python花瓣长度和花瓣宽度散点图鸢尾花_Python可视化seaborn练习题

seaborn —— 课后练✋

%matplotlib inline

import numpy as np

import pandas as pd

from scipy import stats, integrate

import matplotlib as mpl

from matplotlib import pyplot as plt

import seaborn as sns

练习1：鸢尾花花型尺寸分析

鸢尾花萼片(sepal)和花瓣(petal)的大小关系(散点图)

不同种类(species)鸢尾花萼片和花瓣的分布情况(箱图或者提琴图)

鸢尾花萼片和花瓣大小的联合分布情况(六角箱图或者核密度估计)

data = sns.load_dataset("iris")

data.head()

# 萼片长度，萼片宽度，花瓣长度，花瓣宽度，种类

sepal_length

sepal_width

petal_length

petal_width

species

0

5.1

3.5

1.4

0.2

setosa

1

4.9

3.0

1.4

0.2

setosa

2

4.7

3.2

1.3

0.2

setosa

3

4.6

3.1

1.5

0.2

setosa

4

5.0

3.6

1.4

0.2

setosa

data['sepal_size']=data['sepal_length']*data['sepal_width']

data['petal_size']=data['petal_length']*data['petal_width']

萼片与花瓣

sns.lmplot(x='sepal_size',y='petal_size',data=data)

不同种类 萼片与花瓣分布

g = sns.PairGrid(data,

x_vars=["species"],

y_vars=["sepal_size", "petal_size"],

aspect=2, size=4)

g.map(sns.violinplot, palette="pastel");

萼片与花瓣大小联合分布

# your code

sns.jointplot(x='sepal_length',y='petal_length',data=data,kind='kde')

/opt/ds/local/lib/python2.7/site-packages/numpy/ma/core.py:6385: MaskedArrayFutureWarning: In the future the default for ma.minimum.reduce will be axis=0, not the current None, to match np.minimum.reduce. Explicitly pass 0 or None to silence this warning.

return self.reduce(a)

/opt/ds/local/lib/python2.7/site-packages/numpy/ma/core.py:6385: MaskedArrayFutureWarning: In the future the default for ma.maximum.reduce will be axis=0, not the current None, to match np.maximum.reduce. Explicitly pass 0 or None to silence this warning.

return self.reduce(a)

练习2：餐厅小费情况分析

小费和总消费之间的关系(散点图+回归分析)

男性顾客和女性顾客，谁更慷慨(箱图或者提琴图)

抽烟与否是否会对小费金额产生影响(箱图或者提琴图)

工作日和周末，什么时候顾客给的小费更慷慨(箱图或者提琴图)

午饭和晚饭，哪一顿顾客更愿意给小费(箱图或者提琴图)

就餐人数是否会对慷慨度产生影响(箱图或者提琴图)

性别+抽烟的组合因素对慷慨度的影响(统计柱状图)

data = sns.load_dataset("tips")

data.head()

# 总消费，小费，性别，吸烟与否，就餐星期，就餐时间，就餐人数

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

小费与总消费

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

小费：男性vs女性

sns.boxplot(y='tip',x='sex',data=data)

小费：抽烟vs不抽烟

sns.boxplot(y='tip',x='smoker',data=data)

小费：工作日vs周末

day=data['day'].unique()

day [Sun, Sat, Thur, Fri] Categories (4, object): [Sun, Sat, Thur, Fri]

data_week=pd.DataFrame(('weekend' if x in ['Sun','Sat'] else 'weekday' for x in data.day),index=data.index,columns=['week'])

data_expand=pd.merge(data,data_week,left_index=True,right_index=True)

data_expand.head()

total_bill

tip

sex

smoker

day

time

size

week

0

16.99

1.01

Female

No

Sun

Dinner

2

weekend

1

10.34

1.66

Male

No

Sun

Dinner

3

weekend

2

21.01

3.50

Male

No

Sun

Dinner

3

weekend

3

23.68

3.31

Male

No

Sun

Dinner

2

weekend

4

24.59

3.61

Female

No

Sun

Dinner

4

weekend

sns.boxplot(y='tip',x='week',data=data_expand)

小费：午餐vs晚餐

sns.violinplot(x='time',y='tip',data=data)

小费：就餐人数

sns.violinplot(x='size',y='tip',data=data)

小费：性别+抽烟

# your code

sns.barplot(x='sex',y='tip',hue='smoker',data=data)

练习3：泰坦尼克号海难幸存状况分析

不同仓位等级中幸存和遇难乘客的分布(箱图或者提琴图)

幸存和遇难乘客的票价分布(箱图或者提琴图)

幸存和遇难乘客的年龄分布(箱图或者提琴图)

不同上船港口的乘客仓位等级分布(箱图或者提琴图)

幸存和遇难乘客堂兄弟姐妹的数量分布(箱图或者提琴图)

幸存和遇难乘客父母子女的数量分布(箱图或者提琴图)

单独乘船与否和幸存之间的关系(统计柱状图)

乘客年龄和船票价格之间的关系(线性回归模型)

乘客性别和仓位等级之间的关系(统计柱状图)

乘客年龄和仓位等级之间的关系(带抖动的散点图)

data = sns.load_dataset("titanic")

data.head()

# 幸存与否，仓位等级，性别，年龄，堂兄弟姐妹数，父母子女数，票价，上船港口缩写，仓位等级，人员分类，是否成年男性，所在甲板，上船港口，是否幸存，是否单独乘船

survived

pclass

sex

age

sibsp

parch

fare

embarked

class

who

adult_male

deck

embark_town

alive

alone

0

0

3

male

22.0

1

0

7.2500

S

Third

man

True

NaN

Southampton

no

False

1

1

1

female

38.0

1

0

71.2833

C

First

woman

False

C

Cherbourg

yes

False

2

1

3

female

26.0

0

0

7.9250

S

Third

woman

False

NaN

Southampton

yes

True

3

1

1

female

35.0

1

0

53.1000

S

First

woman

False

C

Southampton

yes

False

4

0

3

male

35.0

0

0

8.0500

S

Third

man

True

NaN

Southampton

no

True

幸存or遇难：不同仓位影响？

sns.violinplot(x='class',y='survived',data=data)

幸存or遇难：票价分布？

sns.violinplot(x='alive',y='fare',data=data)

幸存or遇难：年龄分布？

sns.violinplot(x='alive',y='age',data=data)

不同上船港口的仓位等级分布

sns.violinplot(x='embark_town',y='pclass',data=data)

幸存or遇难：堂兄弟姐妹数量分布？

sns.violinplot(x='alive',y='sibsp',data=data)

幸存or遇难：父母子女数量分布？

sns.violinplot(x='alive',y='parch',data=data)

幸存or遇难：是否单独乘船？

# your code

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

年龄与票价的关系

sns.lmplot(x='age',y='fare',data=data)

性别与仓位等级

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

乘客年龄与仓位等级的关系

sns.lmplot(x='pclass',y='age',data=data,x_jitter=0.2)