在前面的章节中，我们学习了散点图，hexbin图和kde图，用于分析研究中的连续变量.当研究中的变量是分类时，这些图不适合.
当研究中的一个或两个变量是分类时，我们使用像striplot()，swarmplot()等图. Seaborn提供了这样做的界面.
在本节中，我们将了解分类散点图.
当研究中的一个变量是分类时，使用stripplot().它沿着任意一个轴的排序顺序表示数据.
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.stripplot(x = "species", y = "petal_length", data = df)
plt.show()
在上图中，我们可以清楚地看到每个物种中 petal_length 的差异.但是，上述散点图的主要问题是散点图上的点是重叠的.我们使用'Jitter'参数来处理这种情况.
抖动会给数据增加一些随机噪声.此参数将调整沿分类轴的位置.
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.stripplot(x = "species", y = "petal_length", data = df, jitter = Ture)
plt.show()
现在，可以很容易地看到点的分布.
另一个可用作"抖动"替代的选项是函数 swarmplot().此函数将散点图的每个点定位在分类轴上，从而避免重叠点和减号;
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.swarmplot(x = "species", y = "petal_length", data = df)
plt.show()
