gswsssw的博客

很多小伙伴在学习完数据分析和机器学习之后都想找一些项目进行实战训练，不仅可以巩固自己的知识，还可以学习到新的技能来扩展自己的技能树。kaggle、天池、DF、DC等等都是一些很不错的竞赛学习网站，特别是kaggle和天池含金量很高，如果你能够在这两个竞赛中取得一个不错的成绩那么在面试中是一个很大的加分项。 在第一次对数据分析时，很多人面对这些数据都会无从下手，不知道问题的切入点在哪里。我们就从kaggle上经典的Titanic项目来进行一个简单的分析。这个项目的是需要我们通过他给的数据集来预测哪种

简介： seaborn这个库是基于matplotlib并且数据结构与pandas统一的python制图库。seaborn提供了一个高级界面，它是在matplotlib上进行了更高级的API封装，因此使得制图更加简单。在数据分析中使用seaborn可以满足大部分需求，如果需要复杂的自定义图形还是要使用到matplotlib。所以建议大家先去学习matplotlib，再来学习seaborn。 这里列出了一些 seaborn 的功能： 计算间关的面向数据集接口 可视化类别变量的观测与统计 可视化单变量或

上一篇文章主要讲述了有关seaborn的一些基础设置，可以让使我们绘制的图形更加饱满。接下来我们来看seaborn可以绘制哪些图形。左边是我们常用的绘图接口，右边则是一些基础设置，还有一些功能有待补充。依次来看这些函数的实现方式和具体功能。 一、关系图 1.scatterplot：散点图是统计可视化的重要组成部分。它使用点云来描述两个变量的联合分布，其中每个点代表数据集中的一个观察。这种描绘可以推断出大量关于它们之间是否有任何有意义的关系的信息。 seaborn.scatterplot(x

三、分类分布图 目录 三、分类分布图 四、分类估计图 五、多变量绘图函数 1.boxplot（） 它的作用是可以直观的查看异常值 seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True, fliersize=5, linew...