Python统计分析可视化库——seaborn

Visualization of seaborn

  seaborn[1]是一个建立在matplot之上，可用于制作丰富和非常具有吸引力统计图形的Python库。Seaborn库旨在将可视化作为探索和理解数据的核心部分，有助于帮人们更近距离了解所研究的数据集。无论是在kaggle官网各项算法比赛中，还是互联网公司的实际业务数据挖掘场景中，都有它的身影。

   在本次介绍的这个项目中，我们将利用seaborn库对数据集进行分析，分别展示不同类型的统计图形。

首先，我们将导入可视化所需的所有必要包，我们将使用到的几个包：

• Numpy
• pandas
• matplotlib
• seaborn

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

   本次使用到的数据集是比较有名的tips(小费)数据集[2]。小费数据集，是一个餐厅侍者收集的关于小费的数据，其中包含了七个变量，包括总费用、付小费的金额、付款者性别、是否吸烟、日期、日间、顾客人数。通过数据分析和建模，可帮助餐厅侍者预测来餐厅就餐的顾客是否会会支付小费。知识改变命运啊~
   让我们先导入tips数据集：

import matplotlib.pyplot as plt
import numpy as np
% %matplotlib inline

import seaborn as sns

tips = pd.read_csv('../input/tips.csv')

让我们看看数据集前面几行，看看数据集究竟长什么样。

tips.head()

dist plot图

sns.distplot(tips['total_bill'])

sns.distplot(tips['total_bill'],kde = False)

看图说话：上图显示，顾客在餐厅的消费总金额主要是在5-35的范围内分布的。

count plot图

sns.countplot(x = 'smoker',  data = tips)

看图说话：上图显示，来餐厅就餐的顾客&