5.Seaborn数据分析

• 代码地址：appke/Los-House-Prices: 洛杉矶房价预测

Seaborn数据分析

披萨店顾客数据，图形化分析

import seaborn as sns

# 内置数据集
tips=sns.load_dataset('tips')

tips.tail()

	total_bill	tip	sex	smoker	day	time	size
239	29.03	5.92	Male	No	Sat	Dinner	3
240	27.18	2.00	Female	Yes	Sat	Dinner	2
241	22.67	2.00	Male	Yes	Sat	Dinner	2
242	17.82	1.75	Male	No	Sat	Dinner	2
243	18.78	3.00	Female	No	Thur	Dinner	2

带状图

离散数据 和 连续数据 之间的关系

sns.stripplot(x='day', y='total_bill', data=tips, jitter=False)

<matplotlib.axes._subplots.AxesSubplot at 0x11a775400>

#jitter 抖动
sns.stripplot(x='day', y='total_bill', data=tips)

<matplotlib.axes._subplots.AxesSubplot at 0x11cf48cf8>

蜂群图

离散数据 和 连续数据 之间的关系——密度排列

带状图的补充

不允许在一起

sns.swarmplot(x='day', y='total_bill', data=tips)

<matplotlib.axes._subplots.AxesSubplot at 0x11cf5c6d8>

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

3.Hue-分组参数

分析每天中，午餐和晚餐的账单分布

周六 都是晚上吃饭？晚上去放松

sns.swarmplot(x='day', y='total_bill', data=tips, hue='time')

<matplotlib.axes._subplots.AxesSubplot at 0x11a95f198>

每天的付账人群中的性别分布

sns.swarmplot(x='day', y='total_bill', data=tips, hue='sex')

<matplotlib.axes._subplots.AxesSubplot at 0x11a934b70>

sns.swarmplot(x='day', y='total_bill', data=tips, hue='size')

<matplotlib.axes._subplots.AxesSubplot at 0x11d4b4f98>

sns.swarmplot(data=tips, x='size', y='total_bill')

<matplotlib.axes._subplots.AxesSubplot at 0x11a86fda0>

pizza的不同size的基础价格

tips['size'].corr(tips['total_bill'])

0.59831513090490129

箱线图

中位数、1/4位点、3/4位点、min、max、离散点分布

高斯分布，基本包括96%

之外的是离群点，小概率，分布不规律

表示total_bill的概率分布

sns.boxplot('day', 'total_bill',data=tips)

<matplotlib.axes._subplots.AxesSubplot at 0x11a84e898>

sns.swarmplot('day', 'total_bill', data=tips)

<matplotlib.axes._subplots.AxesSubplot at 0x11a630eb8>

sns.boxplot('day', 'total_bill', data=tips, hue='time')

<matplotlib.axes._subplots.AxesSubplot at 0x10b8c3710>

提琴图

对称, 概率密度

把正态分布画出来

# 忽略警告信息
import warnings
warnings.filterwarnings("ignore")

sns.violinplot('day', 'total_bill', data=tips, hue='time')

<matplotlib.axes._subplots.AxesSubplot at 0x11d9e9940>

# 只需看1半
sns.violinplot('day', 'total_bill', data=tips, hue='time', split=True)

<matplotlib.axes._subplots.AxesSubplot at 0x10a940cf8>

多图展示

花朵里的种子

sns.violinplot('day', 'total_bill', data=tips)
sns.swarmplot('day', 'total_bill', data=tips, color='white')

<matplotlib.axes._subplots.AxesSubplot at 0x11e84dbe0>

单一变量估计

多与少，频度、每天交易数量

离散型数据的频次统计

sns.countplot('day', data=tips)

<matplotlib.axes._subplots.AxesSubplot at 0x1132268d0>

sns.countplot('time', data=tips)

<matplotlib.axes._subplots.AxesSubplot at 0x11df9a4e0>

sns.countplot('day', data=tips, hue='time')

<matplotlib.axes._subplots.AxesSubplot at 0x11de00940>

sns.countplot('size', data=tips)

<matplotlib.axes._subplots.AxesSubplot at 0x11dec4f98>

连续型数据的核密度估计

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

sns.distplot(tips['total_bill'])

<matplotlib.axes._subplots.AxesSubplot at 0x113564dd8>

抵消偏度

拉成比较偏正态的函数？

小技巧，不要太多使用！可以尝试

降阶取log，只描述宏观场景，微观细节给抵消了

import numpy as np
sns.distplot(np.log(tips['total_bill']))

<matplotlib.axes._subplots.AxesSubplot at 0x11e0e5c50>

抽取前 99.5%的数据（去掉离散值的方法）

2$\sigma$

np.percentile(tips['total_bill'], 99.5)

48.317099999999996

# 离群点，可将其去掉
tips[tips['total_bill']>48.31]

	total_bill	tip	sex	smoker	day	time	size
170	50.81	10.0	Male	Yes	Sat	Dinner	3
212	48.33	9.0	Male	No	Sat	Dinner	4

带回归的散点图

看相关性

sns.lmplot('size', 'total_bill', data=tips)

<seaborn.axisgrid.FacetGrid at 0x11e900c50>

sns.lmplot('tip', 'total_bill', data=tips)

<seaborn.axisgrid.FacetGrid at 0x11ecfc358>

联合分布（既有散点的特性，又有线性回归，同时还有概率估计）

基本呈正态分布

自然存在的东西，基本都属于正态分布

每天花销，购物量，记记账

sns.jointplot('total_bill', 'tip', data=tips, kind='reg')

<seaborn.axisgrid.JointGrid at 0x11ea30c50>