Python数据分析笔记#9.2.5 pandas绘制分面网格

「目录」

绘图和可视化

Plotting and Visualization

• 9.1 => matplotlib

• 9.2 => pandas和seaborn绘图

  -------> 线型图

  -------> 柱状图

  -------> 直方图和密度图

  -------> 散布图或点图

  -------> 分面网格（facet grid）

分面网格（facet grid）

seaborn的factorplot可以绘制分面网格，分面网格可以将多个分类变量的数据可视化，直接看下面例子就明白了：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

额，还是用原书作者提供的tips.csv里的数据，先使用pd.read_csv读取数据，然后显示前5行：

tips = pd.read_csv(r'.tips.csv')
tips.head()

我们新增一个列'tip_pct'来统计小费占总消费额的百分比：

tips['tip_pct'] = tips['tip'] / tips['total_bill']
tips.head()

分类变量：天day、时间time，查看消费总额

我们按照天/时间来查看消费总额，绘图形式为bar柱状图：

sns.factorplot(x = 'day', y = 'total_bill', hue = 'time', kind = 'bar', data = tips)

上面传入的kind='bar'会自动统计平均消费总额，传入kind=’swarm‘可以绘制散点图，可以更直观的看到最大值，最小值，以及密集分布的区域：

sns.factorplot(x = 'day', y = 'total_bill', hue = 'time', kind = 'swarm', data = tips)

分类变量：天day、时间time、是否吸烟smoker，查看消费总额

传入参数col=’smoker'来新增一列，现在可以按照天/时间/是否吸烟来查看消费总额了：

sns.factorplot(x = 'day', y = 'total_bill', hue = 'time', col = 'smoker', kind = 'swarm', data = tips)

分类变量：天day、时间time、是否吸烟smoker、聚会规模size，查看小费占比

我们还可以传入参数row来来扩展分面网格，比如通过传入row=‘time'，将上面的hue='time'改为hue='size'，我们现在可以按照天/时间/聚会规模/是否吸烟来查看小费占比：

sns.factorplot(x = 'day', y = 'tip_pct', hue = 'size', col = 'smoker', row = 'time', kind = 'swarm', data = tips)

就这样吧，bye-bye

往期回顾