Seaborn | 初识Seaborn

本文通过分析Seaborn库中的tips小费数据集,揭示了用餐时间、性别与消费及小费的关系。发现Dinner用餐次数多于Lunch,男性消费者多于女性,且Lunch的大额消费与小费多于Dinner。同时,展示了total_bill与tip的线性关系。利用箱形图、直方图、小提琴图和swarm散点图进行深入的数据可视化解析。
摘要由CSDN通过智能技术生成
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
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值