Seaborn – 多面板分类图

我们可以使用两个图表来显示分类数据，您可以使用函数 pointplot()，也可以使用更高级别的函数 factorplot().

Factorplot

Factorplot在FacetGrid上绘制分类图.使用'kind'参数，我们可以选择像boxplot，violinplot，barplot和stripplot这样的图. FacetGrid默认使用pointplot.

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

我们可以使用不同的图来使用种参数可视化相同的数据.

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，数据绘制在构面网格上.

W face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用.

让我们通过一个例子可视化上面的定义

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，我们可以在绘图中输入另一个变量.上面的图分为两个图，基于第三个变量，称为'diet'，使用'col'参数.

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()

输出