Seaborn - Trazado de datos categóricos

En nuestros capítulos anteriores aprendimos sobre diagramas de dispersión, diagramas de hexbin y diagramas de kde que se utilizan para analizar las variables continuas en estudio. Estos gráficos no son adecuados cuando la variable en estudio es categórica.

Cuando una o ambas variables en estudio son categóricas, usamos gráficos como striplot (), swarmplot (), etc. Seaborn proporciona una interfaz para hacerlo.

Gráficos de dispersión categóricos

En esta sección, aprenderemos sobre diagramas de dispersión categóricos.

stripplot ()

stripplot () se utiliza cuando una de las variables en estudio es categórica. Representa los datos en orden ordenado a lo largo de cualquiera de los ejes.

Ejemplo

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.stripplot(x = "species", y = "petal_length", data = df)
plt.show()

Salida

En el gráfico anterior, podemos ver claramente la diferencia de petal_lengthen cada especie. Pero, el principal problema con el diagrama de dispersión anterior es que los puntos en el diagrama de dispersión se superponen. Usamos el parámetro 'Jitter' para manejar este tipo de escenario.

Jitter agrega algo de ruido aleatorio a los datos. Este parámetro ajustará las posiciones a lo largo del eje categórico.

Ejemplo

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.stripplot(x = "species", y = "petal_length", data = df, jitter = Ture)
plt.show()

Salida

Ahora, la distribución de puntos se puede ver fácilmente.

Swarmplot ()

Otra opción que se puede utilizar como alternativa a 'Jitter' es función swarmplot(). Esta función coloca cada punto del gráfico de dispersión en el eje categórico y, por lo tanto, evita puntos superpuestos:

Ejemplo

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.swarmplot(x = "species", y = "petal_length", data = df)
plt.show()

Salida