Swarmplot usando Seaborn en Python

Seaborn es una increíble biblioteca de visualización para el trazado de gráficos estadísticos en Python. Proporciona hermosos estilos predeterminados y paletas de colores para hacer que los gráficos estadísticos sean más atractivos. Está construido en la parte superior de la biblioteca matplotlib y también está estrechamente integrado en las estructuras de datos de pandas.

Parcela de enjambre

Seaborn swarmplot es probablemente similar a stripplot, solo que los puntos se ajustan para que no se superpongan entre sí, ya que ayuda a representar mejor la distribución de valores. Un diagrama de enjambre se puede dibujar solo, pero también es un buen complemento para un cuadro, preferiblemente porque los nombres asociados se usarán para anotar los ejes. Este tipo de trama a veces se conoce como «enjambre de abejas».
 

Sintaxis: seaborn.swarmplot(x=Ninguno, y=Ninguno, hue=Ninguno, data=Ninguno, order=Ninguno, hue_order=Ninguno, dodge=False, orient=Ninguno, color=Ninguno, palette=Ninguno, size=5, edgecolor=’gris’, ancho de línea=0, ax=Ninguno, **kwargs)
 

Parámetros:  
x, y, hue: Entradas para trazar datos de formato largo. 
datos: conjunto de datos para el trazado. 
color: Color para todos los elementos 
tamaño: Radio de los marcadores, en puntos. 

Ejemplo 1: Visualización básica del conjunto de datos «fmri» usando swarmplot() 
 

import seaborn
 
 
seaborn.set(style='whitegrid')
fmri = seaborn.load_dataset("fmri")
 
seaborn.swarmplot(x="timepoint",
                  y="signal",
                  data=fmri)

Producción: 

Ejemplo 2: Agrupación de puntos de datos en función de la categoría, aquí como región y evento.

import seaborn
 
 
seaborn.set(style='whitegrid')
fmri = seaborn.load_dataset("fmri")
 
seaborn.swarmplot(x="timepoint",
                  y="signal",
                  hue="region",
                  data=fmri)

Producción:

Ejemplo 3: Visualización básica del conjunto de datos de «consejos» usando swarmplot()

import seaborn
 
 
seaborn.set(style='whitegrid')
tip = seaborn.load_dataset('tips')
 
seaborn.swarmplot(x='day', y='tip', data=tip)

Producción:

Agrupar variables en Seaborn Swarmplot con diferentes atributos

1. Dibuje un solo diagrama de enjambre horizontal usando solo un eje:

Si usamos solo una variable de datos en lugar de dos variables de datos, significa que el eje denota cada una de estas variables de datos como un eje.

X denota un eje x e y denota un eje y.

Sintaxis: 

seaborn.swarmplot(x)

# Python program to illustrate
# swarmplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.swarmplot(x=tips["total_bill"])

Producción:

2. Dibujar enjambres horizontales:

En el ejemplo anterior, vemos cómo trazar un gráfico de enjambre horizontal único y aquí podemos realizar un gráfico de enjambre horizontal múltiple intercambiando la variable de datos con otro eje.

# Python program to illustrate
# swarmplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.swarmplot(x="total_bill", y="day", data=tips)

Producción:

3. Usando el parámetro de tono:

Si bien los puntos se trazan en dos dimensiones, se puede agregar otra dimensión al gráfico coloreando los puntos de acuerdo con una tercera variable.

Sintaxis:

sns.swarmplot(x, y, matiz, datos);

# Python program to illustrate
# swarmplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.swarmplot(x="day", y="total_bill", hue="time", data=tips)

Producción:

4. Dibuje contornos alrededor de los puntos de datos utilizando el ancho de línea:

Ancho de las líneas grises que enmarcan los elementos de la trama. Cada vez que aumentamos el ancho de línea, el punto también aumentará automáticamente.

Sintaxis:

seaborn.swarmplot(x, y, datos, ancho de línea)

# Python program to illustrate
# swarmplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.swarmplot(x="day", y="total_bill", data=tips,
                   linewidth=2)

Producción:

Podemos cambiar el color con edgecolor:

seaborn.swarmplot(y="total_bill", x="day", data=tips,
                   linewidth=2,edgecolor='green')

Producción:

5. Dibuje cada nivel de la variable de matiz en diferentes ubicaciones en el eje categórico principal:

Cuando se utiliza el anidamiento de tonos, si se establece Dodge debe ser Verdadero, se separará el punto para diferentes niveles de tono a lo largo del eje categórico. Y Palette se usa para los diferentes niveles de la variable de matiz.

Sintaxis:

seaborn.stripplot(x, y, data, hue, palette, dodge)

# Python program to illustrate
# swarmplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.swarmplot(x="day", y="total_bill", hue="smoker",
                   data=tips, palette="Set2", dodge=True)

Producción:

Los posibles valores de la paleta son:

Acento, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r,

GnBu, GnBu_r, Verdes, Verdes_r, Grises, Grises_r, OrRd, OrRd_r, Naranjas, Naranjas_r, PRGn, PRGn_r, Emparejado, Emparejado_r,

Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r,

Morados, Morados_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Rojos, Reds_r, Set1,

Set1_r, Set2, Set2_r, Set3, Set3_r, espectral, espectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr,

YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, otoño, otoño_r, binario, binario_r, hueso, hueso_r, brg, brg_r, bwr, bwr_r,

cividis, cividis_r, guay, cool_r, coolwarm, coolwarm_r, cobre, cobre_r, cubehelix, cubehelix_r, bandera, flag_r, gist_earth,

gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, 

6. Trazado de puntos grandes y diferentes estéticas Con marcador y parámetro alfa:

Usaremos alfa para administrar la transparencia del punto de datos y usaremos marcador por marcador para personalizar el punto de datos. 

# Python program to illustrate
# swarmplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.swarmplot(x="day", y="total_bill", hue="smoker",
                   data=tips, palette="Set2", size=20, marker="D",
                   edgecolor="gray", alpha=.25)

Producción:

7. Controle el orden del enjambre pasando un orden explícito:

# Python program to illustrate
# swarmplot using inbuilt data-set
# given in seaborn
  
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.swarmplot(x="time", y="tip", data=tips,
                   order=["Dinner", "Lunch"])

Producción:

8. Agregar atributos de tamaño.

Usando el tamaño podemos generar el punto y podemos producir puntos con diferentes tamaños.

Sintaxis:

seaborn.swramplot(x, y, datos, tamaño)

# Python program to illustrate
# swarmplot using inbuilt data-set
# given in seaborn
 
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.swarmplot(x='day', y='total_bill', data=tips,
                  hue='smoker', size=10)

Producción:

9. Agregando los atributos de la paleta:

Usando la paleta podemos generar el punto con diferentes colores . En este ejemplo a continuación, podemos ver que la paleta puede ser responsable de generar el swramplot con diferentes valores de mapa de colores.

Sintaxis:

seaborn.swramplot(x, y, data, palette=”color_name”)

# Python program to illustrate
# swarmplot using inbuilt data-set
# given in seaborn
 
# importing the required module
import seaborn
 
# use to set style of background of plot
seaborn.set(style="whitegrid")
 
# loading data-set
tips = seaborn.load_dataset("tips")
 
seaborn.swarmplot(x='day', y='total_bill', data=tips,
                  hue='time', palette='pastel')

Producción: