Seaborn统计估计

在大多数情况下，我们处理数据整体分布的估计。但是当涉及到集中趋势估计时，我们需要一种特定的方式来总结分布。平均值和中值是常用的估计分布集中趋势的技术。

在我们在上一节中学到的所有图中，我们对整个分布进行了可视化。现在，让我们讨论一下我们可以用来估计分布集中趋势的图。

barplot（）

所述 barplot（） 示出了一个分类变量和连续变量之间的关系。数据以矩形条表示，条形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。让我们使用'泰坦尼克'数据集来学习条形图。

例

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()

输出

barplot

在上面的例子中，我们可以看到每个班级中男性和女性的平均幸存数。从情节我们可以理解，存活的男性比男性更多。在男性和女性中，更多的幸存者来自头等舱。

条形图中的一个特例是显示每个类别中的观察结果，而不是计算第二个变量的统计数据。为此，我们使用 countplot（）。

例

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()

输出

条状图

Plot说，三等舱的乘客数量高于一等舱和二等舱。

点图

点图与条形图相同，但风格不同。而不是完整条，估计值由另一轴上某个高度处的点表示。

例

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()

输出

zSymbol