在前面的章节中,无涯教程了解了散点图,六边形图和kde图,这些图用于分析研究中的连续变量。
当研究中的一个或两个变量是分类变量时,使用诸如slotlot(),swarmplot()等图,Seaborn提供了这样做的界面。在本节中,将学习分类散点图。
当所研究的变量之一是分类变量时,将使用stripplot()。它代表沿任一轴排序的数据。
import pandas as pd import seaborn as sb from matplotlib import pyplot as plt df=sb.load_dataset('iris') sb.stripplot(x="species", y="petal_length", data=df) plt.show()
在上图中无涯教程可以清楚地看到每种物种的 petal_length 的差异。但是,上述散点图的主要问题是散点图上的点是重叠的。使用"Jitter"参数来处理。
Jitter会给数据增加一些随机噪声。此参数将调整沿分类轴的位置。
import pandas as pd import seaborn as sb from matplotlib import pyplot as plt df=sb.load_dataset('iris') sb.stripplot(x="species", y="petal_length", data=df, jitter=Ture) plt.show()
现在,可以轻松看到点的分布。
swarmplot()是可以替代"Jitter"的另一个选项。此函数将散点图的每个点定位在分类轴上,从而避免了点重叠-
import pandas as pd import seaborn as sb from matplotlib import pyplot as plt df=sb.load_dataset('iris') sb.swarmplot(x="species", y="petal_length", data=df) plt.show()
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)