Seaborn可视化绘制散点图

  Seaborn是一个基于Matplotlib的Python数据可视化库，它提供更高级的接口，用于绘制表现力更强和信息更丰富的统计图形，并与Pandas紧密集成。相较于Matplotlib，Seaborn在统计方面的专业性更强。

散点图

调用relplot方法绘制散点图（relplot中的参数kind默认是'scatter'）。tips.csv文件内容如下：

import matplotlib.pyplot as plt
import seaborn as sns

sns.set(style='darkgrid')
tips = sns.load_dataset('tips')
sns.relplot(x='total_bill', y='tip', col='time', hue='smoker',
			 style='smoker', size='size', data=tips)
plt.show()

sns.set()：调用set方法设置图形主题，共五种主题darkgrid（默认）、whitegrid、dark、white、ticks。更换时使用参数style="主题"即可。
sns.load_dataset(“tips”)：加载数据集，并返回数据帧。
sns.relplot：调用relploot方法绘制图形，xy参数决定了点的位置，size参数决定了点形状的大小，col根据参数的值决定画布会产生几个子图，哪些数据会落在哪个子图内，hue和style决定了点的色调和形状。
plt.show()：调用show方法显示图形。

为每个点着色

现在我们就观察一下tips.csv文件中的数据。一步步的探究relplot中各个参数的意义。
在绘图时，x轴的total_bill是总金额，y轴的tip是小费,根据x，y的值可以确定一个点，现在使用hue参数进行着色。
tips.csv文件中smoker列只有两种值，Yes或No，那么着色后的每个点会根据hue的值来进行着色。

sns.relplot(x='total_bill', y='tip', hue='smoker', data=tips)

修改点的形状

引入style变量来修改点的形状，根据是否吸烟将形状分为两种。

sns.relplot(x='total_bill', y='tip', hue='smoker', 
				style='smoker', data=tips)

独立改变每个点的色调和样式

点的形状不再根据smoker来判断，这样点的色调和形状将根据不同的标准进行绘制。

sns.relplot(x='total_bill', y='tip', hue='smoker', 
				style='time', data=tips)

修改点的颜色和大小

同时修改点的颜色和大小来强调数据差异，sizes参数可以划定点的大小所在的范围，根据需要进行选择。

sns.relplot(x='total_bill', y='tip', col='time', hue='smoker', 
					size='size', data=tips)