原文鏈接：http://tecdat.cn/?p=5261

首先介紹一下Iris鳶尾花數(shù)據(jù)集，內(nèi)容摘自百度百科：Iris數(shù)據(jù)集是常用的分類實(shí)驗(yàn)數(shù)據(jù)集，由Fisher, 1936收集整理。“Iris也稱鳶尾花卉數(shù)據(jù)集，是一類多重變量分析的數(shù)據(jù)集。數(shù)據(jù)集包含150個(gè)數(shù)據(jù)集，分為3類，每類50個(gè)數(shù)據(jù)，每個(gè)數(shù)據(jù)包含4個(gè)屬性。可通過(guò)花萼長(zhǎng)度，花萼寬度，花瓣長(zhǎng)度，花瓣寬度4個(gè)屬性預(yù)測(cè)鳶尾花卉屬于（Setosa，Versicolour，Virginica）三個(gè)種類中的哪一類”。

導(dǎo)入庫(kù)

讀取數(shù)據(jù)

數(shù)據(jù)字段介紹：

• sepal_length:花萼長(zhǎng)度，單位cm

• sepal_width:花萼寬度，單位cm

• petal_length:花瓣長(zhǎng)度，單位cm

• petal_width:花瓣寬度，單位cm

• 種類:setosa(山鳶尾)，versicolor(雜色鳶尾)，virginica(弗吉尼亞鳶尾)

在做categorical visualization的時(shí)候，seaborn給出了基礎(chǔ)的stripplot & swarmplot, boxplot & violinplot, barplot & pointplot,以及抽象化的factorplot.下面就用紙鳶花數(shù)據(jù)集做一下講解。

StripplotStripplot的本質(zhì)就是把數(shù)據(jù)集中具有quantitative屬性的變量按照類別去做散點(diǎn)圖(Scatterplot)。

我們將紙鳶花數(shù)據(jù)集中不同種類花的sepal length做stripplot可視化

plt.show()

上邊左側(cè)的圖片便是在默認(rèn)風(fēng)格下用stripplot繪制的散點(diǎn)圖。在很多情況下，stripplot中的點(diǎn)會(huì)重疊，使得我們不容易看出點(diǎn)的分布情況。一個(gè)簡(jiǎn)單的解決辦法就是用在stripplot的基礎(chǔ)上繪制抖動(dòng)圖(jitterplot)，僅沿著類別坐標(biāo)軸的方向去隨機(jī)微調(diào)整點(diǎn)的位置，顯示出分布情況。

Swarmplot另一個(gè)解決stripplot中點(diǎn)重疊的辦法就是繪制swarmplot,它的本質(zhì)就是用通過(guò)算法，在類別坐標(biāo)軸的方向上去‘延展’繪制這些原本重合的點(diǎn)。 我們將紙鳶花數(shù)據(jù)集中不同種類花的petal length和petal width做swarmplot可視化。

plt.subplot(1,2,1)sns.swarmplot(x='Species',y='Petal.Length',data=iris)plt.show()

Boxplot箱形圖，主要包含六個(gè)數(shù)據(jù)節(jié)點(diǎn)，將一組數(shù)據(jù)從大到小排列，分別計(jì)算出上邊緣，上四分位數(shù)Q3，中位數(shù)，下四分位數(shù)Q1，下邊緣，還有異常值。 下面將紙鳶花數(shù)據(jù)集中的四個(gè)變量sepal_length, sepal_width, petal_length和petal_width做箱形圖可視化。

fig = plt.figure(1,figsize=(12,12))plt.show()

Violinplot

Violinplot相當(dāng)于結(jié)合了箱形圖與核密度圖，更好地展現(xiàn)出數(shù)據(jù)的量化形態(tài)。展示如下：

plt.figure(1,figsize=(12,12))for i in range(4):plt.show()

Violinplot用kernel density estimate去更好地描述了quantitative變量的分布。

與此同時(shí)，也可以組合swarmplot和boxplot或violinplot去描述quantitative變量。用鳶尾花數(shù)據(jù)集展示如下：

In [8]:plt.figure(1,figsize=(12,12))plt.title(str(var[i])+ ' in Iris species')plt.show()

BarplotBarplot主要是展現(xiàn)在分類中的quantitative變量的平均值情況，并且用了boostrapping算法計(jì)算了估計(jì)值的置信區(qū)間和error bar.用鳶尾花數(shù)據(jù)集展示如下：

Countplot如果想知道在每個(gè)類別下面有多少個(gè)觀察值，用countplot就可以，相當(dāng)于是做一個(gè)observation counts，用鳶尾花數(shù)據(jù)集展示如下：

PointplotPointplot相當(dāng)于是對(duì)barplot做了一個(gè)橫向延伸，一方面，用point estimate和confidence level去展示barplot的內(nèi)容；另一方面，當(dāng)每一個(gè)主類別下面有更細(xì)分的sub-category的時(shí)候，pointplot可以便于觀察不同sub-category在各主類別之間的聯(lián)系。展示如下：

FactorplotFactorplot可以說(shuō)是seaborn做category visualization的精髓，前面講的這些plot都可以說(shuō)是factorplot的具體展示。我們可以用PariGrid去實(shí)現(xiàn)對(duì)多個(gè)類別的數(shù)值特征用同一種plot做可視化。

In [12]:g.map(sns.violinplot,palette='pastel')plt.show()

附上各plot function的API，今后將會(huì)對(duì)API中的參數(shù)結(jié)合tutorial講講，如何做出更好的可視化效果。更新ing

seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,ata=None, order=None, hue_order=None,bw='scott', cut=2, scale='area', scale_hue=True, gridsize=100, width=0.8, inner='box',split=False, dodge=True, orient=None, linewidth=None, color=None, palette=None,saturation=0.75, ax=None, **kwargs)seaborn.lvplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True,

小結(jié)

seaborn是一個(gè)很棒的可視化庫(kù)，尤其是當(dāng)數(shù)據(jù)維度很大的時(shí)候，seaborn可以讓我們用最少的代碼去繪制一些描述性統(tǒng)計(jì)的圖，便于找尋各維度變量之間的特征。此篇文檔也是我對(duì)seaborn的學(xué)習(xí)筆記，這次整理的內(nèi)容是關(guān)于category visualization。下次將會(huì)選取其他數(shù)據(jù)集去整理關(guān)于distribution visualization的內(nèi)容。