无涯教程-Seaborn - 统计估计

在大多数情况下，无涯教程处理数据整体分布的估计，但是，当涉及集中趋势估计时，需要一种特定的方式来汇总分布。均值和中位数是估计分布的集中趋势的常用技术。

在上一节中学习的所有图中，都对整个分布进行了可视化。现在，讨论关于可以用来估计分布的集中趋势的图。

Bar Plot

barplot()显示类别变量和连续变量之间的关系。数据用矩形条表示，其中条的长度表示该类别中数据的比例。

条形图表示集中趋势的估计。让无涯教程使用" titanic"数据集学习条形图。

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df=sb.load_dataset('titanic')
sb.barplot(x="sex", y="survived", hue="class", data=df)
plt.show()

运行上面代码输出

在上面的示例中，可以看到每个类别中男性和女性的平均存活数，从情节中可以了解到，存活下来的女性人数多于男性，在男性和女性中，更多的存活率来自头等舱。

条形图中的一种特殊情况是显示每个类别中没有观测值，而不是计算第二个变量的统计量，为此，无涯教程使用 countplot()。

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df=sb.load_dataset('titanic')
sb.countplot(x=" class ", data=df, palette="Blues");
plt.show()

运行上面代码输出

如图所示，三等舱的乘客人数高于一等舱和二等舱。

Point Plots

点状图与条形图相同，但样式不同，估计值由另一轴上某个高度的点表示，而不是完整的条形。

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df=sb.load_dataset('titanic')
sb.pointplot(x="sex", y="survived", hue="class", data=df)
plt.show()

运行上面代码输出

参考链接

https://www.learnfk.com/seaborn/seaborn-statistical-estimation.html