分类散点图

分类分布图

        1). 箱线图 : boxplot()

        2).增强箱图boxenplot()

        3).小提琴图 :violinplot()

分类统计图

2. 分类分布图

1). 箱线图

        应用场景：主要用来显示与类别相关的数据分布。

seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)

等效于

sns.catplot(kind='box' ,x=None, y=None, data=None) # 必要参数

参数释义：

x,y,data:数据字段变量名,DataFrame,数组或数组列表

hue=None,  # 指定二次分类的数据类别，主要用颜色区分

order,hue_order # 字符串列表  显式指定分类顺序，eg. order=[字段变量名1，字段变量名2,...]

orient: v或者h   # 设置图的绘制方向(垂直或水平)，

color # matplotlib 颜色

palette  # 调色板名称，list类别或者字典

saturation 饱和度：float

dodge:bool  # dodge将第三个分类变量分开 若设置为True则沿着分类轴，将数据分离出来成为不同色调级别的条带，

size:float #设置标记大小 

示例

def udf_boxplot(data):
    fig = plt.figure(figsize=(12,8))
    ax1 = fig.add_subplot(121)
    ax2 = fig.add_subplot(122)
    #ax3 = fig.add_subplot(133)

    sns.boxplot(x='Class', y='SpealLength', data=data,  ax=ax1)
    sns.boxplot(x='Class', y='SpealLength', data=data,  ax=ax2)
    sns.stripplot(x='Class', y='SpealLength',  data=data, color=".25", ax=ax2)

    ax1.set_title("orient='v',")
    ax2.set_title("order=orient='h'")

    plt.savefig("Iris box.png", format="png",)
    pass

2).增强箱图boxenplot()

        应用场景： 可以为大数据集绘制增强的箱图，通过绘制更多的分位数来提供数据分布的信息。

seaborn.boxenplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True, k_depth='proportion', linewidth=None, scale='exponential', outlier_prop=None, ax=None, **kwargs)

完整内容点击原文阅读：09.python可视化-Seaborn绘制类别关系图boxplot()&boxenplot()&violinplot()