数据分析学习笔记（二）——数据可视化进阶

这次我们来看一下使用Python进行更深入的数据可视化分析，使用的包为seaborn。
seaborn包中有一些内置数据集，类似于iris，使用load_dataset可以读取使用。
我们选择Titanic,、tips和iris三个数据集进行示例

import seaborn as sns

iris = sns.load_dataset('iris')
tips = sns.load_dataset('tips')
titanic = sns.load_dataset('Titanic')

先看一眼数据集都长什么样：

iris.head()

tips.head()

titanic.head()

 

一、分类图

1.分类散点图

最基本的散点图可以使用replot函数绘制

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

还有两种二维的散点图：Stripplot和Swarmplot

sns.stripplot(x = 'species', y = 'sepal_length', data = iris)

sns.swarmplot(x = 'species', y = 'sepal_length', data = iris)

同时这两个散点图还可以用hue参数来添加一维

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

2.分类分布图

箱线图是最直观的分类分布图之一，反映了原始数据分布的特征，还可以对多组数据进行比较
箱线图的图形中反映了数据的中位数，四分位数和最值分布情况，最值线外的点为异常值、离群点

sns.boxplot(x = 'species', y = 'sepal_length', data = iris)

同理可以用hue参数添加一维

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

小提琴图是箱线图和密度图的结合，反映了原始数据的分布形状。粗黑线表示四分数范围，延伸的细线表示95%的置信区间，白点为中位数。

sns.violinplot(x = 'species', y = 'sepal_length', data = iris)

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

当第三维只有两个值时，可以用split参数拆分小提琴

sns.violinplot(x='day', y='total_bill', hue='sex', split = True, data=tips)

小提琴图也可以和散点图相结合

sns.violinplot(x = 'species', y = 'sepal_length', data = iris)
sns.swarmplot(x = 'species', y = 'sepal_length', data = iris, color = 'w', alpha = 0.5)

3.分类估计图

如果我们更关心各个类别之间的估计关系，我们可以用直方图来表示

sns.barplot(x = 'sex', y = 'survived', data = titanic)

三维情况：

sns.barplot(x = 'sex', y = 'survived', hue = 'pclass', data = titanic)

 

二、分布图

1.单变量分布

sns.kdeplot(data = tips['total_bill'], shade = True)

分布直方图和分布曲线结合：

sns.displot(iris['sepal_length'], kde = True)

2.双变量分布

密度图+分布曲线图：

sns.jointplot(x = 'total_bill', y = 'tip', kind = 'kde', data = tips)

散点图+直方图

sns.jointplot(x = 'total_bill', y = 'tip', data = tips)

数据集所有变量之间的关系：

sns.pairplot(iris, diag_kind = 'kde')

 

三、相关性

1.相关性热力图：

corrmat = titanic.corr()
sns.heatmap(corrmat, annot = True, vmax = 1, vmin = 0, xticklabels = True, yticklabels = True, square = True)

各个参数含义：

• annot:是否显示数字
• vmax、vmin：最大值、最小值
• xticklabels、yticklabels：是否显示坐标轴
• square：是否为正方形

2.线性回归

用regplot或lmplot进行画图，得到回归直线和该回归直线95%的置信区间

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

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