Matplotlib和Seaborn之轴须图和带状图

轴须图和带状图

你可能遇到过用散点图等双变量图形绘制的边缘分布，或者对这种分布感兴趣。边缘分布是变量的单变量分布，忽略任何其他变量的值。对于定量数据来说，直方图或密度曲线适合边缘分布，但是你可能还见过轴须图。在轴须图中，所有数据点都在一个轴上绘制，每个点一个刻度或线条。与边缘直方图相比，轴须图的分布情况不太好理解，但是在呈现数据方面更紧凑。

Seaborn 的 JointGrid 类可以绘制这种双变量关系，并对数字数据绘制边缘单变量图形。plot_joint 方法为主变量指定一个绘图函数，并将两个变量的图形连接起来，而 plot_marginals 方法会为两个边缘图形指定绘图函数。此处，我们利用 seaborn 的 rugplot 函数。

g = sb.JointGrid(data = df, x = 'num_var1', y = 'num_var2')
g.plot_joint(plt.scatter)
g.plot_marginals(sb.rugplot, height = 0.25)

“height”参数指定轴须图的刻度为边缘轴大小高度的 0.25 倍。

image.png

在此例中，轴须图很合适，因为数据并不多或过于密集。在其他情形下，直方图或密度曲线可能更合适。你或许不会将轴须图当做首要选择，但是在某些情形下是个不错的图形。

另一个和轴须图相似的图形类型是带状图。它和集群图相似（请参阅上一页），但是没有任何躲避或抖动现象，以分开数据点或避开分类线。你还可以将带状图看做根据分类级别分面的轴须图。可以使用 seaborn 的 swarmplot 函数向任何其他图形添加集群图。还可以在 violinplot 函数中使用 inner = "stick" 和 inner = "point" 选项 ，在小提琴区域（而不是箱线图）添加集群图。

plt.figure(figsize = [10, 5])
base_color = sb.color_palette()[0]

# left plot: strip plot
plt.subplot(1, 2, 1)
ax1 = sb.stripplot(data = df, x = 'num_var', y = 'cat_var',
                   color = base_color)

# right plot: violin plot with inner strip plot as lines
plt.subplot(1, 2, 2)
sb.violinplot(data = df, x = 'num_var', y = 'cat_var', color = base_color,
             inner = 'stick')

image.png