",data=tips, ax = ax3)

ax4 = plt.subplot(144)

# 对data数据按sex分类后再按day分类，统计total_bill的分布，并且不同的day拆分显示

sns.swarmplot(x="sex", y="total_bill", hue="day",data=tips, palette="Set2",dodge=True,ax=ax4)

二、箱型图boxplot()

boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,orient=None, color=None, palette=None,

saturation=.75,width=.8, dodge=True, fliersize=5, linewidth=None,whis=1.5, notch=False, ax=None, **kwargs)

x，y 分类字段和分布统计字段
hue 在x分类的基础上进行二次分类的字段
data 源数据
order 图表中显示的分类
dodge 如果有二次分类，二次分类是否拆分显示
width 箱的间隔的比例，值越大间隔越小
filtersize 异常点大小
whis 设置IQR
notch 是否以中值做凹槽

fig = plt.figure(figsize=(12,5))

ax1 = plt.subplot(121)

sns.boxplot(x="day", y="total_bill", data=tips,linewidth = 2, width = 0.8, fliersize = 10, palette = 'hls',whis = 1.5,notch = True)

sns.swarmplot(x="day", y="total_bill", data=tips, color ='g', size = 3, alpha = 0.8)  #在箱型图上做分簇散点图

ax2 = plt.subplot(122)

sns.boxplot(x="day", y="total_bill", data=tips, hue = 'smoker', order = ['Sat','Sun'],palette = 'Reds') #根据day分类，再根据smkker分类

三、小提琴图violinplot()

violinplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,bw="scott", cut=2,

scale="area", scale_hue=True, gridsize=100, width=.8, inner="box", split=False, dodge=True,

orient=None,linewidth=None, color=None, palette=None, saturation=.75,ax=None, **kwargs)

x，y 分类字段和分布统计字段
hue 在x分类的基础上进行二次分类的字段
data 源数据
order 图表中显示的分类
dodge 如果有二次分类，二次分类的多个小提琴位置是否错开，默认为True，False则多个小提琴会重复（dodge=True与split=False效果相同）
split 如果有二次分类，二次分类是否拆分整个提琴，默认为False显示为多个独立的小提琴，True则显示为一个小提琴，左右两侧表示二次分类
scale = 'area' 设置小提琴图的宽度，area-保持小提琴面积相同，count-按照样本数量决定宽度，width-宽度一样
gridsize = 100 设置小提琴图边线的平滑度，越高越平滑
inner = 'box' 设置内部显示类型 → “box”箱型图, “quartile”分位数, “point”点, “stick”, None
bw = 0.8 # 控制拟合程度，'scott'、'silverman'或者一个浮点数，一般可以不设置

fig = plt.figure(figsize=(20,5))

ax1 = plt.subplot(141)

sns.violinplot(x="day",y="total_bill",data=tips,linewidth=2,width=0.8,palette='hls',scale= 'area',gridsize=50,inner='box')  

ax2 = plt.subplot(142)

sns.violinplot(x="day",y="total_bill",data=tips,hue = 'smoker',palette="muted",dodge=False,inner="point")#二次分类小提琴位置不错开

ax3 = plt.subplot(143)

sns.violinplot(x="day",y="total_bill",data=tips,hue = 'smoker',palette="muted",split=False,inner="stick")#二次分类不拆分小提琴，显示为多个独立小提琴

ax4 = plt.subplot(144)

sns.violinplot(x="day",y="total_bill",data=tips,hue = 'smoker',palette="muted",split=True,inner="quartile")#二次分类拆分小提琴，左右两侧分别表示二次

小提琴图与分簇散点图结合sns.violinplot（）+ sns.swarmplot（）

sns.violinplot(x="day", y="total_bill", data=tips, palette = 'hls',alpha=0.5, inner = None)

sns.swarmplot(x="day", y="total_bill", data=tips, color="w")

四、增强箱图boxenplot()

boxenplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,orient=None, color=None,

palette=None, saturation=.75,width=.8,dodge=True, k_depth='proportion', linewidth=None,

scale='exponential', outlier_prop=None, ax=None, **kwargs)

(lv图表使用boxenplot(),lvplot()即将被遗弃)

x，y 分类字段和分布统计字段
hue 在x分类的基础上进行二次分类的字段
data 源数据
order 图表中显示的分类
dodge 如果有二次分类，二次分类的多个小提琴位置是否错开，默认为True，False则多个小提琴会重复（dodge=True与split=False效果相同）
scale = 'area' 设置lv图的宽度，“linear”、“exonential”、“area” （一般scale和k_depth保持默认就好）
k_depth = 'proportion', # 设置框的数量 → “proportion”、“tukey”、“trustworthy”
width 箱之间间隔

sns.lvplot(x="day", y="total_bill", data=tips, palette="mako", width = 0.8, scale = 'area',k_depth = 'proportion')

sns.swarmplot(x="day", y="total_bill", data=tips, color ='k',size = 5)

