Seaborn.stripplot() 方法

seaborn.stripplot() 方法用于绘制散点图，其中作为参数传递的变量之一是分类变量。该图可以单独绘制，但通常也用于补充其他图，例如箱线图，其中除了描述所有观察结果外，还需要显示一些基础分布。

此方法接受不同格式的输入，例如数组、长格式数据、宽格式数据或向量列表。

语法

以下是 seaborn.stripplot() 方法的语法

seaborn.stripplot(*, x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=True, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs

参数

该方法的部分参数如下 −

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 绘制图形所需的数据框中的变量名称。
4	jitter 此参数采用浮点值，并根据此值分隔分类变量的数据。它仅适用于分类数据。
5	linewidth 此参数采用浮动值并确定构成图中元素的灰线的宽度。
6	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。
7	orient 它取值"h"或"v"，并以此为基础确定图形的方向。
8	color matplotlib 颜色作为输入，这决定了所有元素的颜色。

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

我们将了解可用于绘制 stripplot() 的简单快捷方式。不是将数据和 x 作为单独的参数传递，而是可以将它们组合起来并作为 x 参数中的单个参数传递。以下代码行可用于执行此操作。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.stripplot(x=titanic["age"])
plt.show()

输出

上面一行代码的输出结果如下，

示例 2

现在，我们将传递 hue 参数以及 x,y 参数，并查看获得的绘图中的变化。由于我们使用的是 titanic 数据集，因此我们会将 alive 变量传递给 hue，并将年龄和性别分别传递给 x 和 dy 参数。可以使用下面提到的代码行生成所需的图。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.stripplot(x="age", y="who", hue="alive",data=titanic)
plt.show()

输出

生成的图可以在下面看到。

示例 3

seaborn.stripplot() 方法中有很多参数，我们将看到另一个名为 jitter 的参数的工作原理。抖动参数用于分隔分类变量数据，它仅适用于分类类型的数据。它以浮动值作为输入。

下面的代码片段描述了它的用法，因此生成的图也可以在下面查看。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
#jitter spaces out categorical data and works only on this type of data.
sns.stripplot(x="age", y="who", data=titanic,jitter=0.5)
plt.show()

输出

示例 4

seaborn.stripplot() 方法中有许多参数，我们将看到另一个名为 jitter 和 linewidth 的参数的工作原理。 jitter 参数用于分隔分类变量数据，它仅适用于分类类型的数据。它以浮动值作为输入。 linewidth 参数采用浮动值并确定构成图中元素的灰线的宽度。

下面的代码片段描述了它的用法，因此生成的图也可以在下面查看。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.stripplot(x="age", y="who", hue="alive",data=titanic,jitter=0.5,linewidth=1)
plt.show()

输出

输出图如下所示。

示例 5

在这个例子中，我们将了解如何使用 dodge 参数以及上面使用的参数。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。以下代码行可用于使用 dodge 参数绘制图形。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.stripplot(y="fare", x="who", hue="alive",data=titanic,linewidth=1,dodge=True)
plt.show()