4.1 类别散点 strip 与 swarm

4.1 类别散点 strip 与 swarm

stripplot 在每个类别带的纵向撒点（默认加随机抖动），swarmplot 用算法把点排成互不重叠的蜂群形。它们是分类图压缩光谱的零压缩端：每个观测都在场上。

第 3 章末尾说 x 轴换成类别后位置语义改变。本节先看最诚实的做法——不摘要、不聚合，把观测原样摆出来，再讨论它们与摘要图的叠加。

抖动是特性不是缺陷

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, axes = plt.subplots(1, 2, figsize=(10, 4))
sns.stripplot(data=tips, x='day', y='total_bill', ax=axes[0])
axes[0].set_title('jitter 默认 True')
sns.stripplot(data=tips, x='day', y='total_bill', jitter=False, ax=axes[1])
axes[1].set_title('jitter 关闭')
plt.show()
# 输出说明：关掉抖动后同金额的点完全重合，周四的带看起来只有十几个点，
# 实际有 62 条观测——jitter 是在 x 方向加随机偏移，让重叠的点互相让位
​

注意抖动只发生在 x（类别）方向，y 值纹丝不动——数据没有被篡改，只是展示上错开。jitter=0.25 可以手动控制幅度，超过 0.5 点会跑出类别带，读者就分不清归属了。

蜂群：算法排位，形状即分布

# swarmplot：每个点精确互斥排列，点的轮廓天然呈现密度
ax = sns.swarmplot(data=tips, x='day', y='total_bill', size=4)
ax.set_xlabel('星期')
ax.set_ylabel('总消费（美元）')
# 输出说明：周日带的轮廓上宽下窄再收细——中部最厚，两端稀疏，
# 一个"右偏分布"的形状不需要任何统计量就直接可读
​

strip 与 swarm 的取舍：strip 快、能扛大样本（几千点也只是带变宽）；swarm 形状信息丰富，但算法是精确排位，样本过千时计算慢、带宽溢出（点会横向溢出所属类别区），Seaborn 会直接警告并拒绝绘制。经验线：百级样本用 swarm，千级以上用 strip 加透明度。

# hue 分组时 strip 可以错位
sns.stripplot(data=tips, x='day', y='total_bill', hue='time', dodge=True)
# dodge=True 让午餐晚餐在类别带内左右让位，各自一条竖列
​

与摘要图叠加：证词与判决同框

单独的蜂群图已经很好，但和箱线图叠加后信息量再上一层——第 3.1 节"散点兜底、聚合结论"的思路在分类场景的翻版：

# 箱体做摘要，蜂群做证词
ax = sns.boxplot(data=tips, x='day', y='total_bill',
                 showfliers=False,      # 关掉箱线图自己的离群点标记，避免与蜂群打架
                 boxprops={'facecolor': 'none'})   # 箱体只描边不填充，不挡点
sns.swarmplot(data=tips, x='day', y='total_bill', ax=ax, size=3.5, color='0.3')
ax.set_xlabel('星期')
ax.set_ylabel('总消费（美元）')
# 输出说明：灰黑色蜂群穿过透明箱体，中位线横在点云腰部，
# 离群点是真实观测还是摘要判定一眼可查
​

叠加的两个细节：showfliers=False 防止箱线图把离群点画成空心圈与蜂群点重叠；箱体去填充让下层点可见。这套"空箱加蜂群"的组合是论文与报告里的常客。

完整案例：体检指标异常值的定位

背景：一份体检汇总表，医生怀疑某年龄段的血糖异常值集中在少数人身上，需要定位到个体。

操作：

# 构造演示数据：三组各 80 人，第三组混入 6 个高位异常
import numpy as np
import pandas as pd
rng = np.random.default_rng(7)
df = pd.DataFrame({
    'age_group': np.repeat(['30-39', '40-49', '50-59'], 80),
    'glucose': np.concatenate([
        rng.normal(5.1, 0.5, 80), rng.normal(5.4, 0.6, 80),
        np.concatenate([rng.normal(5.8, 0.6, 74), rng.uniform(9.5, 12.0, 6)]),
    ]),
})
ax = sns.swarmplot(data=df, x='age_group', y='glucose', size=4)
ax.axhline(6.1, color='crimson', linestyle='--', linewidth=1)   # 临床参考上限
ax.set_xlabel('年龄组')
ax.set_ylabel('空腹血糖（mmol/L）')
​

结果解读：50-59 组的蜂群顶部清晰地分离出 6 个孤立点，全部越过红色参考线；它们与主群体之间有一段空白区，说明是"另一群人"而不是连续尾巴的末端。摘要图只能报告"该组均值偏高 0.4"，定位不到这 6 人——零压缩展示的价值就在此。变式：给这 6 个点追加标注（ax.annotate 逐点写编号），图就从分析图升级成行动清单。

⚠️ 常见坑：swarmplot 对大数据集的警告不是吓唬人——超过约 1000 点时会因带宽溢出抛错。那时换 stripplot 加 alpha=0.3，或先 df.sample(800) 抽样。

本节要点回顾

• 抖动只在类别方向：y 值不失真，jitter 控制在 0.5 以内；
• 蜂群形状即密度：带宽轮廓直接呈现偏态与多峰；
• 样本量分界：百级 swarm、千级 strip、万级改画分布摘要；
• 空箱加蜂群：showfliers 关闭、箱体去填充，证词与判决同框；
• dodge 处理双类别：hue 分组时让竖列互相让位。

下一节沿压缩光谱向上，看箱线、小提琴如何摘要分布，柱状、点图如何只留一个统计量。