在統(tǒng)計關(guān)系可視化教程中，我們學(xué)會了使用多種不同的方式來展示一個數(shù)據(jù)集中多個變量之間的關(guān)系。在一系列的例子中，我們聚焦于那些關(guān)系主要存在于兩個數(shù)值型變量之間的情況。然而當(dāng)其中一個變量是分類（離散）變量時，我們不妨使用更加有針對性的可視化方法。
在seaborn中，有多種不同的方式來展示包含了分類數(shù)據(jù)的變量關(guān)系。正如relplot()和scatterplot()/lineplot()之間的關(guān)系一樣，我們可以使用catplot()函數(shù)來描述分類數(shù)據(jù)，也可以使用更多坐標(biāo)軸級別的繪圖函數(shù)來完成這些任務(wù)。catplot()提供了對這些axes-level的函數(shù)的整合，將他們放在了一個更高級別的統(tǒng)一的接口之中。
我們將分類可視化圖形分為三類，并且之后我們會詳細(xì)探討他們：
- 分類散點(diǎn)圖
-
stripplot(): 或catplot(kind="strip") -
swarmplot(): 或catplot(kind="swarm")
- 分類分布圖
-
boxplot(): 或catplot(kind="box") -
violinplot(): 或catplot(kind="violin") -
boxenplot(): 或catplot(kind="boxen")
- 分類統(tǒng)計估計圖
-
pointplot(): 或catplot(kind="point") -
barplot(): 或catplot(kind="bar") -
countplot(): 或catplot(kind="count")
這些分類從不同的粒度來展示數(shù)據(jù)。想要知道哪個更合適，就需要我們認(rèn)真思考我們到底要回答什么問題。catplot()提供的統(tǒng)一的API可以幫助我們輕松地在不同方法間切換并從不同的視角理解數(shù)據(jù)。
在這篇教程中，我們會主要使用圖形級別的整合接口：catplot()。我們已經(jīng)知道了這個函數(shù)是上邊那一系列繪圖方法的更高級別的整合接口，因此當(dāng)我們詳細(xì)討論到了某種圖形時，我們也會深涉及到這些稍底層的方法，這樣我們就不會錯過那些僅在某些方法中存在的API。
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="ticks", color_codes=True)
一、分類散點(diǎn)圖
catplot()默認(rèn)的處理方式就是散點(diǎn)圖。在繪制分類散點(diǎn)圖時，我們會遇到一個挑戰(zhàn)，當(dāng)在同一個類別中出現(xiàn)大量取值相同或接近的觀測數(shù)據(jù)時，他們會擠到一起。seaborn中有兩種分類散點(diǎn)圖，分別以不同的方式處理了這個問題。catplot()使用的默認(rèn)方式是stripplot()，它給這些散點(diǎn)增加了一些隨機(jī)的偏移量：
tips = sns.load_dataset("tips")
sns.catplot(x="day", y="total_bill", data=tips);
jitter參數(shù)控制著偏移量的大小，或者我們可以直接禁止他們偏移：
sns.catplot(x="day", y="total_bill", jitter=False, data=tips);
第二種解決方式使用算法避免了散點(diǎn)之間的重合。它提供了更好的方式來呈現(xiàn)觀測點(diǎn)的分布，但是它僅適用于較小的數(shù)據(jù)集。這種圖被叫做蜂群圖，在seaborn中我們用swarmplot()或者catplot(kind="swarm")來繪制它：
sns.catplot(x="day", y="total_bill", kind="swarm", data=tips);
與關(guān)系圖(relplot())類似，我們也可以使用hue參數(shù)來增加一個新的維度（但是分類圖不支持size和style）。不同的分類圖對于hue參數(shù)的處理不太一樣，對于散點(diǎn)圖而言，它僅僅控制散點(diǎn)的顏色就足夠了：
sns.catplot(x="day", y="total_bill", hue="sex", kind="swarm", data=tips);
與連續(xù)數(shù)值型數(shù)據(jù)不同，如何在坐標(biāo)軸上對分類變量進(jìn)行排序并不總是那么顯而易見。一般情況下，seaborn分類圖函數(shù)會嘗試推斷數(shù)據(jù)集中分類的順序。如果你的數(shù)據(jù)是pandas的Categorical類型，那么默認(rèn)的分類順序可以在pandas中設(shè)置；如果數(shù)據(jù)看起來是數(shù)值型的（比如1，2，3...），那他們也會被排序。但是即使我們使用數(shù)字作為不同分類的標(biāo)簽，它們?nèi)匀皇潜划?dāng)做分類型數(shù)據(jù)按順序繪制在分類變量對應(yīng)的坐標(biāo)軸上的：
# 注意，2和4之間的距離與1和2之間的距離是一樣的，它們是不同的分類，只會排序，但是并不會改變它們在坐標(biāo)軸上的距離
sns.catplot(x="size", y="total_bill", kind="swarm", data=tips.query("size != 3"));
