Seaborn.pointplot() 方法

Seaborn.pointplot() 方法有助于使用散点图绘制点估计和置信区间。使用散点图点的位置，点图表示对数值变量的集中趋势的估计，并使用误差条显示估计中的不确定性程度。

对于一个或多个分类变量的不同水平之间的比较，点图可能比条形图更有帮助。他们擅长展示相互作用，或者一个类别变量水平之间的联系如何随着第二个分类变量水平的增加而改变。由于从同一色调水平连接每个点的线，眼睛更容易通过斜率差异检测相互作用，而不是通过比较不同组的点或条的高度。

语法

以下是 seaborn.pointplot() 方法的语法 −

seaborn.pointplot(*, x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=<function mean at 0x7ff320f315e0>, ci=95, n_boot=1000, units=None, seed=None, markers='o', linestyles='-', dodge=False, join=True, scale=1, orient=None, color=None, palette=None, errwidth=None, capsize=None, ax=None, **kwargs)

参数

下面讨论了 pointplot() 方法的一些参数。

S.No	名称和描述
1	x,y 这些参数将变量名称作为绘制长格式数据的输入。
2	data 这是用于绘制图形的数据框。
3	hue 数据框中绘制图形所需的变量名称。
4	linewidth 此参数采用浮动值并确定构成图中元素的灰线的宽度。
5	dodge 此参数采用布尔值。如果我们使用色调嵌套，将 true 传递给此参数将分离不同色调级别的条带。如果传递了 False，每个级别的点将被绘制在彼此之上。
6	orient 它取值“h”或“v”，并以此为基础确定图形的方向。
7	color matplotlib 颜色作为输入，这决定了所有元素的颜色。
8	palette 此参数指定不同色调映射的颜色。
9	join 采用布尔值，如果为 True，点估计之间的线将以相同的色调级别绘制。

让我们在继续开发绘图之前加载 Seaborn 库和数据集。

载入seaborn 库

要加载或导入 seaborn 库，可以使用以下代码行。

Import seaborn as sns

加载数据集

在本文中，我们将使用 seaborn 库中内置的 Titanic 数据集。以下命令用于加载数据集。

titanic=sns.load_dataset("titanic")

下面提到的命令用于查看数据集中的前 5 行。这使我们能够了解哪些变量可用于绘制图形。

titanic.head()

以下是上面这段代码的输出。

index,survived,pclass,sex,age,sibsp,parch,fare,embarked,class,who,adult_male,deck,embark_town,alive,alone
0,0,3,male,22.0,1,0,7.25,S,Third,man,true,NaN,Southampton,no,false
1,1,1,female,38.0,1,0,71.2833,C,First,woman,false,C,Cherbourg,yes,false
2,1,3,female,26.0,0,0,7.925,S,Third,woman,false,NaN,Southampton,yes,true

现在我们已经加载了数据集，我们将探索几个示例。

示例 1

要通过传递 x 和 y 参数绘制一个简单的 pointplot()，我们将获得以下图。本文中使用了 titanic 数据集，列 class 和 fare 被传递给方法的 x 和 y 变量。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.pointplot(x="class", y="fare", data=titanic)
plt.show()

输出

得到的图如下所示。

示例 2

Hue 参数采用数据框中分类变量的名称。当 hue 参数也传递给方法时，我们将看到点图如何变化。下面的代码行可用于执行此操作。通过将包含不同数据集的不同数据框传递给点图中的数据参数，您可以绘制自己的图形。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.pointplot(x="class", y="fare",hue="who" ,data=titanic)
plt.show()

输出

得到的输出如下 −

示例 3

Dodge 参数采用布尔值。如果我们使用色调嵌套，将 true 传递给此参数将分离不同色调级别的条带。如果传递了 False，每个级别的点将被绘制在彼此之上。在这个例子中，我们将了解这个参数是如何工作的。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.pointplot(x="class", y="fare",hue="who",dodge=True ,data=titanic)
plt.show()

输出

得到的图见上图。

示例 4

在这个例子中，我们将了解如何使用 pointplot() 方法绘制直线图。连接参数采用布尔值，如果为真，则点估计之间的线将以相同的色调级别绘制。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.pointplot(y="class", x="fare" ,join=False,data=titanic)
plt.show()