seaborn.swarmplot

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

绘制具有非重叠点的分类散点图。

此功能类似于 stripplot(),，但调整点（仅沿分类轴），以便它们不重叠。 这样可以更好地表示值的分布，但不能很好地扩展到大量观察值。这种情节有时被称为“诅咒”

一个群体图可以单独绘制，但如果你想要显示所有观察结果以及底层分布的一些表示，它也是一个盒子或小提琴图的良好补充。

正确排列点需要在数据和点坐标之间进行精确转换。这意味着必须在绘制绘图之前设置非默认轴限制。

输入数据可以以多种格式传递，包括：

• 表示为列表，numpy arrays 或 pandas Series objects 直接传递给x，y和/或hue参数。
• “长格式” DataFrame, x，y和hue变量将决定数据的绘制方式
• “宽格式”DataFrame，用于绘制每个数字列。
• 一个数组或向量列表。

在大多数情况下，可以使用 numpy 或 Python 对象，但最好使用 pandas 对象，因为关联的名称将用于注释轴。此外，您可以使用分类类型来分组变量来控制绘图元素的顺序。

此函数始终将其中一个变量视为分类，并在相关轴上的序数位置（0,1，... n）处绘制数据，即使数据具有数字或日期类型也是如此

有关更多信息，请参阅教程。

参数：x, y, hue：数据或矢量数据中的变量名称，可选

用于绘制长格式数据的输入。查看解释示例。

data：DataFrame, array, or 或数组列表, 可选

用于绘图的数据集。 如果 x 和 y 是不存在的, 会被解释成 wide-form. 否则会被解释成 long-form.

order, hue_order：字符串列表，可选

命令绘制分类级别，否则从数据对象推断级别。

dodge：布尔，可选

使用hue嵌套时，将其设置为True将沿着分类轴分离不同色调级别的条带。 否则，每个级别的点将绘制在一个群中。

orient：“v” | “h”, 可选

图的方向（垂直或水平）。这通常是从输入变量的 dtype 推断出来的，但可用于指定“分类”变量何时是数字或何时绘制宽格式数据。

color：matplotlib color, 可选

所有元素的颜色，或渐变调色板的种子。

palette：调色板名称, list, or dict, 可选

用于hue变量的不同级别的颜色。应该是color_palette(),可以解释的东西，或者是将色调级别映射到 matplotlib 颜色的字典。

size：float, 可选

标记的直径，以点为单位。 (尽管plt.scatter用于绘制点，但此处的size参数采用“普通”标记大小而不是大小^ 2，如plt.scatter。

edgecolor：matplotlib color, “灰色”是特殊的，可选

每个点周围线条的颜色。如果传递"gray"，则亮度由用于点体的调色板决定。

linewidth：float, 可选

构图元素的灰线宽度。

ax：matplotlib Axes, 可选

Axes 对象将绘图绘制到，否则使用当前轴。

返回值：ax：matplotlib Axes

返回 Axes 对象，并在其上绘制绘图。

参看

带有类似 API 的传统盒须图。框图和核密度估计的组合。散点图，其中一个变量是分类的。可以与其他图一起使用以显示每个观察结果。使用类组合分类图：FacetGrid。

例

绘制单个水平群图：

>>> import seaborn as sns
>>> sns.set(style="whitegrid")
>>> tips = sns.load_dataset("tips")
>>> ax = sns.swarmplot(x=tips["total_bill"])

通过分类变量对群组进行分组：

>>> ax = sns.swarmplot(x="day", y="total_bill", data=tips)

绘制水平群：

>>> ax = sns.swarmplot(x="total_bill", y="day", data=tips)

使用第二个分类变量为点着色：

>>> ax = sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips)

沿着分类轴拆分 hue 变量的每个级别：

>>> ax = sns.swarmplot(x="day", y="total_bill", hue="smoker",
...                    data=tips, palette="Set2", dodge=True)

通过传递显式顺序来控制 swarm 顺序：

>>> ax = sns.swarmplot(x="time", y="tip", data=tips,
...                    order=["Dinner", "Lunch"])

绘制使用更大的点

>>> ax = sns.swarmplot(x="time", y="tip", data=tips, size=6)

在箱形图上绘制大量观察结果：

>>> ax = sns.boxplot(x="tip", y="day", data=tips, whis=np.inf)
>>> ax = sns.swarmplot(x="tip", y="day", data=tips, color=".2")

在小提琴图的顶部画出大量的观察结果：

>>> ax = sns.violinplot(x="day", y="total_bill", data=tips, inner=None)
>>> ax = sns.swarmplot(x="day", y="total_bill", data=tips,
...                    color="white", edgecolor="gray")

使用catplot() 去组合 swarmplot() 和 FacetGrid. 这允许在其他分类变量中进行分组。 使用 catplot() 比直接使用 FacetGrid 更安全,因为它确保了跨 facet 的变量顺序的同步

>>> g = sns.catplot(x="sex", y="total_bill",
...                 hue="smoker", col="time",
...                 data=tips, kind="swarm",
...                 height=4, aspect=.7);