Seaborn | 初识Seaborn

import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

# 使用默认的seaborn主题
sns.set()

tips小费数据集

• total_bill: 总金额
• tip: 小费金额
• sex: 性别
• smoker: 是否抽烟
• day: 周几
• time: 午饭(Lunch), 晚餐(Dinner)
• size: 用餐人数

tips = sns.load_dataset('tips')
tips.head(5)

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

# style 代表形状, hue代表颜色
sns.relplot(x="total_bill", y="tip", col="time", hue='sex', style="smoker", size="size", data=tips)
plt.show()

上图分析出的结论

• 用餐时间, Dinner数明显大于Lunch
• Male明显多于Female
• 小额消费较多
• Lunch比Dinner大笔消费和小费多
• total_bill与tip呈线性关系

箱形图

下图可看出:

• Male明显多于Female
• Dinner用餐量明显大于Lunch

sns.catplot(x='time', y='total_bill', kind='box', hue='sex', data=tips)
plt.show()

直方图

total_bill主要集中在 10~20

sns.distplot(tips['total_bill'], kde=False)
plt.show()

小提琴

下图可看出:

• 大额消费主要集中在Dinner时间段的的男性
• 大额小费主要集中在Dinner时间段的的男性

sns.catplot(x='time', y='total_bill', hue='sex', kind='violin', data=tips)
plt.show()

sns.catplot(x='time', y='tip', hue='sex', kind='violin', data=tips)
plt.show()

swarm散点图

sns.catplot(x='smoker', y='tip', kind='swarm', hue='sex', data=tips)
plt.show()

线性关系

total_bill与bill成线性关系

sns.regplot(x='total_bill', y='tip', data=tips)
plt.show()