Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Что такое полосовые сюжеты и когда вы хотите их использовать?
  • Понимание функции Seaborn stripplot
  • Как создать ленточный график в Seaborn
  • Как добавить цвет для дополнительных переменных на полосовых диаграммах Seaborn
  • Как изменить прозрачность на полосовых диаграммах Seaborn
  • Как добавить полосовые сюжеты к графикам Seaborn Violin
  • Как изменить палитру ленточного графика Seaborn
  • Как добавить заголовки и метки осей к полосовым диаграммам Seaborn
  • Заключение
  • Дополнительные ресурсы
  1. Учебники Matplotlib и Seaborn
  2. Seaborn

Seaborn stripplot: Jitter Plots для распределений категориальных данных

PreviousСредняя тенденция для категориальных данных в Seaborn PointplotNextSeaborn Countplot – Подсчет категориальных данных в Python

Last updated 1 year ago

Функция stripplot в библиотеке Seaborn позволяет создавать визуализации данных, которые легко и эффективно показывают числовое распределение данных по категориям. Не так много функций, которые позволяют это сделать: boxplot и violin plot — это две из них, но они могут быть сложными для аудитории, не владеющей техническими знаниями.

Это то, где на помощь приходит стрип-плот (или джиттер-плот)! Фактически, стрип-плот можно комбинировать с графиком рамки и усов или с графиком виолончели, чтобы добавить дополнительные детали. В этом руководстве вы узнаете, как использовать функцию stripplot из Seaborn для создания джиттер-диаграмм рассеивания для легкой визуализации числовых распределений по категориальным переменным.

К концу этого руководства вы научитесь следующему:

  • Как понимать и использовать функцию Seaborn sns.stripplot()

  • Когда диаграммы с джиттером являются хорошей альтернативой простым точечным диаграммам, ящичным диаграммам и виолончельным диаграммам

  • Как настроить строчные графики Seaborn для добавления деталей с помощью цвета и форм маркеров

  • Как настроить метки, заголовки и другие элементы

Содержание

Что такое полосовые сюжеты и когда вы хотите их использовать?

Прежде чем приступить к созданию полосчатых графиков Seaborn, давайте разберемся, что это такое и почему они полезны. Визуализация числовых распределений по категориям может быть сложной задачей. Например, используя такие техники, как столбчатые диаграммы, необходимо агрегировать значения в одно. Использование таких визуализаций, как точечные диаграммы, приводит к результатам, которые могут быть трудными для понимания (посмотрите на верхний правый визуал ниже).

Понимание функции Seaborn stripplot

Функция stripplot() в Seaborn предлагает много различных параметров. Они позволяют значительно настроить графики. Давайте рассмотрим параметры, доступные в функции stripplot Seaborn:

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

Мы видим, что есть много параметров. Давайте разберем важные параметры функции stripplot() в Seaborn:

  • data= определяет данные, которые мы хотим использовать, например, Pandas DataFrame

  • x= и y= определяют ряды данных или метки столбцов, которые мы хотим использовать для оси x и оси y соответственно

  • hue= добавляет еще одно измерение к графику, используя разные цвета для различных переменных

  • alpha= позволяет изменять прозрачность точек. Обратите внимание, что это не явный параметр функции, но его можно передать, используя дополнительные именованные аргументы функции scatterplot в Matplotlib.

Теперь, когда у вас есть хорошее понимание важных параметров функции stripplot из Seaborn, давайте приступим к созданию графика с использованием этой функции.

Как создать ленточный график в Seaborn

Для создания strip plot в Seaborn, вы можете передать DataFrame из Pandas и два названия столбцов (для оси x и оси y) в функцию sns.stripplot(). Поскольку Seaborn использует общую структуру для своих функций, создание strip plot просто и интуитивно понятно. Давайте посмотрим, как можно создать простой jitter plot в Seaborn:

# How to Create a Seaborn Split Plot
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('penguins')

sns.stripplot(data=df, x='island', y='bill_length_mm')
plt.show()

В приведенном выше блоке кода мы передали наш DataFrame, df, в параметр data=. Аналогично, поскольку мы используем Pandas DataFrame, мы можем передавать метки столбцов как строки в соответствующие параметры осей x и y. Это возвращает следующее изображение:

В следующем разделе вы узнаете, как добавить дополнительные переменные к стрип-плотам, используя дополнительные цвета.

