python 中数据二分类数据集 python分类统计数据

转载

mob64ca140fd7c1 2023-09-18 15:17:33

文章标签 python 中数据二分类数据集 python组合数据分类 ci 数据数据集 文章分类 Python 后端开发

上一课已经体验到了 Seaborn 相对 Matplotlib 的优势，本课将要介绍的是 Seaborn 对分类数据的统计，也是它的长项。

针对分类数据的统计图，可以使用 sns.catplot 绘制，其完整参数如下：

seaborn.catplot(x=None, y=None, hue=None, data=None, row=None, col=None, col_wrap=None, estimator=, ci=95, n_boot=1000, units=None, order=None, hue_order=None, row_order=None, col_order=None, kind='strip', height=5, aspect=1, orient=None, color=None, palette=None, legend=True, legend_out=True, sharex=True, sharey=True, margin_titles=False, facet_kws=None, **kwargs)

本课使用演绎的方式来学习，首先理解这个函数的基本使用方法，重点是常用参数的含义。

x，y，hue：参数 data 所设置的数据集中的特征，其中 hue 是嵌入到坐标系中的分类特征，x, y 分别是数据集中作为横纵轴的特征。

data：一个 DataFrame 对象，即数据集。

row，col：如果要绘制分区坐标系，用这两个参数分别设置了“坐标矩阵”的行列。例如，指定 col 的值为某一个分类特征，就会按照该分类特征数据属性，划分不同坐标系分区。

order，hue_order：字符串组成的列表，指定分类特征显示的顺序。

kind：这个参数很重要，默认值是 'strip'，其他取值还可以是：“point”、“bar”、“swarm”、“box”、“violin”or“boxen”，每个值都对应着一种专门的分类统计图，并且也对应着专有的函数，这是本课要重点阐述的。

palette：设置色彩方案。

其他的参数，根据名称也能基本理解。

下面就依据 kind 参数的不同取值，分门别类地介绍各种不同类型的分类统计图。

2.2.1 分类特征的散点图

kind = 'strip'，默认值，等同函数 sns.stripplot。

kind = 'swarm'，等同函数 sns.swarmplot。

读入数据集：

import seaborn as sns

sns.set(style="whitegrid")

exercise = sns.load_dataset("exercise")

exercise.sample(5)

avatar

然后用这个数据集制图，看看效果：

%matplotlib inline

sns.catplot(x="time", y="pulse", hue="kind", data=exercise) #①

输出结果：

enter image description here

毫无疑问，这里绘制的是散点图。但是，该散点图的横坐标是分类特征 time 中的三个值，并且用 hue='kind' 又将分类特征插入到图像中，即用不同颜色的的点代表又一个分类特征 kind 的值，最终得到这些类别组合下每个记录中的 pulse 特征值，并以上述图示表示出来。也可以理解为，x='time', hue='kind' 引入了图中的两个特征维度。

语句 ① 中，就没有特别声明参数 kind 的值，此时是使用默认值 'strip'。

与 ① 等效的还有另外一个对应函数 sns.stripplot。

sns.stripplot(x="time", y="pulse", hue="kind", data=exercise) #②

输出结果：

enter image description here

② 与 ① 的效果一样。

不过，在 sns.catplot 中的两个参数 row、col，在类似 sns.stripplot 这样的专有函数中是没有的。因此，下面的图，只有用 sns.catplot 才能简洁直观。

sns.catplot(x='time', y='pulse', hue='kind', col='diet', data=exercise, kind='strip') #③

输出结果：

enter image description here

不过，如果换一个叫角度来说，类似 sns.stripplot 这样的专有函数，表达简单，参数与 sns.catplot 相比，有所精简，使用起来更方便。

seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=True, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)

