Python可视化21|Seaborn.catplot(上)-小提琴图等四类图
"pythonic生物人"的第66篇分享
本文介绍seaborn.catplot函数可视化分类数据，涉及如下8种图，更换父类catplot中的kind参数即可，也可使用对应的子函数如下：
stripplot()，此时(kind="strip"，默认)； swarmplot()，此时(kind="swarm") boxplot()，此时(kind="box")； violinplot()，此时(kind="violin")； boxenplot()，此时(kind="boxen") pointplot()，此时(kind="point")； barplot()，此时(kind="bar")； countplot()，此时(kind="count")
每类图函数都有自己独特的参数，本文主要介绍前四类图。
本文将了解什么？
1、seaborn.catplot简介
2、绘图数据集准备
3、seaborn.stripplot（分类散点图）
stripplot不分类散点图
stripplot分类散点图
设置点的属性
多重分类
catplot()结合stripplot和FacetGrid分图显示
4、seaborn.swarmplot（成簇散点图）
swarmplot不分类散点图
设置点的属性
5、seaborn.boxplot（箱图或箱线图）
6、seaborn.violinplot（小提琴图）
不分类小提琴图
分类小提琴图
inner参数
多重分类小提琴图
多重分类左右显示小提琴图
正文开始啦
1、seaborn.catplot简介
实用场景：categorical data, one of the main variables is “categorical” (divided into discrete groups)
语法：seaborn.catplot(x=None, y=None, hue=None, data=None, row=None, col=None, col_wrap=None, estimator=<function mean at 0x105c7d9e0>, ci=95, n_boot=1000, units=None, seed=None, order=None, hue_order=None, row_order=None, col_order=None, kind='strip', height=5, aspect=1, orient=None, color=None, palette=None, legend=True, legend_out=True, sharex=True, sharey=True, margin_titles=False, facet_kws=None, **kwargs)
seaborn.catplot可分3大类，更细分8小类：
分类散点图， stripplot()，此时(kind="strip"，默认)；swarmplot()，此时(kind="swarm")
分类分布图， boxplot()，此时(kind="box")；violinplot()，此时(kind="violin")；boxenplot()，此时(kind="boxen")
分类估计图， pointplot()，此时(kind="point")；barplot()，此时(kind="bar")；countplot()，此时(kind="count")
8类图长什么样子？(以下绘图使用鸢尾花数据集)
for i in list("point, bar, strip, swarm, box, violin, boxen".split(', ')):
g=sns.catplot(x='sepal length(cm)', y='class', data=pd_iris, kind='%s'%i,
palette='husl',
)
plt.title("kind='%s'"%i)
g.fig.set_size_inches(8,6)#设置图形大小
g=sns.catplot(x='sepal length(cm)', hue='class', data=pd_iris, kind='count',
palette='husl',
)
plt.title("kind='count'")
g.fig.set_size_inches(12,8)
2、绘图数据集准备
还是使用鸢尾花iris数据集：Python可视化|matplotlib10-绘制散点图scatter
#导入本帖要用到的库，声明如下：
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import palettable
from pandas import Series,DataFrame
from sklearn import datasets
import seaborn as sns
import palettable
#导入鸢尾花iris数据集（方法一）
#该方法更有助于理解数据集
iris=datasets.load_iris()
x, y =iris.data,iris.target
y_1 = np.array(['setosa' if i==0 else 'versicolor' if i==1 else 'virginica' for i in y])
pd_iris = pd.DataFrame(np.hstack((x, y_1.reshape(150,1))),columns=['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class'])
#astype修改pd_iris中数据类型object为float64
pd_iris['sepal length(cm)']=pd_iris['sepal length(cm)'].astype('float64')
pd_iris['sepal width(cm)']=pd_iris['sepal width(cm)'].astype('float64')
pd_iris['petal length(cm)']=pd_iris['petal length(cm)'].astype('float64')
pd_iris['petal width(cm)']=pd_iris['petal width(cm)'].astype('float64')
#导入鸢尾花iris数据集（方法二）
#该方法有时候会卡巴斯基，所以弃而不用
#import seaborn as sns
#iris_sns = sns.load_dataset("iris")
数据集查看
3、seaborn.stripplot（分类散点图）
使用场景：两个变量，有一个是分类变量
语法：seaborn.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)
stripplot不分类散点图
#stripplot不分类散点图
plt.figure(figsize=(8,5))
sns.set(style="whitegrid")
sns.stripplot(x='sepal length(cm)',data=pd_iris,#传入数据pd_iris第一列
palette='husl',
)
stripplot分类散点图
#stripplot分类散点图
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.stripplot(y='sepal length(cm)',x='class',data=pd_iris,#传入数据pd_iris第一列及最后一列
palette='husl',
)
设置点的属性
#设置点的属性
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.stripplot(y='sepal length(cm)',x='class',data=pd_iris,
