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
  • 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
    • 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 роевые графики и когда их следует использовать?
  • Понимание функции Seaborn swarmplot
  • Как создать роевой участок в Seaborn
  • Как добавить цвет для дополнительных переменных на графиках Seaborn Swarm
  • Как уклоняться от разных цветов на участках Seaborn Swarm
  • Как изменить прозрачность участков роя Seaborn
  • Как добавить графики Swarm к графикам Seaborn Violin
  • Как изменить палитру сюжета Seaborn Swarm
  • Как добавить заголовки и метки осей к графикам Seaborn Swarm
  • Заключение
  • Дополнительные ресурсы
  1. Учебники Matplotlib и Seaborn
  2. Seaborn

Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных

PreviousSeaborn Countplot – Подсчет категориальных данных в PythonNextСкрипичные графики Seaborn в Python: Полное руководство

Last updated 1 month ago

Функция swarmplot в Seaborn позволяет создавать визуализации данных, которые легко и эффективно показывают числовое распределение данных по категориям. Существует множество функций для этого: boxplot и violin plot — это две из них, но они могут быть сложными для понимания нетехническими аудиториями.

Это то место, где график роя (или beeswarm plot) может быть очень полезен! На самом деле, график роя можно комбинировать с диаграммой размаха или виолончельным графиком для добавления дополнительных деталей. В этом руководстве вы узнаете, как использовать функцию swarmplot из Seaborn для создания диаграмм рассеяния роя, чтобы легко визуализировать числовые распределения по категориальным переменным.

В конце этого руководства вы изучите следующее:

  • Как понять и использовать функцию Seaborn sns.swarmplot()

  • Когда роевые диаграммы являются хорошей альтернативой простым диаграммам рассеяния, диаграммам ящиков и диаграммам скрипки

  • Как настроить графики роя Сиборна, чтобы добавить больше деталей с помощью цвета и форм маркеров

  • Как настроить метки, заголовки и многое другое

Оглавление

Что такое роевые графики и когда их следует использовать?

Прежде чем приступить к созданию диаграмм типа swarm в Seaborn, давайте разберемся, что это такое и почему они полезны. Визуализация числовых распределений по категориальным переменным может быть сложной задачей. Например, использование таких методов, как столбчатые диаграммы, требует агрегировать значения в одно, например, среднее значение распределения. Использование таких визуализаций, как точечные диаграммы, может привести к результатам, которые трудно интерпретировать.

Графики роя аналогичны полосовым графикам, однако они добавляют распределение точек данных. Эти графики помогают лучше понять распределение данных в концентрированных областях. В отличие от полосовых, графики роя обеспечивают большую наглядность, облегчая просмотр точек данных без наложений.

Узнать больше о вышеупомянутых графиках можно в моих ресурсах:

  • Seaborn strip plots

Понимание функции Seaborn swarmplot

Функция swarmplot() в Seaborn предлагает множество параметров, которые позволяют значительно настраивать графики. На самом деле, параметров так много, что мы сосредоточимся в основном на тех, которые вы будете использовать чаще всего:

seaborn.swarmplot(data=None, *, x=None, y=None, hue=None, order=None, hue_order=None,
dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0,
hue_norm=None, native_scale=False, formatter=None, legend='auto', warn_thresh=0.05,
ax=None, **kwargs)

Мы видим, что существует большое количество параметров. Давайте разберем важные параметры функции swarmplot() из библиотеки Seaborn. Мы будем использовать эти параметры на протяжении всего руководства:

  • data= определяет данные, которые мы хотим использовать, такие как DataFrame библиотеки Pandas.

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

  • hue= добавляет другое измерение к графику, используя разные цвета для различных переменных.

  • dodge= позволяет разделить цвета в одной и той же категории на две разные группы

  • alpha= позволяет вам изменить прозрачность точек. Обратите внимание, что это не является явным параметром функции, но может быть передано с использованием дополнительных аргументов ключевых слов функции scatterplot библиотеки Matplotlib.

