4.2 箱线、小提琴、柱状与点图

4.2 箱线、小提琴、柱状与点图

boxplot 用五数概括摘要分布；violinplot 把密度估计镜像成琴身；barplot 只留均值加误差棒；pointplot 用点线呈现组间变化与交互。压缩率依次升高，适用场景依次收窄。

4.1 结束在压缩光谱的零压缩端，本节走完剩余三档：形状摘要（box、violin）与统计摘要（bar、point）。

箱体构造：一屏讲清五数概括

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

ax = sns.boxplot(data=tips, x='day', y='total_bill')
ax.set_xlabel('星期')
ax.set_ylabel('总消费（美元）')
# 输出说明（以 Sunday 为例）：箱体下边=第一四分位数 Q1，箱内横线=中位数，
# 箱体上边=Q3，上下须延伸到 1.5 倍 IQR 内的最远观测，须外的空心圈=离群点
​

箱体三件事立即可读：中位数线在箱内的位置给出偏态方向（贴上边说明右偏）；箱高即 IQR，是离散度的稳健度量；须外的圈是超过 1.5 倍 IQR 的点，数目本身就是信息。

小提琴：密度与镜像

ax = sns.violinplot(data=tips, x='day', y='total_bill', inner='quartile')
# inner 选项：box（默认，内嵌微型箱线）、quartile（四分位线）、point、stick、None
# 输出说明：Saturday 的琴身在上肩部明显鼓出一个"副峰"——
# 这个双峰形态在箱线图里被压缩成一根稍偏的中位线，信息完全丢失
​

小提琴与箱线的分工：箱线是标准化摘要，跨组比较严格公平；小提琴保留形状，能发现双峰、截断这类箱线看不见的结构，但左右对称的部分是镜像幻影（同一份数据画了两遍），读图时别把宽度当双倍样本。cut=0 在这里同样重要——琴身不许越过数据的实际最小最大值。

# split=TRUE：两组各占半个琴身，双类别比较的紧凑形态
ax = sns.violinplot(data=tips, x='day', y='total_bill',
                    hue='time', split=True, cut=0)
# 输出说明：Thursday 左半（午餐）明显厚于右半（晚餐），
# 其余三天几乎没有午餐——数据里 Thursday 只有 1 桌晚餐
​

柱状与点图：统计摘要的两张面孔

fig, axes = plt.subplots(1, 2, figsize=(11, 4))
sns.barplot(data=tips, x='day', y='tip_rate', estimator='mean', ax=axes[0])
axes[0].set_ylabel('小费比例（均值）')
sns.pointplot(data=tips, x='day', y='tip_rate', hue='sex', dodge=True, ax=axes[1])
axes[1].set_ylabel('小费比例')
plt.show()
# 输出说明：左图四根柱高度接近，误差棒大量互相覆盖；
# 右图按性别拆开后出现交叉——女性在小额账单日（周四）给得更多，
# 男性在周末反超。这个交互效应在左图里被均值抹平了
​

bar 与 point 的本质区别：柱状图以高度编码数值，基线必须是零，且柱面积会放大微小差异的视觉冲击；pointplot 以点的位置编码数值，基线自由、连线天然表达"跨类别的变化"，是交互效应的首选。误差棒两者通用，默认 95% 置信区间——注意它表达的是"均值估计的不确定性"，与箱线的 IQR（数据本身的离散）是两回事。

参数变式与易错辨析

箱须的口径可以改：whis=1.5 只是教科书约定，敏感场景换 whis=(5, 95)，须直接画到第 5 与第 95 百分位，离群点集合随之缩小——口径本身要写进图注，否则两个版本的图会引发无谓争论。showfliers=False 可藏掉须外点，汇报图常用，但探索阶段禁用，藏掉证据不等于证据消失。小提琴的宽度归一由 density_norm 控制，这是最容易踩的默参：默认 area 让每把琴总面积相等，形状可比但总量信息丢失；count 让琴宽正比于样本量，小组的琴会细成一条线，规模与形状一次读出；width 按最大宽度对齐。比较形状用 area、同时看规模用 count，混用会导致结论错位。

barplot 有个静默陷阱：y 列若是从外部表格读进来的字符串（带千分位逗号或货币符号），聚合要么报错要么整图空白，先 pd.to_numeric 加 errors='coerce' 清洗再画。误差棒的样式走 err_kws={'linewidth': 1}（旧参数 errwidth 已废弃），多组比较时配 capsize=0.08 给误差棒加帽，误读率明显下降。类别名太长时用 orient='h' 横排，长标签平躺在 y 轴上不必旋转四十五度。还有一个易混点：x 与 hue 可以对调，成图不变但扫读分工变了——把有自然顺序的维度放 x 轴、纯分组维度放 hue，读者先看哪个维度由你决定；pointplot 的 dodge 同理，交叉结构要在 x 方向可比，放错维度会把交互藏进 dodge 的横向偏移里。

countplot：只数个数

ax = sns.countplot(data=tips, x='day', hue='time')
ax.set_ylabel('观测条数')
# 输出说明：Thursday 62 桌、Friday 19 桌、Saturday 87 桌、Sunday 76 桌；
# Friday 样本最少——第 4.2 节开头那些 Friday 相关结论都应带着这个前提读
​

countplot 是 barplot 的特例（统计量=计数、不需要 y 列），任何分类分析的第一张图应该是它：先知道每组有多少人，再谈组间比较。

本节要点回顾

• 箱体三读：中位线位置看偏态、箱高看离散、须外圈数离群；
• 小提琴看形状、箱线看公平：双峰结构只有 violin 抓得住，镜像宽度别当双倍样本；
• 误差棒不等于 IQR：前者是估计精度（置信区间），后者是数据离散，两套语言别混用；
• 交互效应用 pointplot：连线加 dodge 表达交叉，柱状图会把交互抹平；
• 先 count 再比较：样本量悬殊的组，任何均值结论都要降级。

下一节把整个家族装进 catplot 工厂，figure 级语法三部曲收官。