Seaborn可视化-散点图seaborn.scatterplot

     散点图能够显示2个维度上2组数据的值。每个点代表一个观察点。X（水平）和Y（垂直）轴上的位置表示变量的值。研究这两个变量之间的关系是非常有用的。数据集依然采用seborn库自带的小费数据集tips。如果无法直接读取数据,可以私信我获取数据源。

      tips小费数据集：是一个餐厅服务员收集的小费数据集，包含了7个变量：总账单total_bill、小费tips、顾客性别sex、是否吸烟smoker、星期day、用餐时间time、顾客人数size。

seaborn.scatterplot的参数

seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None, data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=True, style_order=None, x_bins=None, y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, alpha='auto', x_jitter=None, y_jitter=None, legend='brief', ax=None, **kwargs)

读取所需数据

tips = sns.load_dataset('tips')tips[:5]

以"total_bill"为x轴，'tip'为y轴绘制散点图。

sns.scatterplot(x='total_bill', y='tip',data=tips)

以"total_bill"为x轴，'tip'为y轴，并按照'time'进行类别区分（颜色和图例），绘制散点图

ax = sns.scatterplot(x="total_bill", y="tip",hue="time", style="time", data=tips)

以"total_bill"为x轴，'tip'为y轴，并按照'size'进行类别区分，并按照'size'区分面积，绘制散点图

ax = sns.scatterplot(x="total_bill", y="tip",hue="size", size="size",data=tips)

以"total_bill"为x轴，'tip'为y轴，并按照'day'进行类别区分，并按照'somker'区分面积，绘制风格为"Set2"的散点图

sns.scatterplot(x="total_bill", y="tip",hue="day", size="smoker",palette="Set2", data=tips)

   以上就是本次seborn.scatterplot绘制的分享，下期我们将分想seaborn.lineplot--折线图的绘制方法。