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。
|