数量与分布可视化

1. Seaborn 与 Matplotlib

注意： 本地 VS Code 环境需先安装 Seaborn；Google Colab 已预装，无需安装。

pip install seaborn
import seaborn as sns  # 导入 Seaborn 库
import matplotlib.pyplot as plt  # 导入 Matplotlib 库

matplotlib.pyplot 通常缩写为 plt，以便快速调用绘图接口。不推荐使用完整路径：

    import matplotlib.pyplot     # 从 matplotlib.pyplot 接口导入 Matplotlib 库
    matplotlib.pyplot.plot(略)  # 用 .plot() 函数画图
    matplotlib.pyplot.show()     # 用 .show() 函数展示画好的图表

推荐写法：

    import matplotlib.pyplot as plt # 从 matplotlib.pyplot 接口导入 Matplotlib 库，并给予短称 'plt'
    plt.plot(略)                  # 用 .plot() 函数画图
    plt.show()                      # 用 .show() 函数展示画好的图表
  • mpl：matplotlib 的别名，用于全局配置、底层属性及高级子模块（色彩映射、3D 绘图等）。
  • plt：matplotlib.pyplot 的别名，用于快速创建和管理图表，是日常绘图的主要接口。

参考：matplotlib.pyplot 教程

df = sns.load_dataset('penguins')  # 用 Seaborn 加载一个自带的示例 dataset —— 企鹅 dataset
df.info()  # show info of df
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 344 entries, 0 to 343
Data columns (total 7 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   species            344 non-null    object 
 1   island             344 non-null    object 
 2   bill_length_mm     342 non-null    float64
 3   bill_depth_mm      342 non-null    float64
 4   flipper_length_mm  342 non-null    float64
 5   body_mass_g        342 non-null    float64
 6   sex                333 non-null    object 
dtypes: float64(4), object(3)
memory usage: 18.9+ KB

float 数据

长度、质量等浮点列为连续数值。有 true zero（0 代表”无”）的为 ratio data（如长度、质量）；无 true zero 的为 interval data（如温度）。

object 数据

种类名称（species）、岛名（island）等为 nominal data；性别（sex）为 ordinal data。

df.head()  # show the first 5 rows of df
species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex
0 Adelie Torgersen 39.1 18.7 181.0 3750.0 Male
1 Adelie Torgersen 39.5 17.4 186.0 3800.0 Female
2 Adelie Torgersen 40.3 18.0 195.0 3250.0 Female
3 Adelie Torgersen NaN NaN NaN NaN NaN
4 Adelie Torgersen 36.7 19.3 193.0 3450.0 Female 
df.tail()  # show the last 5 rows of df
species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex
339 Gentoo Biscoe NaN NaN NaN NaN NaN
340 Gentoo Biscoe 46.8 14.3 215.0 4850.0 Female
341 Gentoo Biscoe 50.4 15.7 222.0 5750.0 Male
342 Gentoo Biscoe 45.2 14.8 212.0 5200.0 Female
343 Gentoo Biscoe 49.9 16.1 213.0 5400.0 Male 
df.sample(5)  # show 5 random rows (随机展示五个条目)
species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex
280 Gentoo Biscoe 45.3 13.8 208.0 4200.0 Female
53 Adelie Biscoe 42.0 19.5 200.0 4050.0 Male
331 Gentoo Biscoe 49.8 15.9 229.0 5950.0 Male
219 Chinstrap Dream 50.2 18.7 198.0 3775.0 Female
81 Adelie Torgersen 42.9 17.6 196.0 4700.0 Male

注意：函数 (function) vs. 方法 (method)

df.info()、df.head()、df.tail()、df.sample() 均为 DataFrame 对象的方法，必须基于具体对象调用，不可独立使用。

pd.read_csv() 为 Pandas 预定义的函数，可直接调用：

    df = pd.read_csv('文件路径')   # 读取 csv 文件

df.sample() 则为对 df 对象操作的方法：

    df.sample(4)   # 任意选取四行

2. 绘制柱状图

2.1 用 Seaborn 绘制基础柱状图

2.1.1 基础柱状图

# 用 Seaborn 绘制基础柱状图
sns.barplot(data=df, x='island', y='body_mass_g')  #⭐1
plt.show()

# 👆调用 plt.show() 函数来展示 plot
# 也可以不写 plt.show()，jupyter notebook 或 google colab 会自动展示上面的图表
# 但画的图比较复杂时可能会在 output 里显示很多文字信息，因此最好每次都写 plt.show()

