seaborn系列 (13) |点图pointplot()

目录

点图函数原型参数解读案例教程案例地址

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

案例代码已上传：Github地址

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()

案例地址

上述案例代码已上传：Github地址 Github地址https://github.com/Vambooo/SeabornCN

更多技术干货在公众号：数据分析与可视化学研社