我們還可以通過order參數(shù)指定分類的順序，當(dāng)我們需要繪制多個分類變量圖時這一點(diǎn)會很重要：
sns.catplot(x="smoker", y="tip", order=["No", "Yes"], data=tips);
我們前邊涉及到過“分類坐標(biāo)軸”，在這些例子中，我們的分類水平都與水平坐標(biāo)軸綁定。但是有些時候我們把分類變量放在垂直坐標(biāo)軸上會更有幫助（尤其是當(dāng)分類名稱較長或者分類較多時）。我們只需要交換x和y分配的變量即可：
sns.catplot(x="total_bill", y="day", hue="time", kind="swarm", data=tips);
二、分類分布圖
當(dāng)數(shù)據(jù)集的大小越來越大，分類散點(diǎn)圖在表現(xiàn)不同分類的觀測值的分布信息時就越發(fā)顯得捉襟見肘。此時，我們有一些方法，能以清晰明了的對比方式來總結(jié)不同分類下的觀測值分布信息。
箱線圖
第一種就是我們的老朋友：箱線圖。它能在圖中展現(xiàn)出數(shù)據(jù)的上下四分位數(shù)、中文數(shù)以及一些極值。箱體上下方的須線會分別向上和向下延伸1.5倍IQR（上下四分位數(shù)之間的距離），落在這個區(qū)域之外的點(diǎn)會單獨(dú)顯示為離群點(diǎn)（異常值）。
sns.catplot(x="day", y="total_bill", kind="box", data=tips);
我們可以增加一個hue參數(shù)，這樣就可以進(jìn)一步增加一個維度來觀察數(shù)據(jù)分布：
sns.catplot(x="day", y="total_bill", hue="smoker", kind="box", data=tips);
這種操作叫做“dodging”，它會默認(rèn)保持打開，因?yàn)樗僭O(shè)hue參數(shù)對應(yīng)的變量與坐標(biāo)軸上的分類變量是相互嵌套的。假如事實(shí)并非如此，我們可以關(guān)閉“dodging”：
tips["weekend"] = tips["day"].isin(["Sat", "Sun"])
sns.catplot(x="day", y="total_bill", hue="weekend", kind="box", dodge=False, data=tips);
boxenplot()是一個與boxplot()相關(guān)的函數(shù)，它繪制的是與箱線圖相似但是能展示更多關(guān)于數(shù)據(jù)分布形狀的信息，它對大數(shù)據(jù)更加友好：
diamonds = sns.load_dataset("diamonds")
sns.catplot(x="color", y="price", kind="boxen", data=diamonds.sort_values("color"));
小提琴圖
另一種方法是violinplot()，它將箱線圖與核密度估計過程結(jié)合了起來：
sns.catplot(x="total_bill", y="day", hue="time", kind="violin", data=tips);
這種方法通過和密度估計提供了關(guān)于數(shù)據(jù)分布的更多信息。另外，箱線圖中的分位數(shù)和須線也都在小提琴圖中有所體現(xiàn)。但是由于小提琴圖引入了KDE（核密度估計），所以相對于簡單明了的箱線圖，我們可能需要調(diào)整更多的參數(shù)。
sns.catplot(x="total_bill", y="day", hue="time",
kind="violin", bw=.15, cut=0, data=tips);
當(dāng)一個額外的分類變量僅有2個水平時，我們也可以將它賦給hue參數(shù)，并且設(shè)置split=True，這樣我們可以更加充分地利用空間來表達(dá)更多信息：
sns.catplot(x="day", y="total_bill", hue="sex",
kind="violin", split=True, data=tips);
在小提琴圖中，我們有許多選項可以調(diào)整小提琴內(nèi)部的內(nèi)容，比如我們可以展示每個觀測點(diǎn)的位置而非統(tǒng)計量：
sns.catplot(x="day", y="total_bill", hue="sex",
kind="violin", inner="stick", split=True,
palette="pastel", data=tips);
我們還可以將swarmplot()或stripplot()與箱線圖或者小提琴圖結(jié)合起來，這樣我們就可以同時看到每個觀測值的分布以及關(guān)于分布形態(tài)的統(tǒng)計量情況（分位數(shù)、極值等）：
g = sns.catplot(x="day", y="total_bill", kind="violin", inner=None, data=tips)
sns.swarmplot(x="day", y="total_bill", color="k", size=3, data=tips, ax=g.ax);
三、分類統(tǒng)計估計圖