# ⭕【Barchart】
#   用 Seaborn 画 bar chart 时，默认输入的 x 轴值作为 category，y 轴值作为 amount
#   如果对于同一个 category，有多个 amount，则默认取平均值。可以通过修改【estimator参数】来改成别的值。

# ⭕【Error Bar】
#   黑色竖线是 error bar (误差线)。默认 sns.barplot() 函数中的【errorbar参数】 为 errorbar=('ci', 95)
#   意为使用 置信区间 (confidence interval) 公式计算误差 (error)，置信水平为 95% ("有 95% 的把握确定计算得出的结果就是误差区间")。
#   默认 error bar 显示为一条黑线，可以通过设置 errcolor 和 errwidth 等参数来进一步设置 error bar。

# 更改柱显示值为【总和】（默认为【平均值】）
sns.barplot(data=df, x='island', y='body_mass_g',estimator='sum')

#⭕【estimator参数】
#   默认 estimator='mean'，此处改成了 'sum' 来求每个岛上的企鹅总数

plt.show()

参考：sns.barplot() 函数的用法（estimator 参数）

# 展示你当前使用的 Seaborn 库的版本号
sns.__version__

# Seaborn 0.12 版本中，默认生成 bar chart 是不同颜色的 bar
# 但是这种颜色区分其实是 visual distraction，是 big duck
# 因为通过 x 轴上的名称标签已经可以区分这三个 bar 了，无需再用颜色区分

# 所以 Seaborn 0.13 版本中改进了这一点，全部默认为蓝色 bar
'0.13.2'
# 求所有来自【Biscoe岛】的企鹅的【体质量】的平均值
df.loc[(df['island']=='Biscoe'), 'body_mass_g'].mean()

#⭕注意：
#   这个值，即为刚才画的图表中，【Biscoe】bar 在 y轴 上对应的值。
#   因为【Biscoe岛】这个 category 下的【体质量】amount 有多个数值，调用 sns.barplot() 函数画图时默认取了平均值，并显示了误差范围（黑线）。
4716.017964071856

2.1.2 Count Plot

# 绘制计数图表
sns.countplot(data=df,x='species')

# 不同于 Bar Plot 需要输入两个轴的数据，计数图表只需要输入一个轴的数据，
# 他会自动统计每个 category 出现的次数，作为另一个轴的数据。
# 此处自动统计了 "每个种类的企鹅分别出现的次数"。

plt.show()

参考：sns.countplot() 用法

2.2 柱分组 & 去除误差线

使用 hue 参数按类别分组，设置 errorbar=None 去除误差线。

# 为了更好地展示信息，我们对 bar 进行分组，并去除 error bar (黑线)
sns.barplot(data=df, x='island', y='body_mass_g',errorbar=('ci',0),hue='sex')  #⭐2
plt.show()

#⭐2 在 ⭐1 的基础上，加入了两句 keyword argument：
# errorbar=('ci', 0) 和 hue='sex'
# 来设置 "误差线" 和 "色相" 两个参数

#⭕【errorbar参数】
#   errorbar=('ci',0) 代表 "按照置信区间 (ci) 计算公式求误差范围，其中置信水平为 0% (即，完全不相信) "，
#   而当置信水平为 0 的时候，置信区间的计算没有意义，没有误差范围。
#   即，没有 error bar。
#⭕【注意1】
#   此处完全可以直接设置 errorbar 参数为 errorbar=None，直接不计算误差范围（即，不显示黑线）。

#⭕【hue参数】
#   hue='sex' 意为用颜色/色相 (hue) 对 df 中的 'sex' attribute (性别列) 进行分组，并自动生成图例 (legend)。

参考：sns.barplot() 函数的用法（errorbar 参数、hue 参数）

2.3 旋转刻度标签

x 轴标签过长时，可用 plt.xticks() 旋转标签：

# 用 Matplotlib 库，让现在 x 轴的刻度标签(数字)分别旋转 45°
sns.barplot(data=df, x='island', y='body_mass_g',errorbar=('ci',0),hue='sex')  #⭐2
plt.xticks(rotation=45, ha='right')

# 【rotation参数】旋转的角度数，默认逆时针旋转。
# 【ha参数】horizontal alignment (水平对齐) 的缩写，ha='right' 意为刻度标签的右端与刻度线对齐。
# 详见链接 plt.xticks() 函数用法中，对于【kwargs】(keyword argument) 栏目的介绍

plt.show()

