Seaborn | 初識Seaborn

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

# 使用默認的seaborn主題
sns.set()

tips小費數據集

• total_bill: 總金額
• tip: 小費金額
• sex: 性別
• smoker: 是否抽菸
• day: 周幾
• time: 午飯(Lunch), 晚餐(Dinner)
• size: 用餐人數

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 代表形狀, hue代表顏色
sns.relplot(x="total_bill", y="tip", col="time", hue='sex', style="smoker", size="size", data=tips)
plt.show()

上圖分析出的結論

• 用餐時間, Dinner數明顯大於Lunch
• Male明顯多於Female
• 小額消費較多
• Lunch比Dinner大筆消費和小費多
• total_bill與tip呈線性關係

箱形圖

下圖可看出:

• Male明顯多於Female
• Dinner用餐量明顯大於Lunch

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

直方圖

total_bill主要集中在 10~20

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

小提琴

下圖可看出:

• 大額消費主要集中在Dinner時間段的的男性
• 大額小費主要集中在Dinner時間段的的男性

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散點圖

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

線性關係

total_bill與bill成線性關係

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