在某些應(yīng)用場景中，相對于展示每個分類的數(shù)據(jù)分布，我們可能更想展示每個分類中數(shù)據(jù)的集中趨勢估計（統(tǒng)計量，比如均值、中位數(shù)、方差等）。seaborn有兩種方式來展示此類信息。需要知道的是，這些函數(shù)基本的API與前邊提到的那些繪圖函數(shù)是一致的。
條形圖
一種常見的圖形是條形圖。在seaborn中，barplot()函數(shù)在整個數(shù)據(jù)集上運(yùn)行，并且應(yīng)用一個函數(shù)來獲得那些統(tǒng)計量（默認(rèn)為均值）。當(dāng)每個分類中有多個觀測值時，它還可以通過自助采樣法計算出一個置信區(qū)間，并且通過誤差棒的方式繪制出來。
titanic = sns.load_dataset("titanic")
sns.catplot(x="sex", y="survived", hue="class", kind="bar", data=titanic);
一個特例是我們想要展示每個分類下觀測值（樣本）的數(shù)量而非統(tǒng)計量。這就像是“屬于分類變量而非連續(xù)變量的直方圖”。在seaborn中，我們可以使用countplot()輕易地達(dá)成目的：
sns.catplot(x="deck", kind="count", palette="ch:.25", data=titanic);
barplot()和countplot()在調(diào)用的時候支持所有我們在上邊討論過的選項（參數(shù)），同時一些額外支持的參數(shù)在它們各自的詳細(xì)文檔中可以找到：
sns.catplot(y="deck", hue="class", kind="count",
palette="pastel", edgecolor=".6",
data=titanic);
點(diǎn)圖
我們也可以使用pointplot()來表現(xiàn)同樣的信息。點(diǎn)圖也使用高度來編碼統(tǒng)計量，但是區(qū)別在于它不會畫出一個完整的長條，而是用一個點(diǎn)以及置信區(qū)間來替代；另外，它還會將屬于同一個hue分類的點(diǎn)連起來。這樣，我們就可以很容易看到hue變量是如何影響坐標(biāo)軸上的分類變量的（交互作用），因?yàn)椴煌€條的斜率簡直是一目了然：
sns.catplot(x="sex", y="survived", hue="class", kind="point", data=titanic);
我們前邊提到，分類繪圖函數(shù)是沒有style這一參數(shù)的（在relplot()中有）。但是我們同樣可以修改線條和點(diǎn)的樣式，使得我們的圖片更有可讀性，甚至可以在黑白色調(diào)下表現(xiàn)分類信息（考慮到色盲讀者時，黑白色調(diào)會很有幫助）：
sns.catplot(x="class", y="survived", hue="sex",
palette={"male": "g", "female": "m"},
markers=["^", "o"], linestyles=["-", "--"],
kind="point", data=titanic);
四、繪制“寬表”數(shù)據(jù)
雖然我們推薦使用使用長數(shù)據(jù)或者整齊的數(shù)據(jù)（類似一維數(shù)組），但是寬表類的數(shù)據(jù)在seaborn中也是得到了支持的。寬表類數(shù)據(jù)是指二維的數(shù)據(jù)，比如pandas的DataFrame或者numpy的二維數(shù)組。這些對象可以直接傳遞給data參數(shù)。
iris = sns.load_dataset("iris")
sns.catplot(data=iris, orient="h", kind="box")
<seaborn.axisgrid.FacetGrid at 0x1a209cb860>
另外，那些坐標(biāo)軸級別的繪圖函數(shù)（而非圖形級別、整合后的API）可以接受類似向量的數(shù)據(jù)輸入（比如pandas的Series、numpy的一維數(shù)組）：
sns.violinplot(x=iris.species, y=iris.sepal_length);
想要控制上邊我們討論的圖形的大小和形狀，我們需要使用更底層的matplotlib設(shè)置項：
f, ax = plt.subplots(figsize=(7, 3))
sns.countplot(y="deck", data=titanic, color="c");
這就是當(dāng)我們想要讓一個分類圖在一個復(fù)雜圖片中與其他子圖和平共處時需要采用的方法。
五、使用子圖展示多重關(guān)系
與relplot()一樣，calplot()也是基于FacetGrid構(gòu)建，這意味著我們可以輕易地通過更多子圖來表現(xiàn)高維的關(guān)系：
sns.catplot(x="day", y="total_bill", hue="smoker",
col="time", aspect=.6,
kind="swarm", data=tips);
當(dāng)我們想要定制更多細(xì)節(jié)時，我們就需要使用FacetGrid對象支持的方法了：
g = sns.catplot(x="fare", y="survived", row="class",
kind="box", orient="h", height=1.5, aspect=4,
data=titanic.query("fare > 0"))
g.set(xscale="log");
