第4章 分类图的语法
文档摘要
第4章 分类图的语法 本章要回答的三个问题： 同样是"类别对数值"，strip、swarm、box、violin、bar、point、count 八种图各自在展示分布的哪个侧面？ barplot 的误差棒和 boxplot 的箱体有什么本质区别，什么时候柱状图会系统性误导读者？ catplot 作为分类家族的工厂函数，与前两章的 displot、relplot 在语法上如何无缝衔接？ 为什么会有这一章 业务数据里最常见的表结构就是"一个类别列加一个或几个数值列"：各产品的销量、各渠道的转化率、各科室的住院日。第 3 章的散点图处理两个数值列，一旦 x 是类别，位置通道的语义就变了——类别之间没有距离可言，"星期四到星期五"不比"星期四到星期六"近。这个语义变化催生了整整一个图形家族。
第4章 分类图的语法
本章要回答的三个问题：
- 同样是"类别对数值"，strip、swarm、box、violin、bar、point、count 八种图各自在展示分布的哪个侧面？
- barplot 的误差棒和 boxplot 的箱体有什么本质区别，什么时候柱状图会系统性误导读者？
- catplot 作为分类家族的工厂函数，与前两章的 displot、relplot 在语法上如何无缝衔接？
为什么会有这一章
业务数据里最常见的表结构就是"一个类别列加一个或几个数值列"：各产品的销量、各渠道的转化率、各科室的住院日。第 3 章的散点图处理两个数值列，一旦 x 是类别，位置通道的语义就变了——类别之间没有距离可言，"星期四到星期五"不比"星期四到星期六"近。这个语义变化催生了整整一个图形家族。
分类家族最容易被当成"八种无关的图"来背，这是最大的学习浪费。放到拆解台上，它们其实是一条光谱：从"每个观测原样展示"（strip、swarm）到"分布摘要"（box、violin）再到"单统计量加误差"（bar、point），信息压缩程度逐级升高。选图就是在这条光谱上选一个压缩率，而压缩率必须匹配样本量和沟通目的。
读完能解决什么
- 给定样本量和沟通目的，能在这条压缩光谱上选对图形，并说出理由；
- 能解读箱体的五数概括与误差棒的置信含义，分清"数据范围"与"估计精度"；
- 能用 hue 的 dodge、fill、split 参数处理双类别分组，用 catplot 分面；
- 能识别柱状图基线截断、样本不均这两类常见误导。
各节怎么分工
| 节 | 回答哪个问题 | 关键产出 |
|---|---|---|
| 4.1 类别散点 strip 与 swarm | 压缩光谱的零压缩端 | 抖动语义、蜂群算法边界、与摘要图叠加 |
| 4.2 箱线、小提琴、柱状、点图 | 光谱中后段 | 五数概括读法、误差棒口径、bar 的误导场景 |
| 4.3 catplot 类别图工厂 | 问题三 | kind 全家桶、col 分面、与 displot 及 relplot 的语法闭环 |
常见疑问预答
问：八种图该背哪几种？ 都不用背。先问样本量（小样本直接展示观测，大样本必须摘要），再问沟通目的（要形态还是单个统计量），压缩光谱上的位置自然落定——选型是有理由的推导，不是记忆比赛。
问：误差棒互相盖住了柱子差异，能说不显著吗？ 不能。误差棒重叠与否只是目测线索，不是检验结论。正确动作是回到统计检验，或改画两组差值本身——把比较对象从两组均值换成差值，视觉噪声立刻减半。
问：箱线和小提琴到底选谁？ 给大众汇报用箱线，五数概括有标准读法，评审不会吵；给自己探索用小提琴，双峰、截断这类形状证据箱线会丢。两者都能叠加 4.1 的 strip 层做双重确认，成本只是一行代码。
先决条件
- 四分位数与中位数的概念（4.2 开头会用一屏讲清箱体构造）；
- 第 3.2 节的置信区间直觉（bar 与 point 的误差棒直接沿用）；
- 前两章的 figure 级函数使用经验。
本章可考核知识点
- 能在压缩光谱（观测、分布、统计量）上为给定样本量与目的选图并说明理由；
- 能徒手画出箱线图五数概括的示意并解释 1.5 倍 IQR 须的判定规则；
- 能区分误差棒（估计精度）与 IQR（数据离散）这两套不确定性语言；
- 能说出 swarmplot 的样本量上限与 stripplot 抖动的方向约束；
- 能用 catplot 组合 count 摸底、point 看交互、分面拆混杂的三步证据链。
往下走到哪
分类图把"类别 x 数值"的二维关系拆完了。当数据的行和列同时都是要比较的维度——相关系数矩阵、时间 x 月份的乘客表——第 5 章的矩阵图把整张表当成一个映射对象，颜色成为唯一的主角。