Теперь, когда вы хорошо понимаете важные параметры функции swarmplot в Seaborn, давайте рассмотрим, как создать график с ее помощью.

Как создать роевой участок в Seaborn

Так как Seaborn использует общую структуру для своих функций, создание диаграммы типа "рой" простое и интуитивно понятное. Мы можем просто передать DataFrame и метки столбцов в параметры data=, x=, и y= функции sns.swarmplot(). Давайте посмотрим, как можно создать простой график роя пчел в Seaborn:

# Как создать 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 коде выше мы передали наш DataFrame, df, в параметр data=. Аналогично, поскольку мы используем Pandas DataFrame, мы можем передавать метки столбцов как строки в соответствующие параметры оси x и оси y. Это возвращает следующее изображение:

В следующем разделе вы узнаете, как добавить дополнительные переменные к диаграммам роения, используя дополнительные цвета.

Как добавить цвет для дополнительных переменных на графиках Seaborn Swarm

В созданном выше точечном графике мы отобразили информацию в двух измерениях. Мы можем добавить третий параметр на график, используя параметр hue=. Это добавит дополнительную колонку данных, разбивая переменную на разные цвета.

# Как добавить еще одну переменную с цветом в 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 коде выше мы добавили hue='sex', что разделило значения в этом столбце на разные цвета. Это возвращает изображение ниже, где точки разделены на разные цвета.

Мы видим, что точки добавлены. Однако из-за того, что они перекрываются в категориях, может быть трудно увидеть, где они сгруппированы. Вы узнаете, как решить эту проблему, в следующем разделе.

Как уклоняться от разных цветов на участках Seaborn Swarm

По умолчанию точки на ленточном графике перекрываются в разных категориях. Это может затруднить восприятие кластеров значений. Чтобы решить эту проблему, мы можем разделить группы на отдельные кластеры. Таким образом, мы можем увидеть, сколько точек данных попадает в каждую подкатегорию. Для этого мы устанавливаем булев параметр dodge= в True.

# Как изменить прозрачность 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 кодовом блоке выше мы изменили параметр dodge= для разделения точек на соответствующие группы. Это привело к получению следующего изображения:

В следующем разделе вы узнаете, как использовать графики-свормы, изменяя прозрачность.

Как изменить прозрачность участков роя Seaborn

В некоторых случаях точки на рой-диаграмме будут перекрываться. В таких ситуациях невозможно увидеть, сколько точек на самом деле сгруппированы в данной позиции. В этих случаях мы можем изменить прозрачность отдельных точек, чтобы лучше понять кластеризацию.

Посмотрим, как использовать параметр alpha= для изменения прозрачности. Аргумент принимает значение с плавающей запятой от 0.0 до 1.0, где меньшие значения обозначают более высокую прозрачность.

# Как изменить прозрачность seaborn Strip Plot

import seaborn as sns
import matplotlib.pyplot as plt

df = sns.load_dataset('penguins')
sns.set_palette('Set2')
sns.swarmplot(data=df, x='island', y='bill_length_mm', alpha=0.35)
plt.show()

На изображении ниже показано, как мы успешно изменили прозрачность отдельных элементов.

В следующем разделе вы узнаете, как творчески использовать графики роев, добавляя их к виолончельным графикам.

Как добавить графики Swarm к графикам Seaborn Violin

Мы можем объединить сварам-плот с виолончельным графиком Seaborn, чтобы помочь пользователям лучше понять виолончельный график. Seaborn упрощает это, просто вызывая обе функции. Seaborn затем добавит графики к тому же объекту осей. Посмотрим, как это выглядит:

# Как наложить Strip Plot на Violin Plot в 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()

Используя функции плотности для скрипки и роя, Seaborn отображает их в одном визуализации. Это возвращает следующий график:

Мы видим, что это позволяет пользователям лучше понять основное распределение в графике скрипки Seaborn.

