Python Pandas – 使用 Seaborn 绘制按类别变量分组的垂直点图

在数据分析和可视化中，经常需要将数据按照类别变量进行分组，然后进行可视化分析。Seaborn 是一个 Python 的可视化库，可以进行高级数据可视化和探索性分析，支持大量的统计图形，包括散点图、折线图、条形图、箱型图等等。本文将介绍如何使用 Seaborn 绘制按类别变量分组的垂直点图。

更多Pandas相关文章，请阅读：Pandas 教程

准备数据

首先，我们需要准备一个数据集。在本例中，我们将使用 Seaborn 自带的数据集 tips，一个包含不同人吃饭信息的数据集，其中包含涉及到的变量有：total_bill（账单总额）、tip（小费）、sex（顾客性别）、smoker（是否吸烟）、day（周几）和time（用餐时间）。

我们可以通过 Seaborn 直接加载这个数据集：

import seaborn as sns
tips = sns.load_dataset('tips')

绘制垂直点图

接下来，我们将使用 Seaborn 绘制按照性别分组的垂直点图。我们可以使用 Seaborn 的 catplot 函数来绘制，其中 kind 参数指定绘制的类型为 point，x 和 y 分别指定横轴和纵轴的变量，hue 参数指定按照性别变量进行颜色分组，data 参数指定使用的数据集。

sns.catplot(x='day', y='total_bill', hue='sex', kind='point', data=tips)

上图表示每天的账单总额随着顾客性别的变化情况，其中女性的点在周五和周六稍微高一些，反映了女性相对于男性更倾向于消费更多的事实。

我们可以进一步调整垂直点图的样式，例如增加误差棒、缩小每个点的大小、调整 x 和 y 轴的限制范围等等。下面的代码演示了如何设置误差棒和限制 y 轴的范围，同时还增加了 dodge 参数来对x 轴进行分列展示。

sns.catplot(x='day', y='total_bill', hue='sex', kind='point', data=tips,
            dodge=True, capsize=0.2, errwidth=1.5, palette='Set2', height=6, aspect=1.2)
sns.despine(trim=True)
plt.ylim(0, 60)
plt.show()

其中 capsize 参数指定误差棒顶端水平线的长度，errwidth 参数指定误差棒的线宽，palette 参数指定颜色选项，height 和 aspect 参数指定绘图的高度和宽比。sns.despine 函数可以去除图表周围的边框。