data visualization seaborn 入门-2

By geo
python visualization

直方图 Histogram

import seaborn as sns
import matplotlib.pyplot as plt

df = sns.load_dataset("tips")

sns.histplot(data=df, x="total_bill")
plt.show()
  • 集中区间
  • 分布形状
  • 是否右偏 / 左偏

调整分箱（bins）

sns.histplot(data=df, x="total_bill", bins=20)
plt.show()
  • bins 太少 → 模糊
  • bins 太多 → 噪音

KDE：平滑后的分布

sns.kdeplot(data=df, x="total_bill")
plt.show()

KDE 是：

  • 概率密度估计
  • 「趋势版」直方图

Histogram + KDE（最常用）

sns.histplot(data=df, x="total_bill", kde=True)
plt.show()

分组分布

不同性别的账单分布

sns.histplot(
    data=df,
    x="total_bill",
    hue="sex",
    kde=True
)
plt.show()
  • 谁的消费更分散？
  • 是否重叠？

箱型图 Boxplot

  • 中位数在哪？
  • 分布范围？
  • 有没有异常值？
sns.boxplot(data=df, x="day", y="total_bill")
plt.show()

Boxplot 能告诉你：

  • 中位数（不是平均）
  • 四分位数
  • 离群点（outliers）

小提琴图 Violin Plot

sns.violinplot(data=df, x="day", y="total_bill")
plt.show()

Violin = Boxplot + KDE

适合：

  • 对比分布形状
  • 学术 / 报告展示

加分组（hue）

sns.violinplot(
    data=df,
    x="day",
    y="total_bill",
    hue="sex",
    split=True
)
plt.show()

split=True = 左右对比

四种分布图怎么选？

场景 推荐
看整体分布 hist / kde
比较群体 box / violin
找异常 boxplot
看形状 violin