Как изменить палитру сюжета Seaborn Swarm

Seaborn позволяет легко изменить цветовую палитру вашего графика. Один из способов сделать это — вызвать функцию sns.set_palette() и передать в нее именованную палитру. Давайте посмотрим, как можно использовать палитру 'Set2', которая возвращает более мягкую, пастельную цветовую схему.

# Как изменить палитру 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()

При передаче палитры 'Set2', Seaborn создаёт следующий изображение нашего swarmplot.

В следующем разделе вы узнаете, как добавить заголовки и подписи к осям к вашему графику beeswarm в Seaborn.

Как добавить заголовки и метки осей к графикам Seaborn Swarm

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

  • ax.set_title(), чтобы задать заголовок

  • ax.set_xlabel(), чтобы установить метку оси x

  • Используйте ax.set_ylabel() для установки метки по оси Y.

Существует множество различных вариантов настройки, которые позволяют добавлять гибкость в стилизацию заголовков и меток осей в Seaborn. Давайте посмотрим, как это выглядит:

# Как добавить заголовок и метки осей к 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('Длина клюва по островам', fontdict={'size':18})
chart.set_xlabel('Длина клюва (мм)', fontdict={'weight':'bold'})
chart.set_ylabel('Остров', fontdict={'weight':'bold'})
plt.show()

Мы видим, что смогли добавить метку и настроить её с помощью параметра fontdict=. Этот параметр позволяет задавать настройки в соответствии с опциями стилизации текста

Мы видим, что это добавляет больше деталей к графикам в Seaborn, делая их содержание гораздо более понятным для читателя.

Заключение

В этом уроке вы узнали, как создавать точечные графики с помощью функции sns.swarmplot() в библиотеке Seaborn. Точечные графики, или beeswarm-графики, представляют собой точечные диаграммы, отображающие непрерывные данные над категориальными данными. Они расширяют полосатые диаграммы, добавляя больше расстояния между данными.

Сначала вы узнали, как работают параметры функции и какие из них наиболее важны. Затем вы научились создавать простой диаграмму-рой и улучшать её, изменяя используемые цвета. После этого вы сделали график более четким, добавив разделение между цветами. Далее, вы наложили диаграмму-рой на диаграмму-скрипку, чтобы сделать её более понятной для нетехнических аудиторий. Наконец, вы узнали, как настраивать диаграммы, изменяя цветовую палитру и добавляя заголовки и подписи к осям на графике.

Дополнительные ресурсы

Чтобы узнать больше о связанных темах, ознакомьтесь с ресурсами ниже

  • Seaborn Boxplot – Как создать диаграммы типа «ящик с усами»

  • Seaborn Violin Plots in Python: полное руководство

  • Seaborn Pointplot: Центральная Тенденция для Категориальных Данных

Seaborn scatter plots
Seaborn violin plots
Seaborn box and whisker plots
Seaborn catplot – визуализация категориальных данных на Python
Seaborn Countplot – Подсчет категориальных данных в Python
Seaborn stripplot: графики джиттера для распределений категориальных данных
Seaborn swarmplot(): Официальная документация
Что такое роевые графики и когда их следует использовать?
Понимание функции Seaborn swarmplot
Как создать роевой участок в Сиборне
Как добавить цвет для дополнительных переменных на графиках Seaborn Swarm
Как уклоняться от разных цветов на участках Seaborn Swarm
Как изменить прозрачность участков роя Seaborn
Как добавить графики Swarm к графикам Seaborn Violin
Как изменить палитру сюжета Seaborn Swarm
Как добавить заголовки и метки осей к графикам Seaborn Swarm
Заключение
Дополнительные ресурсы
Сравнение роевых диаграмм с различными визуализациями данных
Создание простого графика Seaborn Swarm
Добавление еще одного измерения к графикам Seaborn Swarm с помощью оттенка
Уклонение от категорий цветов на графиках Seaborn Swarm
Изменение прозрачности в графиках Seaborn Swarm
Добавление участков Seaborn Swarm к участкам Violin
Изменение палитры в сюжете Seaborn Swarm
Добавление названий и меток осей к графикам Seaborn Swarm