参考：plt.xticks() 函数用法（kwargs 栏目）

Wilke (2019, chap. 6.1) 建议：标签密集时，改为横向排版比旋转标签更易读：

# 在 ⭐2 的基础上，交换 xy 轴的数据，使表格横过来
sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex')  #⭐3
#⭕注意：
#   xy 轴的 data 交换后，Seaborn 默认让 nominal data (此处为岛的名称)
#   当 category，让 ratio data (此处为体质量) 当 amount；
#   而非仍然默认 x轴 为 category ，y轴 为 amount。

plt.show()

同样适用于 Count Plot：

# 以上技巧同样适用于 Count Plot
sns.countplot(data=df, y='species', hue='sex')

# 直接让 y轴 当 categories，并根据性别按照颜色分组。
# 此时 x轴 代表 "每种企鹅出现的次数"

plt.show()

2.4 设置总主题风格

# 设置 Seaborn 绘图的总主题风格
sns.set_theme(font_scale=1.2, style='darkgrid')

# 字号 1.2，风格深色带网格。
# ⭕注意：sns.set_theme() 是 Seaborn 的一个全局函数，针对接下来所有用 Seaborn 画的图，而不是仅限于此代码块；
#   而 ax.set() 等方法（下文提到），仅针对 ax 这个具体的图表。

sns.set_theme() 设置全局绘图主题，作用于之后所有 Seaborn 图表。调用 sns.reset_orig() 可恢复默认主题。

# 在新主题风格下用 Seaborn 画图
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex')  #还是⭐3，但定义了变量 ax，为了方便下一行 ax.set() 操作

# 然后，用 Matplotlib 库中的 ax.set() 方法 (method) ，给刚画的图表设置标题、标签等元素
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')

plt.show()

将 Seaborn 图表赋值给变量 ax 后，可调用 Matplotlib 方法进一步修改（类似将 DataFrame 赋值给 df 后再调用方法）。

注意：区分以下两者：

  • sns.set() / sns.set_theme()：Seaborn 全局主题设置函数（两者等价，sns.set_theme() 为首选）。
  • ax.set()：Matplotlib 中针对特定图表对象的方法，用于设置标题、轴标签等。

参考：
sns.set() 函数
sns.set_theme() 函数
ax.set() 方法

2.5 调整图例

无论 errorbar=None 还是 errorbar=('ci',0)，图例均可能遮挡图表，需用 sns.move_legend() 手动调整位置。

# errorbar 不存在
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')

plt.show()

# ⭕注：error bar 不存在，图例自动生成在右边

# errorbar 存在，但大小为0
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=('ci',0),hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')

plt.show()

#⭕注：error bar 存在但为 0，图例生成时自动避免了遮挡 error bar

# ⭐3
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')

# 在 ⭐3 基础上加了一句函数调整图例位置大小
sns.move_legend(ax,bbox_to_anchor=(0.5,-0.2),loc='upper center',ncols=2)

#⭕【obj参数】
#   obj 参数是 sns.move_legend() 函数括号内的第一个参数。
#   它是一个图表对象，作为需要移动图例的源图表对象，此处为 ax。

#⭕【loc参数】
#   Seaborn 中此处的 loc参数 默认可以为 字符串 (str) 或 整数 (int)。
#   默认的字符串有 'upper left' 'upper center' 'down right' 等，
#   让图例自动位于图表的左上角、上部居中、右下角等位置。
#⭕【注意】
#   只设置了 loc参数 而不设置 bbox_to_anchor参数 时，loc 参数 代表 "图例位于整个图表的 XX (e.g. 右上角)"
#   而当同时设置了 loc参数 和 bbox_to_anchor参数 时，loc参数 代表 "图例的 XX (e.g.右上角) 位于整个图表的 (x,y) 位置"

#⭕【bbox_to_anchor参数】
#   用边界框来固定 (use a bound box to anchor the legend)。必须和 loc参数联用。
#   可以设置二元数组 (x,y) 或四元数组 (横坐标,纵坐标,宽度,高度)，此处只用了二元数组。
#   此处 bbox_to_anchor=(0.5,-0.2) 和 loc='upper center' 联用，
#   意为 "让图例的上边缘中点，位于整个图表的 (0.5,-0.2) 位置"。

