2.1.7.3.Categorical Plots

0. Categorical Plots的繪圖種類

• sns.barplot

• sns.countplot

• sns.boxplot

• sns.stripplot

• sns.violinplot

• sns.swarmplot

• sns.factorplot

1. 使用library

import seaborn as sns

• 將圖表直接嵌入到Notebook之中

%matplotlib inline

• 讀入資料

tips = sns.load_dataset('tips')
tips.head()

2.bar plot

• 矩形高度默認為平均值 (可以用estimator調整), 誤差棒長度為允許誤差的範圍, 默認為95 (可以用ci調整)

sns.barplot(x='sex',y='total_bill',data=tips)

import numpy as np
sns.barplot(x='sex',y='total_bill',data=tips,estimator=np.std)

• 參考資料

3.countplot(計數圖)

• 只要給x就好了

  • 可應用在比較不同類別間的數量

    sns.countplot(x='sex', hue ='size', data=tips)

    

• 參考資料

4.boxplot

• 由上到下分別代表上邊緣, 上四分位數, 中位數, 下四分位數, 下邊緣, 點為outlier

sns.boxplot(x='day',y='total_bill',data=tips)

• 也可以指定想要比較的類別

sns.boxplot(x='day',y='total_bill',data=tips, hue='smoker')

5.stripplot

• 散點圖, 用來表示數據分佈情形

sns.stripplot(x='day',y='total_bill',data=tips)

• 增加抖動程度

sns.stripplot(x='day',y='total_bill',data=tips,jitter=True)

• 類別間的比較

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

6.violinplot

• boxplot決定了四分位數的位置, violinplot展示了任意位置的密度, 通過violinplot可以知道哪些位置的密度較高

sns.violinplot(x='day',y='total_bill',data=tips)

• 類別間的比較

sns.violinplot(x='day',y='total_bill',data=tips,hue='sex',split=True)

7.swarmplot

• 有分布趨勢的散點圖

sns.swarmplot(x='day',y='total_bill',data=tips)

• 類別間的比較

sns.swarmplot(x='day',y='total_bill',data=tips, hue='sex')

• violinplot + swarmplot

sns.violinplot(x='day',y='total_bill',data=tips)
sns.swarmplot(x='day',y='total_bill',data=tips, color='black')

8.factorplot

• 萬用的plot

sns.factorplot(x='day',y='total_bill',data=tips, kind='bar')