数据挖掘算法和实践（六）：seaborn数据可视化探索（tips 数据集）

最新推荐文章于 2025-03-20 10:44:48 发布

置顶 A叶子叶

最新推荐文章于 2025-03-20 10:44:48 发布

阅读量9.2k

点赞数 5

CC 4.0 BY-SA版权

分类专栏： # 数据挖掘算法与实践文章标签：大数据数据挖掘 python 可视化机器学习

本文链接：https://blog.csdn.net/yezonggang/article/details/105831640

数据挖掘算法与实践专栏收录该内容

38 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了使用seaborn进行数据可视化的方法，包括数据读取、分布图、数量统计图、散点图、联合分布图、箱线图等。seaborn作为matplotlib的扩展库，提供了丰富的图表类型，帮助分析者更好地理解数据分布和关系。通过实例展示了如何利用seaborn的多种图形来探索tips数据集，以发现数据的价值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

seaborn是一个面向对象作图工具，直译是海洋生物，tips 是小费数据集（seaborn自带），本次使用seaborn学习数据分布的探索，在遇到新的数据集合时候，分析问题不至于无从下手；关于使用seaborn，参考官网 http://seaborn.pydata.org/index.html

python数据分析的可视化库有:

matplotlib 是可视化的必备技能库，比较底层，api很多，学起来不太容易。
seaborn 是建构于matplotlib基础上，能满足绝大多数可视化需求。
matplotlib和seabron是静态可视化库，pyecharts有很好的web兼容性，可以进行可视化动态效果。

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

一、数据读取

# 修改baseUrl的路径即可完成数据读取修改
baseUrl="C:\\Users\\71781\\Desktop\\2020\\ML-20200422\\seaborn_sklearn\\"
# tips=sns.load_dataset("tips")
tips=pd.read_csv("tips.c