#⭕【ncols参数】
#   图例的列数 (The number of columns that the legend has)，默认为 1
#   此处只有 male 和 female 两个组，最多分两列。

plt.show()

# 同上
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')

# 只设置 loc参数 而不设置 bbox_to_anchor参数
sns.move_legend(ax,loc='lower right')

# 意为 "让图例位于整个图表的右下角"

plt.show()

# 同上
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')

# bbox_to_anchor参数 和 loc参数 联用
sns.move_legend(ax,bbox_to_anchor=(1,1),loc='upper left')

# 意为 "让图例的左上角位于整个图表的 (1,1) 位置"

plt.show()

参考：
sns.move_legend() 用法（obj 参数、loc 参数）
matplotlib.axes.Axes.legend() 用法（loc、ncols、bbox_to_anchor 参数）

2.6 修改颜色

使用 palette 参数修改图表配色，可传入以下类型的值：

  1. Seaborn 预定义调色板名称（默认 'deep'）：'deep'、'muted'、'bright'、'pastel'、'dark'、'colorblind'
  2. Matplotlib Colormap 名称：如 'viridis'、'plasma'、'coolwarm'、'Blues'、'Reds'
  3. HLS/HUSL 颜色模型：'hls'、'husl'
  4. Cubehelix 方案：'ch:<args>'，如 'ch:s=0.5,r=-0.5'（色盲友好，支持灰度打印）
  5. 渐变色：'light:<color>'、'dark:<color>'
  6. 混合色：'blend:<color1>,<color2>'
  7. 颜色代码列表：十六进制（['#FF5733', '#33FF57']）、RGB 元组、Matplotlib 颜色名称
#【⭐4】默认初始 Seaborn 颜色方案
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
sns.move_legend(ax,bbox_to_anchor=(1,1),loc='upper left')

plt.show()

# ⭐4 的基础上，增加了 palette='flare' （'flare' 是 Seaborn 的预设颜色方案名称之一）
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex', palette='flare')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
sns.move_legend(ax,bbox_to_anchor=(1,1),loc='upper left')

plt.show()

# Seaborn 预设颜色名称：'blue' 和 'orange'
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex', palette=['blue','orange'])
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
sns.move_legend(ax,bbox_to_anchor=(1,1),loc='upper left')

plt.show()

# 十六进制颜色代码：'#a1c9f4' 和 '#8de5a1'
ax = sns.barplot(data=df, y='island', x='body_mass_g',errorbar=None,hue='sex', palette=['#a1c9f4','#8de5a1'])
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
sns.move_legend(ax,bbox_to_anchor=(1,1),loc='upper left')

plt.show()

参考：
Seaborn sns.set_theme() 函数（palette 参数）
Seaborn sns.color_palette() 函数（预设调色盘名称表）
Matplotlib 预命名颜色一览
Matplotlib Colormap 一览
w3schools 颜色提取器

拓展：统计每个岛屿的企鹅数量

以下两种方式等效，可用于后续按总量排序柱状图。

法1：df.groupby().size()

#【法1】Pandas df.groupby() 函数和 .size() 函数
df.groupby('island').size()

#👆根据 'island' 列进行分组，同一个岛的所有行都分为一组。分组后得到一个 groupby object。
#  再用 .size() 函数求该 groupby object 的数据大小。
island
Biscoe       168
Dream        124
Torgersen     52
dtype: int64

法2：df.value_counts()

#【法2】Pandas df.value_counts() 函数
df.value_counts('island')

# 直接用 .value_counts() 函数求 'island' 列内【每种】数据的数量。
# 如下，Biscoe 是一种数据，
island
Biscoe       168
Dream        124
Torgersen     52
Name: count, dtype: int64

3. 绘制其他图

3.1 点线图

柱状图的纵轴必须从 0 开始，以保证视觉比例与数据比例一致（Wilke (2019, chap.17) 的 Principle of Proportional Ink）。点线图无此限制，纵轴从数据范围起始，且 data-ink ratio 更高（干扰信息更少）。

当 x 轴为 nominal data（如岛屿名称）时，各点之间无需连线。

# 用 sns.pointplot() 函数画点线图
sns.pointplot(data=df, x='island', y='body_mass_g', hue='sex',linestyle='none')

#⭕注意：
#   也可以不写 linestyle='none'，而写 join=False，意为不显示点与点之间的折线。
#   但是，join 参数将在 v0.15.0 版本的 Seaborn 库中被移除，建议使用 linestyle='none'

