数据可视化(8)-Seaborn系列 | 分类散点图stripplot()

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)

x,y,hue:数据字段变量名(如上表，date,name,age,sex为数据字段变量名)
作用：根据实际数据，x,y常用来指定x,y轴的分类名称，
hue常用来指定第二次分类的数据类别(用颜色区分)

data: DataFrame,数组或数组列表

order,hue_order:字符串列表
作用：显式指定分类顺序，eg. order=[字段变量名1，字段变量名2,...]

jitter : float类型，True/1
作用：当数据重合较多时，用该参数做一些调整，也可以设置间距
如，jitter = 0.1 (通俗讲，就是让数据分散开)

dodge:bool
作用：若设置为True则沿着分类轴，将数据分离出来成为不同色调级别的条带，
否则，每个级别的点将相互叠加

orient:方向：v或者h
作用：设置图的绘制方向(垂直或水平),
如何选择：一般是根据输入变量的数据类型(dtype)推断出来。

color:matplotlib 颜色

palette:调色板名称，list类别或者字典
作用：用于对数据不同分类进行颜色区别

size:float
作用：设置标记大小(标记直径，以磅为单位)

edgecolor:matplotlib color，gray
作用：设置每个点的周围线条颜色

linewidth:float
作用：设置构图元素的线宽度

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例1：
水平散点图
"""
sns.stripplot(x=tips["total_bill"])
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例2：
根据x的类别进行分组统计
"""
sns.stripplot(x="day",y="total_bill", data=tips)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例3：
设置jitter来增加数据的抖动(当数据重合较多时，可以让数据更加分散一些)

可以比较案例2和案例3
"""
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例4：
设置jitter来增加数据的抖动(当数据重合较多时，可以让数据更加分散一些)

可以比较案例2、案例3和案例4
"""
sns.stripplot(x="day", y="total_bill", data=tips, jitter=0.3)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例5：
绘制水平方向的分类散点图

可以对案例1和案例5 进行比较
"""
sns.stripplot(x="total_bill", y="day", data=tips,jitter=True)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例6：
给数据点绘制轮廓，linewidth值越大，轮廓越粗
"""
sns.stripplot(x="total_bill", y="day", data=tips,
              jitter=True, linewidth=2)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例7：
设置hue对每个分组中进行第二次分类(x=sex进行第一次数据分组，
hue=day对每一组进行数据分类)
"""
sns.stripplot(x="sex", y="total_bill", hue="day",
              data=tips, jitter=True)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例8：
设置dodge将数据在分类组中分离出来
"""
sns.stripplot(x="day", y="total_bill", hue="smoker",
              data=tips, jitter=True,
              palette="Set2",dodge=True)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例9：
通过设置order来显式指定分类顺序
order=[字段变量名1，字段变量名2,...]
"""
sns.stripplot(x="time", y="tip", data=tips,
              order=["Dinner", "Lunch"])
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例10：
设置要绘制的点的大小(size)以及点的标记(marker="D")
饱和度alpha
"""
sns.stripplot("day", "total_bill", "smoker", data=tips,
              palette="Set2", size=20, marker="D",
              edgecolor="gray", alpha=.25)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例11：
根据数据情况绘制箱图和分类散点图
在箱图上绘制分类散点图
"""
sns.boxplot(x="tip", y="day", data=tips, whis=np.inf)
sns.stripplot(x="tip", y="day", data=tips,
              jitter=True, color=".3")
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
#设置风格
sns.set(style="whitegrid")
# 构建数据
tips = sns.load_dataset("tips")
"""
案例10：
根据数据情况绘制小提琴图和分类散点图
在小提琴图上绘制分类散点图
"""
sns.violinplot(x="day", y="total_bill", data=tips,
               inner=None, color=".8")
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)
plt.show()