## 一、導入常用包
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib as mlp
import matplotlib.pyplot as plt
## 二、導入seanborn內置數據集’tips‘
titanic = sns.load_dataset("titanic")
tips = sns.load_dataset("tips")
iris = sns.load_dataset("iris")
## 四、重點 多變量回歸分析
# 對于星期幾，只有1234567這幾個類別值，這樣的數據如何很好的可視化展示，重要
#對于類別可以用stripplot，并不推薦大家使用，因為堆在一塊了某天的，通常數據量比較大。這個是需要我們解決的問題，解決堆積問題
sns.stripplot(x="day",y="total_bill",data=tips)
#方案1 還是stripplot，但是加上jitter ，jitter=true，即要把我這個點進行偏，隨機偏動，更清晰展示
#重疊是很常見的現象，但是重疊營銷了我觀察數據的量了
sns.stripplot(x="day",y="total_bill",data=tips,jitter=True)
#方案2 用 看起來像數一樣，用swarmplot函數，類似圣誕樹，這個比較好比上個，還可以加上一個屬性，加上一個hue指標，通用的參數這是hue等
sns.swarmplot(x="day",y="total_bill",data=tips,hue="sex")
##橫豎著話，x和y調過來即可
##五、盒圖，一般情況下數據并不是那么的好，會有離群值（異常值），sns.boxplot，傳入x，傳入y，傳入data
# IQR即統計學概念四分位距離，即第一/四分位與第三/四分位之間的距離
# N=1.5IQR 如果一個值>Q3+N，或者<Q1-N，則為離群點，兩個橫杠表示最大值，最小值，菱形表示離群點
sns.boxplot(x='day',y="total_bill",hue='time',data=tips)
plt.show()
#六、琴形圖，越胖出現的次數越多，越瘦出現的次數越小，可以指定split屬性，即左邊一個屬性，右邊一個屬性，split=true
sns.violinplot(x='total_bill',y='day',hue='time',data=tips)
sns.violinplot(x='total_bill',y='day',hue='sex',data=tips,split=True)
## 七、圖合并，alpha=.5代表透明程度，
sns.violinplot(x='day',y='total_bill',data=tips,inner=None)
sns.swarmplot(x='day',y='total_bill',data=tips,color = 'w',alpha=.5)
## 八、條形圖barplot,可以分組
##數據集是泰坦尼克號數據集，class是頭等艙、二等艙、三等艙，y是獲救率
sns.barplot(x='sex',y='survived',hue='class',data=titanic)
##點圖，可以更好的描述變化差異，點圖pointplot.用的蠻多的，linestyles是線形(折線圖）
sns.pointplot(x='sex',y='survived',hue='class',data=titanic)
##點圖，參數化設置
sns.pointplot(x='class',y='survived',hue='sex',data=titanic,
palette={'male':'g',"female":"m"},
markers=["^","o"],linestyles=['-','--']) #palette用大括號，其他的用中括號記住
##九、多層面板分類圖（常用的）factorplot，在這里可以畫各種圖，只要把kind指定好即可
sns.factorplot(x='day',y="total_bill",hue="smoker",data=tips)
sns.factorplot(x='day',y='total_bill',hue='smoker',data=tips,kind='bar')
sns.factorplot(x='day',y='total_bill',hue="smoker",col="time",data=tips,kind='swarm')
sns.factorplot(x="time", y="total_bill", hue="smoker",
col="day", data=tips, kind="box", size=4, aspect=1) #size空間大小，慢慢自己把握
參數解釋
seaborn.factorplot(x=None, y=None, hue=None, data=None, row=None, col=None, col_wrap=None, estimator=<function mean>, ci=95, n_boot=1000, units=None, order=None, hue_order=None, row_order=None, col_order=None, kind='point', size=4, aspect=1, orient=None, color=None, palette=None, legend=True, legend_out=True, sharex=True, sharey=True, margin_titles=False, facet_kws=None, **kwargs)
### Parameters： ###
* x,y,hue 數據集變量 變量名
* date 數據集 數據集名
* row,col 更多分類變量進行平鋪顯示 變量名
* col_wrap 每行的最高平鋪數 整數
* estimator 在每個分類中進行矢量到標量的映射 矢量
* ci 置信區間 浮點數或None
* n_boot 計算置信區間時使用的引導迭代次數 整數
* units 采樣單元的標識符，用于執行多級引導和重復測量設計 數據變量或向量數據
* order, hue_order 對應排序列表 字符串列表
* row_order, col_order 對應排序列表 字符串列表
* kind : 可選：point 默認, bar 柱形圖, count 頻次, box 箱體, violin 提琴, strip 散點，swarm 分散點
size 每個面的高度（英寸） 標量
aspect 縱橫比 標量
orient 方向 "v"/"h"
color 顏色 matplotlib顏色
palette 調色板 seaborn顏色色板或字典
legend hue的信息面板 True/False
legend_out 是否擴展圖形，并將信息框繪制在中心右邊 True/False
share{x,y} 共享軸線 True/False