# 图中每个点上下的线是误差线

plt.show()

参考：sns.pointplot() 函数用法

3.2 直方图

柱状图的 x 轴为离散类别（nominal/ordinal data）；直方图的 x 轴为连续数值区间（ratio data）。

# 用 sns.histplot() 函数画直方图
sns.histplot(data=df, x='flipper_length_mm')  # x: 鳍长(mm)

plt.show()

# 增加 hue 参数设置
sns.histplot(data=df,x='flipper_length_mm'
             ,hue='island'  # 按照岛屿进行颜色分组。
                            # 相当于每个岛屿内的企鹅单独画了一个 histogram，
                            # 再将四个 histogram 重叠了起来。
             )

# 注意纵坐标值范围，已产生变化。

plt.show()

#【1】原直方图
sns.histplot(data=df, x='flipper_length_mm')
plt.show() #👈展示第一个直方图 (原直方图)

#【2】增加 hue 参数设置后的直方图
sns.histplot(data=df,x='flipper_length_mm'
             ,hue='island'
             )

# 可以通过设置 plt.ylim() 函数来调整 y 轴的刻度值范围，让两张图刻度范围一样，来观察区别
plt.ylim(0,80)
plt.show() #👈展示第二个直方图

sns.histplot(data=df, x='flipper_length_mm'
             ,hue='island'        # 按照岛屿进行颜色分组
             ,stat='density'      # 使 bins 面积之和为 1，表示概率密度。
             ,common_norm= False  # 对整个每个组（每个岛屿）的数据单独进行归一化处理，下文会解释
             )

plt.show()

3.2.1 stat 参数

控制直方图的统计方式，可选值：

  • 'count'：bin 高度 = 该 bin 内的数据点数量（频数）。
  • 'frequency'：bin 高度 = 频数 / bin 宽度（单位宽度内的频数，适用于 bin 宽度不统一的情况）。
  • 'probability' / 'proportion'：bin 高度 = 频数 / 总数，所有 bin 高度之和为 1。
  • 'percent'：bin 高度 = (频数 / 总数) × 100，所有 bin 高度之和为 100。
  • 'density'：bin 高度 = 频率 / 组距，所有 bin 面积之和为 1（频率分布直方图）。当 bin 宽度趋近于 0 时，即得到平滑密度曲线。
#⭕【1】stat='count'
ax = sns.histplot(data=df, x='flipper_length_mm',stat='count')

# 在每个条形上显示 bin 的【高度 (计数)】，此处仅为了方便展示，不用管下面的代码是什么意思。
for p in ax.patches:
    height = p.get_height()  # 获取条形高度
    ax.text(p.get_x() + p.get_width() / 2, height, int(height),  # int() 取整
            ha='center', va='bottom')  # 在每个条形顶部显示高度

plt.show()

#⭕【2】stat='frequency'
ax = sns.histplot(data=df, x='flipper_length_mm',stat='frequency')

# 在每个条形上显示 bin 的【高度】
for p in ax.patches:
    height = p.get_height()  # 获取条形高度
    ax.text(p.get_x() + p.get_width() / 2, height, int(height),  # int() 取整
            ha='center', va='bottom')  # 在每个条形顶部显示高度

plt.show()

#⭕【3】stat='probability'
ax = sns.histplot(data=df, x='flipper_length_mm',stat='probability')

# 在每个条形上显示 bin 的【高度】
for p in ax.patches:
    height = p.get_height()  # 获取条形高度
    ax.text(p.get_x() + p.get_width() / 2, height, f'{height:.2f}',  # f'{}' 保留小数点后两位
            ha='center', va='bottom')  # 在每个条形顶部显示高度

plt.show()

#⭕【4】stat='probability'
ax = sns.histplot(data=df, x='flipper_length_mm',stat='percent')

# 在每个条形上显示 bin 的【高度】
for p in ax.patches:
    height = p.get_height()  # 获取条形高度
    ax.text(p.get_x() + p.get_width() / 2, height, int(height), # int() 取整
            ha='center', va='bottom')  # 在每个条形顶部显示高度

plt.show()

#⭕【5】stat='density'
ax = sns.histplot(data=df, x='flipper_length_mm',stat='density')

# 在每个条形上显示 bin 的【高度】
for p in ax.patches:
    height = p.get_height()  # 获取条形高度
    ax.text(p.get_x() + p.get_width() / 2, height, f'{height:.3f}', # f'{}' 保留小数点后三位
            ha='center', va='bottom')  # 在每个条形顶部显示高度

plt.show()

