3.2 折线图 lineplot 与聚合

3.2 折线图 lineplot 与聚合

lineplot 在同一 x 值出现多条观测时，默认聚合出均值并绘制 95% 置信区间——这是 Seaborn 中影响最深的一次隐式统计，理解它才能安全使用折线图。

承接 3.1：散点图不聚合，折线图默认聚合。这一动一静之间，藏着本章最重要的认知转折。

隐式聚合从哪来

import seaborn as sns
import matplotlib.pyplot as plt

flights = sns.load_dataset('flights')

# 每个年份有 12 个月共 12 条观测，直接画 x=year
ax = sns.lineplot(data=flights, x='year', y='passengers')
ax.set_ylabel('乘客数（月均值）')
# 输出说明：每个年份的 12 条月度观测被聚成一个均值点，
# 点周围的浅色竖带是 bootstrap 置信区间；
# 曲线单调上升，带越到后期越宽——月度差异在变大
​

同样的数据用 sns.scatterplot 画，你会看到每个年份竖着落 12 个点。lineplot 做的事，等价于先 groupby('year').mean() 再连线，还附赠了误差估计。这笔"替你做的账"，收益是趋势一眼可读，风险是样本量、离散度、分布形状全部被均值吞掉。

estimator 与 errorbar 的定制语法

# 换统计量：中位数抗离群值
ax = sns.lineplot(data=flights, x='year', y='passengers', estimator='median')

# 换误差口径：标准差代替置信区间
ax = sns.lineplot(data=flights, x='year', y='passengers',
                  estimator='mean', errorbar='sd')

# 完全关掉聚合：每条观测一条线（宽表时画出全部序列）
ax = sns.lineplot(data=flights, x='year', y='passengers',
                  estimator=None, errorbar=None, hue='month', legend=False, alpha=0.3)
# 输出说明：12 条月度曲线叠成扇形，7、8 月在最外侧、2 月在最内侧——
# 旺季淡季的季节结构，在均值曲线里只是那条变宽的带
​

errorbar 参数的常用取值：'ci'（置信区间，默认 95%）、'sd'（标准差）、('pi', 50)（中间 50% 分位区间）、None。选哪个取决于你想让读者对"不确定性"还是"离散度"建立直觉：样本推总体用 ci，描述组内差异用 sd 或 pi。

三个高频排错点

一是 x 乱序导致折线打结：lineplot 默认按 x 升序重排后再连线（sort=True），一旦为了保留观测顺序传入 sort=False，而数据本身不是按时间顺序采集的，曲线会在相邻点之间来回折返，看起来像剧烈震荡，其实只是绘制顺序问题——除非刻意要画观测路径，否则让排序保持默认。二是误差带与误差棒的切换：err_style='bars' 把半透明带换成竖棒，单序列或黑白打印时读数更准；多条 hue 序列并排时带状更抗混叠。按交付媒介切换即可，不必固定习惯。三是样式通道的连锁反应：给 style 分配变量后线型与标记会同时变化，默认再叠出点型就容易得到十几种组合的网格——只想改标记不动线型时，显式加 dashes=False 固定实线，并用 markers=['o', 's', 'D'] 指定有限的几种点型。样式通道的每一项都要主动确认，不能依赖默认轮换。

何时不该用折线图

折线的视觉语言是"相邻 x 值之间有连续过渡"。违反这个语义的用法都是陷阱：

# 反例一：类别 x 轴强行连线
ax = sns.lineplot(data=tips, x='day', y='total_bill')
# Thursday 到 Friday 之间没有任何过渡含义，连线诱导读者读出不存在的趋势
# 正确做法：sns.pointplot 或 sns.barplot（第 4 章）

# 反例二：时间不连续
gap = flights[~flights['year'].isin([1955, 1956])]   # 抠掉两年
ax = sns.lineplot(data=gap, x='year', y='passengers')
# 1954 直连 1957，曲线掩盖了数据缺口——应先标记缺失再决定是否断线
​

完整案例：月度趋势的正式汇报

背景：向运营汇报乘客量的季节规律，需要一张既能看趋势又能看波动的图。

操作：

# 数据层：月列转为有序类别，保证 x 轴顺序正确
month_order = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun',
               'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
flights['month'] = pd.Categorical(flights['month'], categories=month_order, ordered=True)

g = sns.relplot(
    data=flights, x='month', y='passengers',
    col='year', col_wrap=4, kind='line',
    estimator=None,           # 每个面板只有一条真实序列，关掉聚合
    height=2.4, aspect=1.3,
)
g.set_xticklabels(rotation=45)
g.set_xlabels('月份')
g.set_ylabels('乘客数')
​

结果解读：12 个年度面板排成网格后，季节形态逐年稳定——每年 7 月见顶、2 月见底，且峰谷差逐年拉大。"季节结构稳定 + 总量增长放大波动"，这两条结论正是一个仅靠均值折线说清的完整故事。变式：把 col 换成月、x 换成年，图形变成"各月的年度增长曲线"，交叉验证趋势是否被季节掩盖。

⚠️ 常见坑：默认的 bootstrap 置信区间在大数据集上计算很慢。超过几万个点时，设 errorbar='sd' 或 n_boot 减小，速度立刻回来（第 9 章性能专题还会回来谈这条）。

本节要点回顾

• lineplot 默认聚合：等价于 groupby 均值加置信区间，样本信息被压缩；
• estimator 决定统计量：中位数抗离群，None 保留每条序列；
• errorbar 决定误差口径：ci 讲推断、sd 或 pi 讲离散；
• 折线的语义前提：x 轴有序且相邻值之间过渡有意义，类别轴禁用；
• 数据缺口要显式处理：抠掉的年份不能靠连线糊过去。

下一节把散点与折线装进 relplot 工厂，看分面语法如何统一两大关系图。