数据“显微镜”：蜂群图让每个数据点都发声

想象一下夏日的花丛中，成群的蜜蜂围绕着花朵忙碌地飞舞。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）的核心理念------在有限的空间内展示所有数据点，让每个点都能被清晰看见。

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结合起来，展示数据的分布情况。

与传统的条形图或箱线图不同，蜂群图不进行任何数据聚合，而是展示每一个原始数据点，避免了信息丢失。

1. 蜂群图核心特点

蜂群图最巧妙的地方在于它的布局算法。

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"排斥力"一样，在垂直方向（或水平方向）上轻微偏移，形成一个类似蜂群的分布。

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核心特点有：

1. 绝不重叠： 它通过算法检测数据点的重叠情况，一旦发现两个点数值相近，就会自动把它们向水平方向推开。
2. 保留分布形态： 散开后的形状，天然形成了一种类似"小提琴"或"山峰"的轮廓，直观地展示了数据的密度。
3. 参数调整： 我们可以调整点的大小（marker size）和排列的紧密程度。点越大，视觉冲击力越强，但需要的水平空间也越多。

2. 蜂群图 vs. 条形图：从摘要到细节

条形图就像是一份数据摘要报告，它告诉我们每个类别的平均值或总计值，但隐藏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机会。

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不同的展示效果。

# 生成示例数据
np.random.seed(123)
categories = ["产品A", "产品B", "产品C", "产品D"]
data_comparison = []
for category in categories:
    n_points = 40
    if category == "产品A":
        values = np.random.normal(75, 8, n_points)
    elif category == "产品B":
        values = np.random.normal(82, 12, n_points)
    elif category == "产品C":
        values = np.random.normal(65, 5, n_points)
    else:  # 产品D
        # 创建一个双峰分布
        values1 = np.random.normal(55, 6, n_points // 2)
        values2 = np.random.normal(85, 7, n_points // 2)
        values = np.concatenate([values1, values2])

    for value in values:
        data_comparison.append({"产品": category, "用户评分": value})

# 1. 条形图（平均值）
means = []
for category in categories:
    cat_data = [d["用户评分"] for d in data_comparison if d["产品"] == category]
    means.append(np.mean(cat_data))

bars = axes[0].bar(
    categories, means, color=["#1f77b4", "#ff7f0e", "#2ca02c", "#d62728"]
)


# 在条形上标注平均值
# 省略...

# 2. 箱线图
box_data = []
for category in categories:
    cat_data = [d["用户评分"] for d in data_comparison if d["产品"] == category]
    box_data.append(cat_data)

boxplot = axes[1].boxplot(
    box_data, tick_labels=categories, patch_artist=True, boxprops=dict(facecolor="lightblue")
)
# 省略...

# 3. 蜂群图
data_df = pd.DataFrame(data_comparison)
sns.swarmplot(
    x="产品",
    y="用户评分",
    hue="产品",
    data=data_df,
    ax=axes[2],
    size=5,
    palette="Set2",
    edgecolor="black",
    linewidth=0.5,
)
# 省略...

plt.tight_layout()
plt.show()

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：

• 条形图告诉我们产品D的平均分约为70分
• 箱线图提示产品D的数据分布范围很广
• 但只有蜂群图清晰地揭示了产品D实际上有两个明显的用户群体：一个低评分群体和一个高评分群体

3. 蜂群图 vs. 散点图：从混乱到有序

传统散点图在处理分类数据时，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。

蜂群图通过智能布局算法解决了这个问题。

下面构造一个不同密度的数据，看看蜂群图和散点图的展示效果。

# 比较散点图与蜂群图的视觉效果
fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# 生成具有不同密度的数据
np.random.seed(42)
density_data = []
categories = ["低密度", "中等密度", "高密度"]
for i, category in enumerate(categories):
    n_points = 20 + i * 30  # 不同密度
    if category == "低密度":
        values = np.random.normal(50, 15, n_points)
    elif category == "中等密度":
        values = np.random.normal(50, 8, n_points)
    else:  # 高密度
        values = np.random.normal(50, 4, n_points)

    for value in values:
        density_data.append({"类别": category, "数值": value})

# 左侧：传统散点图
for i, category in enumerate(categories):
    cat_data = [d["数值"] for d in density_data if d["类别"] == category]
    x_positions = np.full(len(cat_data), i)
    axes[0].scatter(x_positions, cat_data, alpha=0.6, s=60, label=category)

#省略...

# 右侧：蜂群图
density_data_df = pd.DataFrame(density_data)
sns.swarmplot(
    x="类别",
    y="数值",
    hue="类别",
    data=density_data_df,
    ax=axes[1],
    size=6,
    palette="coolwarm",
    edgecolor="black",
    linewidth=0.5,
)
#省略...

plt.tight_layout()
plt.show()

蜂群图 解决了 "重叠（Overplotting）" 的问题。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. 蜂群图的适用场景

蜂群图 并不是为了取代条形图 或散点图，它有自己的适用场景和局限性。

适合使用蜂群图的场景：

• 样本量适中（通常少于几百个点）时，展示完整数据分布
• 需要同时看到整体趋势和个体数据点
• 数据有多个分类变量，需要比较不同类别分布
• 希望发现异常值或特殊模式（如双峰分布）

蜂群图 的局限性主要有：

1. 大数据集可能导致图表过于拥挤
2. 对于非常大规模数据，箱线图或小提琴图可能更合适
3. 精确的数值比较不如条形图直观

5. 总结

蜂群图就像数据可视化领域的"显微镜"，它让我们既能观察到数据的整体分布形态，又能看到每一个数据点的具体位置。

与只能显示摘要信息的条形图 和容易产生重叠的散点图 相比，蜂群图在显示中小型数据集的完整分布信息方面具有独特优势。

在数据可视化实践中，选择正确的图表类型就像选择正确的工具一样重要。

当下一次你需要展示分类数据的分布时，不妨尝试一下蜂群图，它可能会揭示出你从未注意到的数据秘密。

文中的完整代码共享在：蜂群图.ipynb (访问密码: 6872)