3.2.2 common_norm 参数

布尔值，仅在 stat 为 'probability'、'proportion'、'percent' 或 'density' 时生效，默认为 True：

  • common_norm=True：基于整个数据集归一化，不同组间的 bin 高度可直接比较。
  • common_norm=False：各子组独立归一化，bin 高度仅在组内有意义。
# common_norm = True
sns.histplot(data=df, x='flipper_length_mm'
             ,hue='island'       # 按照岛屿进行颜色分组
             ,stat='density'     # 使 bins 面积之和为 1，表示概率密度。
             ,common_norm=True   # 对整个数据集（所有组）进行归一化处理。即，所有颜色的 bins 面积总和为 1。
                                 # 注：bins 都是默认半透明的，三组分布重叠在一起。
             )

plt.show()

# common_norm = False
sns.histplot(data=df, x='flipper_length_mm'
             ,hue='island'       # 按照岛屿进行颜色分组
             ,stat='density'     # 使 bins 面积之和为 1，表示概率密度。
             ,common_norm=False  # 对每个组（岛屿）单独进行归一化处理。
                                 # 即，每种颜色的 bins 面积之和分别为 1，
                                 # 即，所有蓝色的 bins (Torgersen岛) 面积总和加起来为 1；
                                 # 所有橘黄色 bins (Biscoe岛) 面积加起来为 1；
                                 # 所有绿色 bins (Dream岛) 面积加起来也为 1。
             )

plt.show()

分组重叠不清晰时，可用 data=df[df['列']==值] 筛选数据，为各组分别绘图：

# 分布图1：Torgersen 岛上所有企鹅根据鳍长的分布情况
ax = sns.histplot(data=df[df['island']=='Torgersen'], x='flipper_length_mm',stat='density')
ax.set(title='Torgersen', xlabel='Flipper Length (mm)')
plt.show()

# 分布图2：Biscoe 岛上所有企鹅根据鳍长的分布情况
ax = sns.histplot(data=df[df['island']=='Biscoe'], x='flipper_length_mm',stat='density')
ax.set(title='Biscoe', xlabel='Flipper Length (mm)')
plt.show()

# 分布图3：Dream 岛上所有企鹅根据鳍长的分布情况
ax = sns.histplot(data=df[df['island']=='Dream'], x='flipper_length_mm',stat='density')
ax.set(title='Dream', xlabel='Flipper Length (mm)')
plt.show()

参考：sns.histplot() 函数用法（hue、stat、common_norm 参数）

3.3 箱线图

箱线图（boxplot）通过五个关键值概括数据分布：Min、Q1、Q2（中位数）、Q3、Max，并标记超出须范围的异常值。

  • 箱体：Q1 至 Q3，包含中间 50% 的数据。
  • 箱内线：中位数（Q2）。
  • 须：从 Q1/Q3 向外延伸，默认至 1.5 × IQR 范围内的极值。
  • 异常值：超出须范围的点单独标记。

正态分布图 & IQR

箱线图 vs. 直方图

箱线图

箱线图适合快速识别分布概况与异常值；直方图适合查看具体区间内的频率分布。

# 用 sns.boxplot() 函数绘制箱线图
sns.boxplot(data=df, x='flipper_length_mm', y='island',hue='sex')

#👆绘制不同岛屿上雌雄企鹅各自的箱线图

plt.show()

# 调整【fliersize参数】来修改异常点的大小
sns.boxplot(data=df, x='flipper_length_mm', y='island', hue='sex'
             ,fliersize=8   # 异常点的大小设置为 8 个单位。
            )

plt.show()

# 调整【whis参数】来修改须的长度范围
sns.boxplot(data=df, x='flipper_length_mm', y='island', hue='sex'
             ,fliersize=8   # 异常点的大小设置为 8 个单位。
             ,whis=2        # 须分别延伸至距离 Q1 和 Q3【2倍IQR】的范围。默认为 1.5倍IQR。
                            # 注：此处 whis 设置为 2 之后，须 (whisker) 已经涵盖了所有数据值，图上也就没有异常点了。
            )

plt.show()

