python数据可视化seaborn（三）——探索变量之间的关系

python数据可视化seaborn（三）——探索变量之间的关系

我们常常想知道变量之间是否存在关联，以及这些关联是否收到其他变量影响。可视化能够帮助我们非常直观的展示这些。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

import warnings
warnings.filterwarnings('ignore') 
# 不发出警告
sns.set_context('notebook',font_scale=1.2)
tips = sns.load_dataset("tips")
tips.head()

	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

relplot

这是一个seaborn新的图形级函数，通过kind参数，能对scatterplot()和lineplot()两个轴级函数进行访问。

*seaborn.relplot(x=None, y=None, hue=None, size=None, style=None, data=None, row=None, col=None, col_wrap=None, row_order=None, col_order=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=None, dashes=None, style_order=None, legend=‘brief’, kind=‘scatter’, height=5, aspect=1, facet_kws=None, *kwargs)

• [hue,size,style]: 可以生成不同的颜色，大小，样式来独立的显示第三个变量
• [row,col]: 按照某个变量分列或者分行
• col_wrap: int, 分成几列（不能与参数row共同出现）
• sizes: 对size参数的每个分类设定大小
  • 大小值列表
  • 变量到大小的字典映射
  • 包含最大最小的元组,会在此范围对值归一化
• [col,row,size,hue,style]_order: 指定变量出现的顺序。
• hue_norm: 当hue的变量值数字时，用于将colormap标准化，如果是分类变量则无关。
• size_norm: 数据单元的标准化，当size变量为数字时缩放图像
• legend: 如何绘制图例
  • False：不绘制图例
  • ‘brief’(默认)：数值型的hue和size参数会用均匀间隔的样本表示
  • ‘full’：对比‘brief’,每个组都会在图例中输出一个条目
• facet_kws: 要传递给FacetGrid其他参数的字典

散点图

sns.relplot(x="total_bill", y="tip", data=tips,
            kind='scatter', # ['scatter','line']
            hue='day',  # 设置按颜色分类的第三变量
#             style='day', # 设置形状分类
            palette='husl',s=