数据“显微镜”：蜂群图让每个数据点都发声

想象一下夏季的花丛中，成群的蜜蜂围绕着花朵繁忙地飞舞。每只蜜蜂都是一个独立的数据点，它们既保持群体聚集的形态，又不会完全重叠在一起。
这就是蜂群图（Swarm Plot）的核生理念——在有限的空间内展示全部数据点，让每个点都能被清晰望见。
蜂群图是一种特殊的数据可视化图表，它将分类数据与数值数据团结起来，展示数据的分布环境。
与传统的条形图或箱线图差异，蜂群图不举行任何数据聚合，而是展示每一个原始数据点，制止了信息丢失。
1. 蜂群图焦点特点

蜂群图最奥妙的地方在于它的结构算法。
当多个数据点具有相似数值时，它们不会简单地重叠在一起，而是像有“排挤力”一样，在垂直方向（或程度方向）上轻微偏移，形成一个雷同蜂群的分布。
比如，下面是同一组数据在散点图和蜂群图中展示的效果。

从中可以看出蜂群图的焦点特点有：

• 绝不重叠： 它通过算法检测数据点的重叠环境，一旦发现两个点数值相近，就会主动把它们向程度方向推开。
  
• 生存分布形态： 散开后的形状，自然形成了一种雷同“小提琴”或“山峰”的外貌，直观地展示了数据的密度。
  
• 参数调解： 我们可以调解点的巨细（marker size）和分列的精密程度。点越大，视觉打击力越强，但必要的程度空间也越多。
  

2. 蜂群图 vs. 条形图：从择要到细节

条形图就像是一份数据择要陈诉，它告诉我们每个种别的均匀值或总计值，但潜伏了数据内部的分布细节。
而蜂群图则像是一次数据点的全员大会，每个数据点都有发言的时机。
下面针对同一组数据，我们分别绘制了条形图、箱线图和蜂群图，一起来感受一下它们之间差异的展示效果。

1. # 生成示例数据
2. np.random.seed(123)
3. categories = ["产品A", "产品B", "产品C", "产品D"]
4. data_comparison = []
5. for category in categories:
6.     n_points = 40
7.     if category == "产品A":
8.         values = np.random.normal(75, 8, n_points)
9.     elif category == "产品B":
10.         values = np.random.normal(82, 12, n_points)
11.     elif category == "产品C":
12.         values = np.random.normal(65, 5, n_points)
13.     else:  # 产品D
14.         # 创建一个双峰分布
15.         values1 = np.random.normal(55, 6, n_points // 2)
16.         values2 = np.random.normal(85, 7, n_points // 2)
17.         values = np.concatenate([values1, values2])
19.     for value in values:
20.         data_comparison.append({"产品": category, "用户评分": value})
22. # 1. 条形图（平均值）
23. means = []
24. for category in categories:
25.     cat_data = [d["用户评分"] for d in data_comparison if d["产品"] == category]
26.     means.append(np.mean(cat_data))
28. bars = axes[0].bar(
29.     categories, means, color=["#1f77b4", "#ff7f0e", "#2ca02c", "#d62728"]
30. )
33. # 在条形上标注平均值
34. # 省略...
36. # 2. 箱线图
37. box_data = []
38. for category in categories:
39.     cat_data = [d["用户评分"] for d in data_comparison if d["产品"] == category]
40.     box_data.append(cat_data)
42. boxplot = axes[1].boxplot(
43.     box_data, tick_labels=categories, patch_artist=True, boxprops=dict(facecolor="lightblue")
44. )
45. # 省略...
47. # 3. 蜂群图
48. data_df = pd.DataFrame(data_comparison)
49. sns.swarmplot(
50.     x="产品",
51.     y="用户评分",
52.     hue="产品",
53.     data=data_df,
54.     ax=axes[2],
55.     size=5,
56.     palette="Set2",
57.     edgecolor="black",
58.     linewidth=0.5,
59. )
60. # 省略...
62. plt.tight_layout()
63. plt.show()

复制代码

绘制蜂群图可以用seaborn这个库中的swarmplot函数。
从上面的对比可以看出：

• 条形图告诉我们产物D的均匀分约为70分
  
• 箱线图提示产物D的数据分布范围很广
  
• 但只有蜂群图清晰地显现了产物D现实上有两个显着的用户群体：一个低评分群体和一个高评分群体
  

3. 蜂群图 vs. 散点图：从紊乱到有序

传统散点图在处理惩罚分类数据时，常常导致数据点大量重叠，形成"黑团"，我们无法看清数据点的真实分布。
蜂群图通过智能结构算法办理了这个题目。
下面构造一个差异密度的数据，看看蜂群图和散点图的展示效果。

1. # 比较散点图与蜂群图的视觉效果
2. fig, axes = plt.subplots(1, 2, figsize=(14, 6))
4. # 生成具有不同密度的数据
5. np.random.seed(42)
6. density_data = []
7. categories = ["低密度", "中等密度", "高密度"]
8. for i, category in enumerate(categories):
9.     n_points = 20 + i * 30  # 不同密度
10.     if category == "低密度":
11.         values = np.random.normal(50, 15, n_points)
12.     elif category == "中等密度":
13.         values = np.random.normal(50, 8, n_points)
14.     else:  # 高密度
15.         values = np.random.normal(50, 4, n_points)
17.     for value in values:
18.         density_data.append({"类别": category, "数值": value})
20. # 左侧：传统散点图
21. for i, category in enumerate(categories):
22.     cat_data = [d["数值"] for d in density_data if d["类别"] == category]
23.     x_positions = np.full(len(cat_data), i)
24.     axes[0].scatter(x_positions, cat_data, alpha=0.6, s=60, label=category)
26. #省略...
28. # 右侧：蜂群图
29. density_data_df = pd.DataFrame(density_data)
30. sns.swarmplot(
31.     x="类别",
32.     y="数值",
33.     hue="类别",
34.     data=density_data_df,
35.     ax=axes[1],
36.     size=6,
37.     palette="coolwarm",
38.     edgecolor="black",
39.     linewidth=0.5,
40. )
41. #省略...
43. plt.tight_layout()
44. plt.show()

复制代码

蜂群图办理了 “重叠（Overplotting）” 的题目。在数据量适中（几百到几千个点）时，它是展示分布密度的最佳选择。
4. 蜂群图的实用场景

蜂群图并不是为了代替条形图或散点图，它有自己的实用场景和范围性。
适当使用蜂群图的场景：

• 样本量适中（通常少于几百个点）时，展示完备数据分布
  
• 必要同时看到团体趋势和个体数据点
  
• 数据有多个分类变量，必要比力差异种别分布
  
• 渴望发现非常值或特殊模式（如双峰分布）
  

蜂群图的范围性紧张有：

• 大数据集大概导致图表过于拥挤
  
• 对于非常大规模数据，箱线图或小提琴图大概更符合
  
• 精确的数值比力不如条形图直观
  

5. 总结

蜂群图就像数据可视化范畴的"显微镜"，它让我们既能观察到数据的团体分布形态，又能看到每一个数据点的详细位置。
与只能表现择要信息的条形图和轻易产生重叠的散点图相比，蜂群图在表现中小型数据集的完备分布信息方面具有独特上风。
在数据可视化实践中，选择精确的图表范例就像选择精确的工具一样紧张。
当下一次你必要展示分类数据的分布时，不妨实验一下蜂群图，它大概会显现出你从未留意到的数据秘密。
文中的完备代码共享在：蜂群图.ipynb (访问暗码: 6872)

免责声明：如果侵犯了您的权益，请联系站长及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金.