Как добавить цвет для дополнительных переменных на полосовых диаграммах Seaborn

В созданном выше графике мы добавили информацию по двум измерениям. Мы можем добавить третью переменную, используя параметр hue=. Это добавляет дополнительную колонку данных, разделяя переменную на разные цвета.

# How to Add Another Variable with Color to a Seaborn Split Plot
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('penguins')

sns.stripplot(data=df, x='island', y='bill_length_mm', hue='sex')
plt.show()

В приведённом выше коде мы добавили hue='sex', который разделяет значения в этом столбце на разные цвета. Это возвращает изображение ниже, где точки разделены на разные цвета.

Мы видим, что точки были добавлены. Однако, из-за их полной непрозрачности, может быть трудно увидеть, где они сконцентрированы. Вы узнаете, как это исправить, в следующем разделе.

Как изменить прозрачность на полосовых диаграммах Seaborn

По умолчанию точки на ленточном графике полностью непрозрачны. Это может затруднить восприятие различных кластеров значений. Чтобы решить эту проблему, мы можем изменить прозрачность каждого маркера, используя параметр alpha=. Параметр принимает значение от 0 до 1, где более низкие значения более прозрачны.

# How to Change the Transparency of a Seaborn Split Plot
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('penguins')

sns.stripplot(data=df, x='island', y='bill_length_mm', hue='sex', alpha=0.35)
plt.show()

В приведенном выше фрагменте кода мы указали alpha=0.35, что устанавливает прозрачность на 35%. Это возвращает изображение ниже, где перекрывающиеся значения становятся намного яснее.

В следующем разделе вы узнаете, как творчески использовать джиттер-плоты, добавляя их к виолончельным графикам.

Как добавить полосовые сюжеты к графикам Seaborn Violin

Мы можем объединить strip-диаграмму с violin-диаграммой в Seaborn, чтобы пользователи лучше поняли violin-диаграмму. С Seaborn это просто: нужно вызвать обе функции. Seaborn добавит диаграммы на тот же объект оси. Давайте посмотрим, как это выглядит:

# How to Overlay a Strip Plot over a Violin Plot in Seaborn
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('penguins')

sns.violinplot(data=df, x='island', y='bill_length_mm', )
sns.stripplot(data=df, x='island', y='bill_length_mm', alpha=0.25, color='black')
plt.show()

Вызов функций скрипичного и точечного графиков в Seaborn отображает оба этих графика в одной визуализации. Это возвращает следующую визуализацию данных:

Мы можем видеть, что это позволяет пользователям лучше понять основное распределение на графике скрипки в Seaborn.

Как изменить палитру ленточного графика Seaborn

Seaborn позволяет легко изменять палитру цветов вашего графика. Один из способов сделать это - вызвать функцию sns.set_palette() и передать ей именованную палитру. В примере ниже мы используем палитру 'Set2'

# How to Change the Palette of a Seaborn Strip Plot
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('penguins')
sns.set_palette('Set2')
sns.stripplot(data=df, x='island', y='bill_length_mm', hue='sex', alpha=0.35)
plt.show()

Передав палитру 'Set2', Seaborn создает следующее изображение:

В следующем разделе вы узнаете, как добавить заголовки и метки осей к вашему графику разброса в Seaborn.

Как добавить заголовки и метки осей к полосовым диаграммам Seaborn

По умолчанию Seaborn не включает заголовок, но добавляет метки столбцов в качестве меток осей x и y. Мы можем изменить это, используя следующие методы:

  • ax.set_title(), чтобы установить заголовок,

  • ax.set_xlabel(), чтобы установить метку оси X, и

  • ax.set_ylabel() для установки метки оси Y

Параметры настройки Seaborn

# How to Add a Title and Axis Labels to a Seaborn Strip Plot
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('penguins')
sns.set_palette('Set2')
chart = sns.stripplot(data=df, x='island', y='bill_length_mm', hue='sex', alpha=0.35)

chart.set_title('Bill Length by Island', fontdict={'size':18})
chart.set_xlabel('Bill Length (mm)', fontdict={'weight':'bold'})
chart.set_ylabel('Island', fontdict={'weight':'bold'})
plt.show()

Мы видим, что смогли добавить метку и настроить её, используя параметр fontdict=. Этот параметр позволяет применять настройки на основе вариантов оформления текста в Matplotlib.

