阅读量:0
续Python——使用Seaborn钻石数据可视化分析（1）
目录
一、不同变量之间的相关关系，如carat与depth变量和carat与price
📍serborn.jointplot ——绘制两个变量之间的联合分布
二、不同变量之间的相关关系，如dept、table、price、x、y与z
编辑📍 sns.pairplot ——绘制数据集中所有数值列的成对关系图
📈 4、非数值变量描述性统计分析
1️⃣ 柱状图——分析钻石切工的情况
sns.countplot(x='cut',data=diamonds) # 画直方图 plt.tight_layout() # 自动调整子图参数
sns.countplot(y='color',data=diamonds) # 画条形图
sns.countplot(x='clarity',data=diamonds)
📍 sns.countplot—— 绘制柱状图、条形图
| 字段 | 数据类型 | 含义 |
x | str or array or list | 表示要在x轴上显示的分类变量 |
y | None or string, array, or list of strings/arrays | 通常，countplot只需要一个变量（x），但如果你想要堆叠多个分类变量的计数，你可以使用y参数。这通常与hue参数一起使用。 |
hue | string | 表示另一个分类变量，用于将x变量中的每个级别的数据分成不同的颜色 |
data | DataFrame, array, or list of arrays | 通常是一个 pandas DataFrame，其中x和hue参数引用列名。如果x和y是一维数组或列表，则不需要这个参数 |
order | list of strings | 指定x轴上的顺序。默认情况下，分类变量将按它们在数据中出现的顺序排序 |
hue_order | list of strings | 当使用hue参数时，指定hue轴上的顺序 |
orient | str | 控制条形的方向。"v"表示垂直条形（默认值），"h"表示水平条形 |
