Seaborn - 多面板分类图

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

因子图

Factorplot 在 FacetGrid 上绘制分类图。使用"kind"参数，我们可以选择箱线图、小提琴图、条形图和条形图等图。 FacetGrid 默认使用点图。

示例

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

我们可以通过kind 参数使用不同的绘图来可视化相同的数据。

示例

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

在 factorplot 中，数据绘制在多面网格上。

什么是 Facet Grid?

Facet grid 通过划分变量形成由行和列定义的面板矩阵。由于面板，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

示例

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

使用 Facet 的优点是，我们可以将另一个变量输入到图中。上图根据使用"col"参数的名为"diet"的第三个变量分为两个图。

我们可以制作许多列面并将它们与网格的行对齐 −

示例

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()