Seaborn分类数据可视化完全指南

Seaborn分类数据可视化完全指南

seaborn Seaborn是基于matplotlib的数据可视化库，特别适合绘制统计图表，内置了许多复杂图形样式和颜色映射方案，使数据分析结果呈现更具吸引力和专业性。 项目地址: https://gitcode.com/gh_mirrors/se/seaborn

概述

Seaborn作为基于matplotlib的高级可视化库，提供了丰富的分类数据可视化功能。本文将全面介绍Seaborn中处理分类数据的各种方法，帮助数据分析师和数据科学家更好地理解和展示分类变量与数值变量之间的关系。

分类数据可视化基础

分类数据是指被划分为离散组别的变量，如性别、星期几、产品类别等。Seaborn提供了三类主要的分类可视化方法：

1. 分类散点图：展示原始数据点的分布
2. 分类分布图：展示数据的分布情况
3. 分类估计图：展示数据的集中趋势

分类散点图

基本散点图(stripplot)

默认情况下，catplot()会生成strip plot(带状图)，通过在分类轴上添加随机抖动(jitter)来避免点重叠：

import seaborn as sns
tips = sns.load_dataset("tips")
sns.catplot(data=tips, x="day", y="total_bill")

可以通过jitter参数控制抖动幅度或完全禁用抖动。

蜂群图(swarmplot)

另一种避免重叠的方法是使用蜂群图，它会调整点的位置使其不重叠：

sns.catplot(data=tips, x="day", y="total_bill", kind="swarm")

蜂群图能更好地展示观测值的分布，但只适合相对较小的数据集。

添加颜色维度

使用hue参数可以添加第三个维度：

sns.catplot(data=tips, x="day", y="total_bill", hue="sex", kind="swarm")

分类变量顺序控制

Seaborn会自动推断分类变量的顺序，但也可以通过以下方式控制：

1. 使用pandas的Categorical类型预设顺序
2. 使用order参数指定顺序
3. 使用native_scale=True保持数值或日期数据的原始尺度

比较分布

当数据集较大时，散点图难以展示每个类别内的值分布情况，这时可以使用以下几种方法：

箱线图(boxplot)

箱线图展示数据的四分位数和极值：

sns.catplot(data=tips, x="day", y="total_bill", kind="box")

添加hue参数会进行"dodging"(错开)处理：

sns.catplot(data=tips, x="day", y="total_bill", hue="smoker", kind="box")

增强箱线图(boxenplot)

对于更大的数据集，可以使用增强箱线图展示更多分布信息：

diamonds = sns.load_dataset("diamonds")
sns.catplot(data=diamonds, x="color", y="price", kind="boxen")

小提琴图(violinplot)

小提琴图结合了箱线图和核密度估计：

sns.catplot(data=tips, x="day", y="total_bill", kind="violin")

可以调整参数如bw_adjust和cut来优化显示效果，也可以使用split=True分割小提琴图：

sns.catplot(data=tips, x="day", y="total_bill", hue="sex", kind="violin", split=True)

估计集中趋势

当需要展示每个类别的集中趋势而非分布时，可以使用以下方法：

条形图(barplot)

条形图默认展示均值及置信区间：

titanic = sns.load_dataset("titanic")
sns.catplot(data=titanic, x="sex", y="survived", hue="class", kind="bar")

计数图(countplot)

用于展示每个类别的观测数量：

sns.catplot(data=titanic, x="deck", kind="count")

点图(pointplot)

点图通过点和线展示估计值及变化趋势：

sns.catplot(data=titanic, x="sex", y="survived", hue="class", kind="point")

可以通过调整标记和线型增强可读性：

sns.catplot(
    data=titanic, x="class", y="survived", hue="sex",
    palette={"male": "g", "female": "m"},
    markers=["^", "o"], linestyles=["-", "--"],
    kind="point"
)

总结

Seaborn提供了丰富的分类数据可视化方法，从展示原始数据点的散点图，到展示分布情况的箱线图和小提琴图，再到展示集中趋势的条形图和点图。通过catplot()的统一接口，可以方便地在不同类型间切换，从不同角度理解数据。选择哪种可视化方法取决于具体的分析目标和数据集大小。

掌握这些分类数据可视化技术，将帮助您更有效地探索和展示分类变量与数值变量之间的关系，从而获得更深入的数据洞察。

seaborn Seaborn是基于matplotlib的数据可视化库，特别适合绘制统计图表，内置了许多复杂图形样式和颜色映射方案，使数据分析结果呈现更具吸引力和专业性。 项目地址: https://gitcode.com/gh_mirrors/se/seaborn