Python数据分析-绘图-2-Seaborn进阶绘图-2-关系图

一、散点图：scatterplot

函数：seaborn.scatterplot

常用参数：

x，y	array，str，series，输入变量。字符串应该是data中对应的变量名，使用series将会在轴上显示名称。
data	接收DataFrame，表示用于绘图的数据集。
hue	接收data中的变量名，传入分类变量，以颜色分类。
size	接收data中的变量名，传入分类变量，以标记大小分类。
sizes	接收list，dict，tuple，确定不同级别的size。可以一一映射，也可以设置最大最小的范围。
style	接收data中的变量名，传入分类变量，以标记形状分类。
markers	bool，list，dict，确定不同级别的style。
alpha	float，“auto”，点的透明度。默认为“auto”
legend	“brief”，“full”，False。图形图例绘制形式，默认为“brief”
palette	调色板，改变默认绘图颜色。

1.两个变量基础作图

import seaborn as sns
from matplotlib import pyplot as plt
tips=sns.load_dataset('tips')
#注意：这里在下载数据集时报错了，原因是请求被服务器拒绝了我们可以去官方数据集网站上https://github.com/mwaskom/seaborn-data把数据集下载到Seaborn-data文件夹中，再执行语句就可以了。

#使图形正常显示中文
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
#观察数据
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

#画图
ax=sns.scatterplot(x='total_bill',y='tip',data=tips)
ax.set_title('总账单与小费散点图')

 2.通过添加第三个变量来分类变量