palette='Set1',
#marker='*',#也可如下修改marker
**dict(marker='*',s=15,alpha=0.7),#设置点形状、大小、透明度等，更多见matplotlib.axes.Axes.scatter
)
多重分类
#给数据加一列花期（上、下旬）
flowering=pd.Series(['early' if i>4.0 and i<5.0 else 'middle' for i in pd_iris['sepal length(cm)']])
pd_iris1=pd.concat([pd_iris,flowering],axis=1)#拼接，默认按行拼接，即axis=0
pd_iris1.rename(columns={0:'flowering'}, inplace = True)#替换列名称
pd_iris1.head()
#class类下再按照flowering分类
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.stripplot(y='sepal length(cm)',x='class',hue='flowering',data=pd_iris1,#hue='flowering'添加子类
palette='Set1',
**dict(marker='^',s=7)
)
catplot()结合stripplot和FacetGrid分图显示
##使用catplot()结合 barplot()和FacetGrid分图显示
plt.figure(figsize=(12,5))
sns.set(style="whitegrid")
g=sns.catplot(y='sepal length(cm)',x='class',col='flowering',data=pd_iris1,#col='flowering'
palette='Set1',
**dict(marker='^',s=7)
)
g.fig.set_size_inches(12,6)
4、seaborn.swarmplot（成簇散点图）
使用场景：与stripplot()类似，只是swarmplot中数据点经过了成簇处理【the points are adjusted (only along the categorical axis) so that they don’t overlap.】，是数据点不重叠的stripplot()
语法：seaborn.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)参数和stripplot()一样，简单介绍下。
swarmplot不分类散点图
#swarmplot不分类散点图
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.swarmplot(x='sepal length(cm)',data=pd_iris,#传入数据pd_iris第一列
palette='husl',
)
设置点的属性
#设置点的属性
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.swarmplot(y='sepal length(cm)',x='class',data=pd_iris,
palette='Set1',
#marker='*',#也可如下修改marker
**dict(marker='*',s=15,alpha=0.7),#设置点形状、大小、透明度等，更多见matplotlib.axes.Axes.scatter
)
5、seaborn.boxplot**（箱图或箱线图）**
详细见：Python可视化17seaborn-箱图boxplot
6、seaborn.violinplot（小提琴图）
更多可参考：Python可视化17seaborn-箱图boxplot
语法：seaborn.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=0.8, inner='box', split=False, dodge=True, orient=None, linewidth=None, color=None, palette=None, saturation=0.75, ax=None, **kwargs)
以下介绍部分特异参数。
不分类小提琴图
#sepal length(cm)不分类小提琴图
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.violinplot(y='sepal length(cm)',data=pd_iris,#传入数据pd_iris第一列
palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,
)
分类小提琴图
#按class分类小提琴图
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.violinplot(y='sepal length(cm)',x='class',data=pd_iris1,
palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,
)
inner参数
箱子中间图形显示模式
#中间显示模式inner参数for i in list('box,quartile,point,stick'.split(',')):
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.violinplot(y='sepal length(cm)',x='class',data=pd_iris1,
palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,
inner='%s'%i,#可选{“box”（默认）, “quartile”, “point”, “stick”, None}
)
plt.title("inner='%s'"%i)
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.violinplot(y='sepal length(cm)',x='class',data=pd_iris1,
palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,
inner=None,
)
plt.title("inner=None")
多重分类小提琴图
#按class分类后再按flowering分类小提琴图
plt.figure(dpi=70)
sns.set(style="whitegrid")
sns.violinplot(y='sepal length(cm)',x='class',hue='flowering',data=pd_iris1,
palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,
)
多重分类左右显示小提琴图
#按class分类后再按flowering分类左右显示小提琴图
plt.figure(figsize=(8,5))
sns.set(style="whitegrid")
sns.violinplot(y='sepal length(cm)',x='class',hue='flowering',data=pd_iris1,
palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,
split=True#左右显示flowering分类
)
参考资料
http://seaborn.pydata.org/generated/seaborn.catplot.html#seaborn.catplot