参考：sns.boxplot() 函数用法（fliersize、whis 参数）

3.4 小提琴图

小提琴图结合了箱线图（中位数、分位数）与密度曲线（平滑分布）的特点。数据量较少时，平滑曲线可能失真，建议改用直方图或箱线图。

# 用 sns.violinplot() 函数绘制小提琴图
sns.violinplot(data=df, y='island', x='flipper_length_mm', hue='sex')

plt.show()

# 通过【split参数】控制不同分组的图是否合并在一起
sns.violinplot(data=df, y='island', x='flipper_length_mm', hue='sex'
                ,split=True  # 加入 split=True，让不同分组（不同性别）的图合并在一起，便于观察
               )

plt.show()

参考：sns.violinplot() 函数用法（split 参数）

3.5 散点图 & 分簇散点图

Strip plot 绘制所有数据点（每点一个圆点），直观展示原始分布；Swarm plot 自动分散重叠点，可读性更高。

注意：两者均展示单变量分布（某数据在各区间的密度），不同于展示两变量相关趋势的 scatter plot。

对比维度 strip plot（散点条带图） swarm plot（蜂群图）
基本概念 将数据点沿分类轴随机抖动（jitter）以避免重叠 通过算法精确排列点，避免重叠并展示分布
点的排列方式 随机抖动，可能仍有重叠 非随机，基于密度自动调整位置，完全避免重叠
可读性 数据量小时较清晰，数据量大时容易重叠 在中小规模数据中更清晰展示分布形状
计算复杂度 较低，绘制速度快 较高，数据量大时绘制较慢
适用场景 快速可视化、小数据集、对精确分布要求不高 展示数据分布细节、中等规模数据
分布表现能力 一般，难以体现真实密度 较强，可直观体现数据密度
参数控制 可通过 jitter 控制抖动程度 无需 jitter，由算法自动调整
示例函数 sns.stripplot() sns.swarmplot() 
# 用 sns.stripplot() 函数绘制散点图
sns.stripplot(data=df,x='flipper_length_mm',y='island',hue='sex')
plt.show()

# 用 sns.swarmplot() 函数绘制分簇散点图
sns.swarmplot(data=df,x='flipper_length_mm',y='island',hue='sex')
plt.show()

参考：
sns.stripplot() 函数
sns.swarmplot() 函数

相关链接合集

总体链接：
Python3 教程文档 (中文) (查看内置函数用法等)
Pandas库 教程文档 (DataFrame)
Matplotlib库 教程文档 (plt)
Seaborn库 教程文档 (barplot)

sns.barplot() 函数（用 Seaborn 绘制 柱状图）
sns.countplot() 函数 （用 Seaborn 绘制 计数图）

修改图表主题风格：
plt.xticks() 函数 （ kwargs (keyword argument) 栏目中写了如何旋转刻度标签）
sns.set() 函数 （同 sns.set_theme() 函数）
sns.set_theme() 函数 （设置 Seaborn 绘图的全局主题风格）
ax.set() 方法 （Matplotlib 中 对于特定图表 ax 设置标题、轴标签等元素的方法）

修改图例：
sns.move_legend() 函数 （Seaborn 中 移动图例的函数）（查看 obj参数 和 loc参数 的用法）
matplotlib.axes.Axes.legend() 函数 （Matplotlib 中 设置图例的函数，其指令也适用于 sns.move_legend()）（查看 loc参数 ，ncols参数 和 bbox_to_anchor参数 的用法）

修改图表颜色：
Seaborn sns.color_palette() 函数 （查看 palette参数 预设调色盘名称表）
Matplotlib 预命名颜色一览
Matplotlib Colormap 一览
Matplotlib Colormap 使用介绍
w3schools 颜色提取器 （查看任意颜色的十六进制代码）

其他图表：
sns.pointplot() 函数用法 （点线图画法）
sns.histplot() 函数用法 （频率分布直方图画法）（查看 hue参数 ，stat参数 和 common_norm参数 ）
sns.boxplot() 函数用法 （箱线图画法） (查看 fliersize参数 和 whis参数 )
sns.violinplot() 函数用法 （小提琴图画法）
sns.stripplot() 函数 （分布散点图画法）
sns.swarmplot() 函数 （分簇分布散点图画法）

教材书 Fundamentals of Data Visualization (Wilke, 2019) ：
6.1 Bar Plot (旋转的文字刻度不方便阅读，应当横过来排版)
17. The Principle of Proportional Ink （比例标记的原则：图形大小比例应当和数据真实的比例一样。e.g. 柱状图的柱子应当从 0 开始）

⇧ 返回页面顶部