无涯教程-Seaborn - 多面板分类图

无涯教程可以使用两个图表来可视化分类数据，您可以使用功能 pointplot()或更高级别的功能 factorplot()。

Factorplot

Factorplot在FacetGrid上绘制分类图。使用“kind”参数，可以选择类似boxplot，violinplot，barplot和stripplot的图。FacetGrid默认使用pointplot。

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()

可以使用 kind 参数使用不同的图来可视化相同的数据。

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()

在factorplot中，数据绘制在构面网格上。

Facet Grid

Facet网格通过划分变量形成由行和列定义的面板矩阵。由于面板的原因，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帮助。

让无涯教程用一个示例形象化上面的定义

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()

使用Facet的好处是，可以在绘图中输入另一个变量。上面的图根据使用" col"参数的第三个变量" diet"分为两个图。

无涯教程可以创建许多列构面，并将它们与网格的行对齐-

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()

参考链接

www.learnfk.com/seaborn/sea…