0dayhubseaborn.swarmplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)绘制具有非重叠点的分类散点图。
此功能类似于 stripplot(),，但调整点（仅沿分类轴），以便它们不重叠。 这样可以更好地表示值的分布，但不能很好地扩展到大量观察值。这种情节有时被称为“诅咒”
一个群体图可以单独绘制，但如果你想要显示所有观察结果以及底层分布的一些表示，它也是一个盒子或小提琴图的良好补充。
正确排列点需要在数据和点坐标之间进行精确转换。这意味着必须在绘制绘图之前设置非默认轴限制。
输入数据可以以多种格式传递，包括：
- 表示为列表，numpy arrays或pandas Series objects直接传递给
x，y和/或hue参数。 - “长格式” DataFrame,
x，y和hue变量将决定数据的绘制方式 - “宽格式”DataFrame，用于绘制每个数字列。
- 一个数组或向量列表。
在大多数情况下，可以使用numpy或Python对象，但最好使用pandas对象，因为关联的名称将用于注释轴。此外，您可以使用分类类型来分组变量来控制绘图元素的顺序。
此函数始终将其中一个变量视为分类，并在相关轴上的序数位置（0,1，… n）处绘制数据，即使数据具有数字或日期类型也是如此
有关更多信息，请参阅教程。
参数：x, y, hue：数据或矢量数据中的变量名称，可选
用于绘制长格式数据的输入。查看解释示例。
data：DataFrame, array, or 或数组列表, 可选
用于绘图的数据集。 如果
x和y是不存在的, 会被解释成 wide-form. 否则会被解释成 long-form.
order, hue_order：字符串列表，可选
命令绘制分类级别，否则从数据对象推断级别。
dodge：布尔，可选
使用
hue嵌套时，将其设置为True将沿着分类轴分离不同色调级别的条带。 否则，每个级别的点将绘制在一个群中。
orient：“v” | “h”, 可选
图的方向（垂直或水平）。这通常是从输入变量的dtype推断出来的，但可用于指定“分类”变量何时是数字或何时绘制宽格式数据。
color：matplotlib color, 可选
所有元素的颜色，或渐变调色板的种子。
palette：调色板名称, list, or dict, 可选
用于
hue变量的不同级别的颜色。应该是color_palette(),可以解释的东西，或者是将色调级别映射到matplotlib颜色的字典。
size：float, 可选
标记的直径，以点为单位。 (尽管
plt.scatter用于绘制点，但此处的size参数采用“普通”标记大小而不是大小^ 2，如plt.scatter。
edgecolor：matplotlib color, “灰色”是特殊的，可选
每个点周围线条的颜色。如果传递
"gray"，则亮度由用于点体的调色板决定。
linewidth：float, 可选
构图元素的灰线宽度。
ax：matplotlib Axes, 可选
Axes对象将绘图绘制到，否则使用当前轴。
返回值：ax：matplotlib Axes
返回Axes对象，并在其上绘制绘图。
参看
带有类似API的传统盒须图。框图和核密度估计的组合。散点图，其中一个变量是分类的。可以与其他图一起使用以显示每个观察结果。使用类组合分类图：FacetGrid。
例
绘制单个水平群图：
>>> import seaborn as sns
>>> sns.set(style="whitegrid")
>>> tips = sns.load_dataset("tips")
>>> ax = sns.swarmplot(x=tips["total_bill"])
通过分类变量对群组进行分组：
>>> ax = sns.swarmplot(x="day", y="total_bill", data=tips)
绘制水平群：
>>> ax = sns.swarmplot(x="total_bill", y="day", data=tips)
使用第二个分类变量为点着色：
>>> ax = sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips)
沿着分类轴拆分 hue 变量的每个级别：
>>> ax = sns.swarmplot(x="day", y="total_bill", hue="smoker",
... data=tips, palette="Set2", dodge=True)
通过传递显式顺序来控制swarm顺序：
>>> ax = sns.swarmplot(x="time", y="tip", data=tips,
... order=["Dinner", "Lunch"])
绘制使用更大的点
>>> ax = sns.swarmplot(x="time", y="tip", data=tips, size=6)
在箱形图上绘制大量观察结果：
>>> ax = sns.boxplot(x="tip", y="day", data=tips, whis=np.inf)
>>> ax = sns.swarmplot(x="tip", y="day", data=tips, color=".2")
在小提琴图的顶部画出大量的观察结果：
>>> ax = sns.violinplot(x="day", y="total_bill", data=tips, inner=None)
>>> ax = sns.swarmplot(x="day", y="total_bill", data=tips,
... color="white", edgecolor="gray")
使用catplot() 去组合 swarmplot() 和 FacetGrid. 这允许在其他分类变量中进行分组。 使用 catplot() 比直接使用 FacetGrid 更安全,因为它确保了跨 facet 的变量顺序的同步
>>> g = sns.catplot(x="sex", y="total_bill",
... hue="smoker", col="time",
... data=tips, kind="swarm",
... height=4, aspect=.7);
