📌  相关文章
📜  Seaborn-多面板分类图

📅  最后修改于: 2020-11-06 06:46:18             🧑  作者: Mango

我们可以使用两个图表来可视化分类数据，您可以使用pointplot()函数或更高级别的factorplot()函数。

因子图

Factorplot在FacetGrid上绘制分类图。使用“种类”参数，我们可以选择箱形图，小提琴图，条形图和带状图等图。 FacetGrid默认使用点图。

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = pulse", hue = "kind",data = df);
plt.show()

输出

形状

我们可以使用kind参数使用不同的图来可视化相同的数据。

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = "pulse", hue = "kind", kind = 'violin',data = df);
plt.show()

输出

尖锐

在factorplot中，数据绘制在构面网格上。

什么是Facet Grid?

构面网格通过划分变量形成由行和列定义的面板矩阵。由于面板的原因，单个图看起来像多个图。分析两个离散变量中的所有组合非常有帮助。

让我们用一个例子形象化上面的定义

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = "pulse", hue = "kind", kind = 'violin', col = "diet", data = df);
plt.show()

输出

两种类型

使用Facet的好处是，我们可以在绘图中输入另一个变量。上面的图根据使用“ col”参数的第三个变量“ diet”分为两个图。

我们可以创建许多列面并将它们与网格的行对齐-

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('titanic')
sb.factorplot("alive", col = "deck", col_wrap = 3,data = df[df.deck.notnull()],kind = "count")
plt.show()

输出

各种类型