Day 08 : 资料视觉化 Seaborn

昨天介绍的资料视觉化之後，大家是否有自己练习看看呢？能画出图是一件很有趣的事情哦！
接着我们来介绍另一个视觉化套件 Seaborn，它是以 matplotlib 为基础的高阶绘图套件。

这次我们实际拿铁达尼号的资料来试试看！资料连结
更多好看的图也可以参考 Seaborn 官方网站

基本应用

引入套件

import pandas as pd
import numpy as np
# visualization libraries
import matplotlib.pyplot as plt
import seaborn as sns
# print the graphs in the notebook
% matplotlib inline

散布图

了解票价和年龄的分布图

train = pd.read_csv('train.csv')
sns.jointplot(x='Fare', y='Age', data=train)

长条图

分组性别绘制存活数的长条图

sns.countplot(train['Sex'], hue=train['Survived'])

分布密度图

绘制年龄的分布密度图

sns.histplot(data=train['Age'])

箱型图

分组舱等(Pclass)，绘制票价(Fare)与存活数的盒状图

sns.boxplot(y='Pclass', x='Fare', hue='Survived', data=train, orient='h')

小提琴图

依照性别(Sex)绘制2张小提琴图相对年龄且标示该点是否存活

sns.violinplot(x='Sex',y='Age',data=train, hue='Survived',split=True)

热力图

cor = train.corr()
sns.heatmap(cor, cmap='coolwarm')

绘制多张图

FacetGrid

依照 Embarked 分三张图绘制，绘制年龄与票价的散布图且标示该点是否存活

g = sns.FacetGrid(train, col = "Embarked", hue = "Survived")
g.map(plt.scatter, "Age", "Fare", alpha =.7)
g.add_legend()

PariGrid

有时候想直接查看俩俩变数的关系

g = sns.PairGrid(train) 
g.map(plt.scatter)

图太大仅部分截图