Видно, что это добавляет много деталей к графикам в Seaborn, делая их более понятными для читателя.

Заключение

В этом уроке вы узнали, как создавать точечные графики в Seaborn с помощью функции sns.stripplot(). Точечные графики, или графики с рассеиванием, представляют собой диаграммы рассеивания, отображающие непрерывные данные в категориальных данных. Добавляя небольшое количество смещения к точкам, данные становятся более заметными.

Сначала вы узнали, как работают параметры функции и какие параметры являются наиболее важными. Затем вы научились создавать простой диаграмму разброса и улучшать её, изменяя используемые цвета. Далее вы научились делать график более чётким, добавляя прозрачность. После этого вы наложили точечный график на скрипичную диаграмму, чтобы сделать его более понятным для нетехнической аудитории. Наконец, вы узнали, как настраивать графики, изменяя палитру цветов и добавляя заголовки и метки осей.

Дополнительные ресурсы

Чтобы узнать больше по смежным темам, ознакомьтесь с ресурсами ниже:

  • Seaborn Catplot — Визуализация категориальных данных в Python

  • Seaborn Boxplot – Как создать прямоугольные и усовые диаграммы

  • Графики Seaborn Violin на Python: полное руководство

  • Seaborn barplot() – создание гистограмм с помощью sns.barplot()

  • Seaborn Countplot — подсчет категориальных данных в Python

  • Swarmplot Seaborn: графики пчелиного роя для распределения категориальных данных

  • График Seaborn Pointplot: центральная тенденция для категориальных данных

Взгляните на графики ниже, которые сравнивают различные варианты визуализации, включая (strip plots), () и ящики с усами ()

Сравнение полосовых диаграмм с различными визуализациями данных

Здесь полезны strip графики. Они добавляют некоторый шум к точкам, чтобы лучше понять распределение различных данных. Это похоже на , которая добавляет более структурированный шум к графикам.

Создание простого ленточного графика Сиборна
Добавление еще одного измерения к полосовым диаграммам Сиборна с помощью оттенка
Изменение прозрачности в полосовых диаграммах Seaborn
Добавление полосовых сюжетов Seaborn к сюжетам скрипки
Изменение палитры на ленточном графике Seaborn

Существует множество различных параметров настройки, которые позволяют добавить гибкость в то, как ваши . Давайте посмотрим, как это выглядит:

Добавление заголовков и меток осей к полосовым диаграммам Seaborn

диаграммы разброса
скрипичные графики
violin plots
box and whisker plots
функцию swarmplot
заголовки и метки осей в Seaborn стилизованы
Seaborn Stripplot(): Официальная документация
Что такое полосовые сюжеты и когда вы хотите их использовать?
Понимание функции Seaborn stripplot
Как создать ленточный график в Seaborn
Как добавить цвет для дополнительных переменных на полосовых диаграммах Seaborn
Как изменить прозрачность на полосовых диаграммах Seaborn
Как добавить полосовые сюжеты к графикам Seaborn Violin
Как изменить палитру ленточного графика Seaborn
Как добавить заголовки и метки осей к полосовым диаграммам Seaborn
Заключение
Дополнительные ресурсы
Adding Seaborn Strip Plots to Violin Plots
Comparing Strip Plots to Different Data Visualizations
Modifying Transparency in Seaborn Strip Plots
Changing the Palette in a Seaborn Strip Plot
Adding Titles and Axis Labels to Seaborn Strip Plots
Adding Another Dimension to Seaborn Strip Plots with hue
Creating a Simple Seaborn Strip Plot