Seaborn 散点图 – 对数据点进行标记

在本文中，我们将介绍如何使用Seaborn库中的scatterplot函数来对散点图的数据点进行标记。散点图是一种常用的数据可视化方法，用于展示两个变量之间的关系。通过标记数据点，我们可以更清楚地识别和理解数据集中的特定观测值。

阅读更多：Seaborn 教程

Seaborn库简介

Seaborn是一个基于matplotlib的Python数据可视化库。它提供了一组简单、美观且功能强大的绘图函数，适用于探索和展示数据集。Seaborn库具备灵活性，使我们能够以直观的方式呈现数据，并更深入地理解数据背后的模式和关系。

scatterplot函数

scatterplot函数是Seaborn库中用于创建散点图的函数之一。它接受多个参数，可以自定义图表的外观和样式。

以下是scatterplot函数的一些常用参数：

x，y：指定X轴和Y轴变量。可以是数据集中的列名，也可以是NumPy数组或Pandas Series。
hue：根据某个变量对数据点进行着色，以区分不同的类别。可以是数据集中的列名，也可以是NumPy数组或Pandas Series。
style：根据某个变量对数据点进行样式标记，以区分不同的类别。可以是数据集中的列名，也可以是NumPy数组或Pandas Series。
size：根据某个变量对数据点进行尺寸调整，以区分不同的类别。可以是数据集中的列名，也可以是NumPy数组或Pandas Series。

我们将使用一个示例数据集来说明如何使用scatterplot函数对数据点进行标记。

import seaborn as sns
import matplotlib.pyplot as plt

# 加载示例数据集
tips = sns.load_dataset("tips")

# 创建散点图
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", style="sex", size="size")

# 显示图形
plt.show()

在上述示例中，我们使用了Seaborn库中的示例数据集”tips”。该数据集包含餐厅顾客的账单、小费等信息。我们选择了”total_bill”作为X轴变量，”tip”作为Y轴变量。”time”列用来对数据点进行着色，以区分午餐和晚餐；”sex”列用来对数据点进行样式标记，以区分男性和女性；”size”列用来根据顾客人数调整数据点的尺寸。

运行上述代码后，我们将获得一个带有标记数据点的散点图，其中不同的类别通过颜色、标记形状和尺寸进行区分。这样的可视化方式更容易让我们理解不同类别之间的关系和趋势。