На этом шаге мы приведем еще несколько примеров использования этой функции.

    Изменим цветовую палитру через параметр palette:

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import pandas as pd

tips = sns.load_dataset("tips")

color_palette = {"Male": "r", "Female": "g"}
sns.stripplot(x="size", y='tip', hue="sex",
              palette=color_palette, data=tips)

plt.show()

Рис.1. Пример изменения цветовой схемы через параметр palette

    Увеличим размер маркеров, зададим им цвет и ширину границы:

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import pandas as pd

tips = sns.load_dataset("tips")

sns.stripplot(x="time", y='tip', size=10, edgecolor="gray",
              linewidth=1, data=tips.sample(frac=1, random_state=123)[:30])

plt.show()

Рис.2. Настройка внешнего вида маркеров через параметры size, edgecolor и linewidth

    Поработаем с параметрами, которые отвечают за задание ориентации диаграммы, порядок отображения значений признака, расщепление основного набора данных по значению дополнительного признака.

    Изменим порядок вывода признаков: поменяем Dinner и Lunch местами:

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import pandas as pd

tips = sns.load_dataset("tips")

sns.stripplot(x="time", y='tip', hue_order=["Dinner", "Lunch"], data=tips)

plt.show()

Рис.3. Демонстрация работы с параметром hue_order

    Ориентация диаграммы задаётся через параметр orient:

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import pandas as pd

tips = sns.load_dataset("tips")

sns.stripplot(x='tip', y="time", orient='h', data=tips)

plt.show()

Рис.4. Задание горизонтальной ориентации диаграммы

    Обратите внимание, что имена признаков для x и у тоже были переставлены местами. Для улучшения наглядности диаграммы, в которой используется цветовое разделение через параметр hue, можно представить полученные наборы в виде визуально различимых групп с помощью параметра dodge:

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import pandas as pd

tips = sns.load_dataset("tips")

sns.stripplot(x="time", y='tip', hue="sex", dodge=True, data=tips)

plt.show()

Рис.5. Демонстрация работы с параметром dodge

    Кучность представляемых наборов регулируется параметром jitter. Эта опция может быть полезна, если необходимо устранить перекрытие между наборами данных. Пример с настройками по умолчанию:

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import pandas as pd

tips = sns.load_dataset("tips")

sns.stripplot(x="size", y='tip', data=tips)

plt.show()

Рис.6. Диаграмма со значением по умолчанию для параметра jitter

    Изменим значение jitter на 0.03:

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import pandas as pd

tips = sns.load_dataset("tips")

sns.stripplot(x="size", y='tip', size=5, jitter=0.03, data=tips)

plt.show()

Рис.7. Диаграмма со значением jitter равным 0.03

    Если jitter присвоить True, то будет автоматически подобрано наиболее оптимальное значение.

    На следующем шаге мы рассмотрим функцию swarmplot().

Предыдущий шаг Содержание Следующий шаг