📌  相关文章
📜  Seaborn-统计估计

📅  最后修改于: 2020-11-06 06:45:42             🧑  作者: Mango

在大多数情况下，我们处理数据整体分布的估计。但是，当涉及集中趋势估计时，我们需要一种特定的方式来汇总分布。平均值和中位数是估计分布的集中趋势的常用技术。

在上一节中学习的所有图中，我们对整个分布进行了可视化。现在，让我们讨论关于可以用来估计分布的集中趋势的图。

条形图

barplot()显示类别变量和连续变量之间的关系。数据以矩形条表示，其中条的长度表示该类别中数据的比例。

条形图表示集中趋势的估计。让我们使用“ titanic”数据集学习条形图。

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('titanic')
sb.barplot(x = "sex", y = "survived", hue = "class", data = df)
plt.show()

输出

条形图

在上面的示例中，我们可以看到每个类别中男性和女性的平均存活数。从情节中我们可以了解到，存活下来的女性人数多于男性。在男性和女性中，更多的存活率来自头等舱。

条形图中的一种特殊情况是不显示每个类别中的观察值，而不是计算第二个变量的统计量。为此，我们使用countplot()。

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('titanic')
sb.countplot(x = " class ", data = df, palette = "Blues");
plt.show()

输出

条状图

情节说，三等舱的乘客人数高于一等舱和二等舱。

点图

点状图与条形图相同，但样式不同。估计值由另一轴上某个高度的点表示，而不是完整的条形。

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('titanic')
sb.pointplot(x = "sex", y = "survived", hue = "class", data = df)
plt.show()

输出

符号