分類因子有效性的視覺化（續）

上週，我們分享了《

分類因子有效性的視覺化

》，視覺化的樣式肯定不止那4種，今天再分享三種樣式。

1. 多組散點圖

將散點圖沿y軸進行分佈，並在x軸上形成並排就構成了多組散點圖，可以透過seaborn來實現：

sns。stripplot（x=“buy_date_type”， y=“r1”， data=trade_data2）

不過這個圖沒有標註各組的特徵，不如箱線圖來得直觀。

2. 小提琴圖

小提琴圖實際上是箱線圖與核密度圖的疊加，它的程式碼如下：

sns。violinplot（x=‘buy_date_type’， y=‘r1’， data=trade_data2）plt。title（“ViolinPlot”）

3. 脊線圖

沿著x軸繪製多個核密度圖就形成了脊線圈，它對於核密度的展示比小提琴圖更加直觀，其程式碼和效果如下：

from joypy import joyplotjoyplot（trade_data2， by=‘buy_date_type’， column=‘r1’，colormap=sns。color_palette（“crest”， as_cmap=True））plt。xlabel（‘r1’）plt。title（“Ridgeline Plot”）

事實上，對於我們當前的例子來說，脊線圖並不優於核密度圖。

至此，我們一共分享了7種對分類因子進行視覺化的圖形樣式。在不同的情況下可以選擇不同的樣式。事實上，最好多嘗試幾種樣式進行觀察，從而更好地分辨不分組之間的異同。