本次修炼方法请往下查看
🌈 欢迎莅临我的个人主页 👈这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合，智慧小天地！
🎇 免费获取相关内容文档关注：微信公众号，发送 pandas 即可获取
🎇 相关内容视频讲解 B站
🎓 博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位 个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。
🔧 技术专长： 在机器学习、搜索、广告、推荐、CV、NLP、多模态、数据分析等算法相关领域有丰富的项目实战经验。已累计为求职、科研、学习等需求提供近千次有偿|无偿定制化服务，助力多位小伙伴在学习、求职、工作上少走弯路、提高效率，近一年好评率100% 。
📝 博客风采： 积极分享关于机器学习、深度学习、数据分析、NLP、PyTorch、Python、Linux、工作、项目总结相关的实用内容。
🎯 1. 基本介绍
散点图是一种用于展示两个变量之间关系的图表。在Seaborn库中，散点图可以通过scatterplot函数方便地绘制，它非常适合用于探索数据集中变量间的相关性、趋势或模式。
💡 2. 原理介绍
散点图本身不涉及复杂的数学公式，它简单地将数据点在二维平面上进行投影。每个数据点的位置由两个变量的值决定： ( x i , y i ) (x_i,y_i) (xi,yi), 其中 x i x_i xi和 y i y_i yi分别代表第 i 个数据点在x轴和y轴上的值。
🔍 3. 画图实践
3.1 数据准备
我们通过seaborn自带的数据对其进行相关的画图，具体的导入数据代码如下所示：
import seaborn as sns
import matplotlib.pyplot as plt
# 使用Seaborn内置的tips数据集
tips = sns.load_dataset("tips")
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
... ... ... ... ... ... ... ...
239 29.03 5.92 Male No Sat Dinner 3
240 27.18 2.00 Female Yes Sat Dinner 2
241 22.67 2.00 Male Yes Sat Dinner 2
242 17.82 1.75 Male No Sat Dinner 2
243 18.78 3.00 Female No Thur Dinner 2
3.2 基本散点图scatterplot
如果画两个变量的时序上的变化关系的散点图，需要使用scatterplot函数，具体的代码如下所示：
# 绘制散点图，展示总账单和消费金额的关系
sns.scatterplot(x="total_bill", y="tip", data=tips)
# 添加标题和轴标签
plt.title("Total Bill vs Tip Amount")
plt.xlabel("Total Bill")
plt.ylabel("Tip Amount")
# 显示图表
plt.show()
3.3 条形散点图stripplot
Stripplot（条形散点图）
- Stripplot使用stripplot函数绘制。
它通常用于展示一个分类变量和一个连续变量之间的关系。
每个数据点在图上表示为一个条形，条形的x轴位置根据分类变量的类别确定。
适合于展示不同类别的分布情况，以及类别间的比较。
具体的代码如下所示：
ax = sns.stripplot(x="day", y="total_bill", data=tips)
有时候我们不仅要分组，同时对每个分组内某个特征维度进行对比分析，具体的代码如下所示：
# 分组的散点图
ax = sns.stripplot(x="day", y="total_bill", data=tips, hue="smoker")
4 高阶用法
有时候我们需要指定画图出现的顺序，具体的代码如下所示：
# 是不是想横着放呢，很简单的，x-y顺序换一下就好了
ax = sns.stripplot(x="total_bill", y="day", data=tips,jitter=True)
3.3 分布散点图swarmplot
swarmplt的参数和用法和stripplot的用法是一样的，只是表现形式不一样而已。具体的代码如下所示：
# 分组的散点图
ax = sns.swarmplot(x="day", y="total_bill", data=tips)
🔍 4. 注意事项
- 散点图非常适合于展示两个连续变量之间的关系。
- 当数据集中的数据点数量非常大时，散点图可能会变得杂乱无章。在这种情况下，可以考虑使用六边形网格图（hexbin plot）或小提琴图。
- 散点图可以添加颜色或大小来表示第三个变量，从而提供更多的信息维度。
- 检查数据中的异常值或离群点，它们可能会影响对变量关系的解释。
🔍 5. 总结
Seaborn的散点图是一个直观的工具，用于探索和展示两个变量之间的关系。通过本博客的代码示例，我们学习了如何使用Seaborn绘制散点图，并展示了如何通过散点图分析数据集中的趋势和模式。希望这篇博客能够帮助你更好地利用散点图进行数据探索和分析。