五、柱状图barplot()

seaborn中的柱状图不是单纯的表示数量，而是表示了一个统计标准和对应的置信区间。

barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,estimator=np.mean, ci=95,
n_boot=1000, units=None,orient=None, color=None, palette=None, saturation=.75,errcolor=".26",
errwidth=None, capsize=None, dodge=True,ax=None, **kwargs)

x，y 分类字段和分布统计字段
hue 在x分类的基础上进行二次分类的字段
data 源数据
order 图表中显示的分类
estimater 柱状图表示的统计量，默认和常使用均值
ci 置信区间的误差，0-100之内、或sd标准差，或None，默认为95
saturation 颜色饱和度
errcolor与errwidth 误差线颜色与宽度
capsize 误差线延长宽度
dodge 如果有二次分类，二次分类的多个多个柱状图位置是否错开
edgecolor 柱子的边框颜色

#导入泰坦尼克号、小费和汽车事故的3个表的数据结构，在不同窗口显示前5行

titanic = sns.load_dataset("titanic")

titanic.head()

tips = sns.load_dataset('tips') #

tips.head()

crashes = sns.load_dataset("car_crashes")#

crashes.head()

fig = plt.figure(figsize=(15,4))

ax1 = plt.subplot(131)  #泰坦尼克，在性别分类的基础上再按舱级别分类，统计生还率

sns.barplot(x="sex",y="survived",hue="class",data=titanic,palette = 'hls',capsize = 0.05,saturation=.8,errcolor = 'gray',errwidth = 2,ci = 'sd')

ax2 = plt.subplot(132)  #小费，在日期分类的基础上再按性别分类，统计给的小费，置信区间的误差为标准差

sns.barplot(x="day", y="total_bill", hue="sex", data=tips,edgecolor = 'white',errcolor='gray',capsize=0.1,ci='sd')

ax3 = plt.subplot(133)  #小费，同上，置信区间的误差为默认的95

sns.barplot(x="day", y="total_bill", hue="sex", data=tips,edgecolor = 'white',errcolor='gray',capsize=0.1)

crashes = sns.load_dataset("car_crashes").sort_values("total", ascending=False)

f,ax = plt.subplots(figsize=(8, 20))# 创建图表

sns.set_color_codes("pastel")

sns.barplot(x="total", y="abbrev", data=crashes,label="Total", color='b',edgecolor = 'w')# 设置第一个柱状图

sns.set_color_codes("muted")

sns.barplot(x="alcohol", y="abbrev", data=crashes, label="Alcohol-involved",color='b',edgecolor = 'w')# 设置第二个柱状图

ax.legend(ncol=2, loc="lower right")

sns.despine(left=True, bottom=True)

六、计数柱状图countplot()

countplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,orient=None, color=None,
palette=None, saturation=.75,dodge=True, ax=None, **kwargs)

x，y 同时表示分类字段和显示方向，即在x轴上或在y轴上对指定的字段进行计数显示
hue 在x分类或者y分类的基础上进行二次分类的字段
data 源数据
order 图表中显示的分类
dodge 如果有二次分类，二次分类的多个多个柱状图位置是否错开
edgecolor 柱子的边框颜色

fig = plt.figure(figsize=(12,4))

ax1 = plt.subplot(121)

sns.countplot(x="day", hue="sex", data=tips, palette = 'muted') #竖直显示，在日期分类的基础上再按性别分类

ax2 = plt.subplot(122)

sns.countplot(y="day", hue="sex", data=tips, palette = 'muted') #水平显示

七、折线图pointbar()

折线图pointbar()和barplot()的用法类似，只是barplot()用柱状图表示均值，而pointbar()用一个点表示了均值。

pointplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,estimator=np.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)

x，y 分类字段和分布统计字段
hue 在x分类的基础上进行二次分类的字段
data 源数据
order 图表中显示的分类
estimater 柱状图表示的统计量，默认和常使用均值
ci 置信区间的误差，0-100之内、或sd标准差，或None，默认为95
marker 均值的表示形式
errwidth 误差线颜色与宽度
capsize 误差线延长宽度
dodge 如果有二次分类，二次分类的多个线是否分开
joint 是否连线

sns.pointplot(x="day",y="total_bill",hue = 'sex',data=tips,palette = 'hls',dodge = True,join = True,markers=["o", "x"],linestyles=["-", "--"])

tips.groupby(['day','sex']).mean()['total_bill']