仔细比较，sns.catplot 和 sns.stripplot 两者还是稍有区别的，虽然在一般情况下两者是通用的。

因此，不要追求某一个是万能的，各有各的用途，存在即合理。

不过，下面的声明请注意：如果没有非常的必要，比如绘制分区图，在本课中后续都演示如何使用专有名称的函数。

sns.stripplot

前面已经初步解释了这个函数，为了格式完整，这里再重复一下，即 sns.catplot 中参数 kind='strip'。

如果非要将此函数翻译为汉语，可以称之为“条状散点图”。以分类特征为一坐标轴，在另外一个坐标轴上，根据分类特征，将该分类特征数据所在记录中的连续值沿坐标轴描点。

从语句 ② 的结果图中可以看到，这些点虽然纵轴的数值有相同的，但是没有将它们重叠。因此，我们看到的好像是“一束”散点，实际上，所有点的横坐标都应该是相应特征分类数据，也不要把分类特征的值理解为一个范围，分散开仅仅是为了图示的视觉需要。

ax = sns.stripplot(x="time", y="pulse", data=exercise, jitter=0) #④

输出结果：

enter image description here

④ 相对 ② 的图示，在于此时同一纵轴值的都重合了——本来它们的横轴值都是一样的。实现此效果的参数是 jitter=0，它可以表示点的“振动”，如果默认或者 jitter=True，意味着允许描点在某个范围振动——语句 ② 的效果；还可设置为某个 0 到 1 的浮点，表示许可振动的幅度。请对比下面的操作。

ax = sns.stripplot(x="time", y="pulse", data=exercise, jitter=0.05)

输出结果：

enter image description here

语句 ② 中使用 hue='kind' 参数向图中提供了另外一个分类特征，但是，如果感觉图有点乱，还可以这样做：

ax = sns.stripplot(x="time", y="pulse", data=exercise, hue='kind',

dodge=True, palette='Set2') #⑤

输出结果：

enter image description here

dodge=True 的作用就在于将 hue='kind' 所引入的特征数据分开，相对 ② 的效果有很大差异。

并且，在 ⑤ 中还使用了 paletter='Set2' 设置了色彩方案。

sns.stripplot 函数中的其他有关参数，请读者使用帮助文档了解。

sns.swarmplot

此函数即 sns.catplot 的参数 kind='swarm'。

tips = sns.load_dataset("tips")

sns.swarmplot(x="day", y="total_bill", data=tips)

# 下面的语句，与之等效

# sns.catplot(x="day", y="total_bill", kind='swarm', data=tips)

输出结果：

enter image description here

再绘制一张简单的图，一遍研究这种图示的本质。

sns.swarmplot(x=tips["total_bill"])

输出结果：

enter image description here

此图只使用了一个特征的数据，简化表象，才能探究 sns.swarmplot 的本质。它同样是将该特征中的数据，依据其他特征的连续值在图中描点，并且所有点在默认情况下不彼此重叠——这方面与 sns.stripplot 一样。但是，与之不同的是，这些点不是随机分布的，它们经过调整之后，均匀对称分布在分类特征数值所在直线的两侧，这样能很好地表示数据的分布特点。但是，这种方式不适合“大数据”。

seaborn.swarmplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)

sns.swarmplot 的参数似乎也没有什么太特殊的。下面使用几个，熟悉一番基本操作。

在分类维度上还可以再引入一个维度，用不同颜色的点表示另外一种类别，即使用 hue 参数来实现。

sns.swarmplot(x="day", y="total_bill", hue="smoker", data=tips, palette="Set2")

输出结果：

enter image description here

这里用 hue = 'smoker' 参数又引入了一个分类特征，在图中用不同颜色来区分。

如果觉得会 smoker 特征的值都混在一起有点乱，还可以使用下面方式把他们分开——老调重弹。

sns.swarmplot(x="day", y="total_bill", hue="smoker", data=tips, palette="Set2", dodge=True)

输出结果：

enter image description here

生成此效果的参数就是 dodge=True，它的作用就是当 hue 参数设置了特征之后，将 hue 的特征数据进行分类。

2.2.2 分类特征的分布图