Swarm Plot（蜂群图）是一种数据可视化图表，它用于展示分类数据的分布情况。这种图表通过将数据点沿着一个或多个分类变量轻微地分散，以避免它们之间的重叠，从而更好地显示数据的分布密度和分布趋势。Swarm Plot特别适用于较小的数据集。
为什么使用Swarm Plots？
蜂群图在以下情况下非常有利：
- 可视化类别内的点分布。
- 识别数据中的模式或离群值。
- 通过显示单个数据点来补充其他图，如箱形图或小提琴图。
但是，它们可能会因大型数据集而变得混乱，并且可能不适合涉及多个变量的复杂关系。
使用Matplotlib创建Swarm Plots
虽然Seaborn提供了一种简单的方法来创建蜂群图，但Matplotlib没有用于这种类型图的内置函数。但是，您可以通过编写自定义函数来创建类似的效果。
要在Matplotlib中创建蜂群图，关键是操纵数据点的x轴位置，使它们水平间隔开，避免重叠，同时保持它们的分类分组。
步骤1：导入所需的库
首先导入必要的库，例如Matplotlib、NumPy和Pandas以进行数据操作。以下是如何使用Matplotlib创建蜂群图的示例：
|
1 2 3 |
import matplotlib.pyplot as plt import numpy as np import pandas as pd |
步骤2：生成示例数据
对于本文，让我们创建一个表示多个类别和数值数据的随机数据集。您可以将其替换为您想要可视化的任何数据集。
|
1 2 3 4 5 6 7 8 |
# Create a sample dataset np.random.seed(0) categories = ['A', 'B', 'C'] data = { 'Category': np.random.choice(categories, size=150), 'Value': np.random.randn(150) } df = pd.DataFrame(data) |
步骤3：散点图准备
使用Matplotlib的散点函数绘制各个点。y轴表示值，而x轴表示类别。
|
1 2 3 4 5 6 |
# Create a basic scatter plot plt.scatter(df['Category'], df['Value']) plt.xlabel('Category') plt.ylabel('Value') plt.title('Basic Scatter Plot') plt.show() |
输出
在这个阶段，点将重叠，特别是在密集区域。下一步是将点隔开，以获得更清晰的群体图效果。
步骤4：添加抖动以避免重叠
为了避免数据点重叠，您可以向x轴位置添加抖动（一个小的随机变化）。这将模拟群集图的效果，其中点水平分布。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
def add_jitter(x, scale=0.05): return x + np.random.uniform(-scale, scale, size=len(x))
df['Jittered_Category'] = df['Category'].apply(lambda x: categories.index(x)) df['Jittered_Category'] = add_jitter(df['Jittered_Category'])
# Create a scatter plot with jittered points plt.scatter(df['Jittered_Category'], df['Value'], alpha=0.7) plt.xticks(ticks=range(len(categories)), labels=categories) plt.xlabel('Category') plt.ylabel('Value') plt.title('Swarm Plot with Jittered Points') plt.show() |
在这里，add_jitter用于稍微移动每个类别中的点的x轴位置。这样可以防止重叠，并使点沿分类轴均匀分布。
自定义蜂群图
1. 使用注释增强蜂群图
您可以向蜂群图添加文本注释以突出显示某些数据点。当您想要指出特定的值或类别时，这特别有用。注释有助于强调特定的数据点并提供额外的上下文。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
# Add annotations to the plot plt.scatter(df['Jittered_Category'], df['Value'], s=50, alpha=0.6) plt.xticks(ticks=range(len(categories)), labels=categories) plt.xlabel('Category') plt.ylabel('Value') plt.title('Swarm Plot with Annotations')
# Highlight a point highlight = df.iloc[10] plt.annotate('Highlighted Point', (highlight['Jittered_Category'], highlight['Value']), xytext=(10, 20), textcoords='offset points', arrowprops=dict(arrowstyle='->'))
plt.show() |
2. 为不同类别添加颜色
要区分类别，可以使用散点图中的c参数为每个类别添加不同的颜色。
将蜂群图与其他图类型叠加
蜂群图可以与其他类型的图（如箱线图或小提琴图）结合使用，以提供更全面的数据分布视图。例如，您可以将群图叠加在箱形图上。
|
1 2 3 4 5 6 7 8 9 10 |
# Create a box plot plt.boxplot([df[df['Category'] == cat]['Value'] for cat in categories], positions=range(len(categories)))
# Overlay the swarm plot plt.scatter(df['Jittered_Category'], df['Value'], c=df['Color'], s=50, alpha=0.6) plt.xticks(ticks=range(len(categories)), labels=categories) plt.xlabel('Category') plt.ylabel('Value') plt.title('Swarm Plot Overlayed on Box Plot') plt.show() |
Tips和最佳实践
- 数据缩放：确保x轴正确缩放，以适应抖动，而不会过度重叠。
- 抖动灵敏度：您添加的抖动量应根据数据的密度进行调整。太多的抖动会使图形混乱。
- 小心使用颜色和标记：颜色和形状的选择应避免混淆，特别是在具有许多类别的复杂图中。
总结
在Matplotlib中创建蜂群图需要手动操作数据点的x轴位置以避免重叠。虽然像Seaborn这样的库简化了这个过程，但Matplotlib提供了根据特定需求定制蜂群图的灵活性。通过添加抖动、调整点大小和透明度以及使用颜色和标记形状，您可以创建有效且视觉上吸引人的蜂群图。
