https://datawhalechina.github.io/pms50/#/chapter5/chapter5
計數圖 （Counts Plot）
避免點重疊問題的另一個選擇是增加點的大小，這取決於該點中有多少點。 因此，點的大小越大，其周圍的點的集中度越高。
導入所需要的庫
import numpy as np # 導入pandas庫 import pandas as pd # 導入matplotlib庫 import matplotlib as mpl import matplotlib.pyplot as plt # 導入seaborn庫 import seaborn as sns # 在jupyter notebook顯示圖像 %matplotlib inline
設定圖像各種屬性
large = 22; med = 16; small = 12
# 設置子圖上的標題字體
params = {'axes.titlesize': large,
# 設置圖例的字體
'legend.fontsize': med,
# 設置圖像的畫布
'figure.figsize': (16, 10),
# 設置標簽的字體
'axes.labelsize': med,
# 設置x軸上的標尺的字體
'xtick.labelsize': med,
# 設置整個畫布的標題字體
'ytick.labelsize': med,
'figure.titlesize': large}
# 更新默認屬性
plt.rcParams.update(params)
# 設定整體風格
plt.style.use('seaborn-whitegrid')
# 設定整體背景風格
sns.set_style("white")
# step1:導入數據
df = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/mpg_ggplot2.csv") # groupby__可對具有相同'hwy','cty'進行分組 # size__返回元素的數量 # reset_index__重新設置連續的行索引index # name_計數的列名 df_counts = df.groupby(['hwy', 'cty']).size().reset_index(name = 'counts')
# step2：繪畫 Stripplot
# 設置畫布 fig, ax = plt.subplots(figsize = (12, 8), dpi = 80) # 橫坐標 sns.stripplot(df_counts.cty, # 縱坐標 df_counts.hwy, # 尺寸 size = df_counts.counts * 2, # 子圖 ax = ax)
# step3:裝飾
# 添加標題 plt.title('Counts Plot - Size of circle is bigger as more points overlap', fontsize=22) # 顯示圖像 plt.show()
seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=True, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)
繪制一個散點圖，其中一個變量是分類。
條形圖可以單獨繪制，但如果您想要顯示所有觀察結果以及底層分布的某些表示，它也是一個盒子或小提琴圖的良好補充。
輸入數據可以以多種格式傳遞，包括：
- 表示為列表，numpy數組或pandas Series對象的數據向量直接傳遞給
x，y和hue參數 - 在這種情況下，
x，y和hue變量將決定數據的繪制方式。 - “wide-form” DataFrame, 用於繪制每個數字列。
- 一個數組或向量列表。
在大多數情況下，可以使用numpy或Python對象，但最好使用pandas對象，因為關聯的名稱將用於注釋軸。另外，您可以使用分組變量的分類類型來控制繪圖元素的順序。
此函數始終將其中一個變量視為分類，並在相關軸上的序數位置（0,1，... n）處繪制數據，即使數據具有數字或日期類型也是如此。
有關更多信息，請參閱教程。
參數：x, y, hue： 數據或矢量數據中的變量名稱，可選
用於繪制長格式數據的輸入。查看解釋示例。
data：DataFrame, 數組, 數組列表, 可選
用於繪圖的數據集。如果
x和y不存在，則將其解釋為寬格式。否則預計它將是長格式的。
order, hue_order：字符串列表，可選
命令繪制分類級別，否則從數據對象推斷級別。
jitter：float, True/1 是特殊的，可選
要應用的抖動量（僅沿分類軸）。 當您有許多點並且它們重疊時，這可能很有用，因此更容易看到分布。您可以指定抖動量（均勻隨機變量支持的寬度的一半），或者僅使用
True作為良好的默認值
dodge：bool, 可選
使用
hue嵌套時，將其設置為True將沿着分類軸分離不同色調級別的條帶。否則，每個級別的點將相互疊加。
orient：“v” | “h”, 可選
圖的方向（垂直或水平）。這通常是從輸入變量的dtype推斷出來的，但可用於指定“分類”變量何時是數字或何時繪制寬格式數據。
color：matplotlib顏色，可選
所有元素的顏色，或漸變調色板的種子。
palette：調色板名稱，列表或字典，可選
用於色調變量的不同級別的顏色。應該是
color_palette(), 可以解釋的東西，或者是將色調級別映射到matplotlib顏色的字典。
size：float, 可選
標記的直徑，以磅為單位。（雖然
plt.scatter用於繪制點，但這里的size參數采用“普通”標記大小而不是大小^ 2，如plt.scatter。
edgecolor：matplotlib顏色，“灰色”是特殊的，可選的
ax：matplotlib軸，可選
返回Axes對象，並在其上繪制繪圖。
返回值：ax：matplotlib軸
返回Axes對象，並在其上繪制繪圖。
也可參看
分類散點圖，其中點不重疊。可以與其他圖一起使用來顯示每個觀察結果。帶有類似API的傳統盒須圖。箱形圖和核密度估計的組合。