揭秘数据之美：【Seaborn】在现代【数学建模】中的革命性应用

目录

已知数据集 tips

生成数据集并保存为CSV文件 

数据预览：

导入和预览数据

步骤1：绘制散点图（Scatter Plot）

步骤2：添加回归线（Regression Analysis）

步骤3：分类变量分析（Categorical Variables）

步骤4：箱线图（Box Plot）

步骤5：小提琴图（Violin Plot）

步骤6：绘制热力图（Heatmap）

 ​编辑

总结

1. 生成数据集并保存为CSV文件

2. 导入和预览数据

3. 绘制散点图（Scatter Plot）

4. 添加回归线（Regression Analysis）

5. 分类变量分析（Categorical Variables）

6. 绘制箱线图（Box Plot）

7. 绘制小提琴图（Violin Plot）

8. 绘制热力图（Heatmap）

---

 

 

专栏：数学建模学习笔记

python相关库的安装：pandas,numpy,matplotlib，statsmodels

总篇：【数学建模】—【新手小白到国奖选手】—【学习路线】

第一卷：Numpy

第二卷：Pandas

第三卷：Matplotlib

在数据科学和数学建模的过程中，数据可视化是非常重要的一环。通过可视化，我们能够更直观地理解数据的分布和关系，从而为后续的分析和建模打下坚实的基础。本篇文章将围绕一个具体的实例，详细讲解如何使用Seaborn库进行数据可视化。我们将使用Seaborn内置的数据集tips，该数据集包含了一些餐馆的小费数据。我们的目标是通过数据可视化，探索影响小费金额的因素，并尝试建立一个数学模型。

已知数据集 tips

tips 数据集包含以下几个主要字段：

• total_bill: 总账单金额
• tip: 小费金额
• sex: 性别
• smoker: 是否吸烟
• day: 就餐日期
• time: 就餐时间（午餐或晚餐）
• size: 就餐人数

生成数据集并保存为CSV文件 

import pandas as pd
import numpy as np# 设置随机种子
np.random.seed(0)# 生成数据
n = 1000
total_bill = np.round(np.random.uniform(5, 50, n), 2)
tip = np.round(total_bill * np.random.uniform(0.1, 0.3, n), 2)
sex = np.random.choice(['Male', 'Female'], n)
smoker = np.random.choice(['Yes', 'No'], n)
day = np.random.choice(['Thur', 'Fri', 'Sat', 'Sun'], n)
time = np.random.choice(['Lunch', 'Dinner'], n)
size = np.random.randint(1, 6, n)# 创建DataFrame
tips = pd.DataFrame({'total_bill': total_bill,'tip': tip,'sex': sex,'smoker': smoker,'day': day,'time': time,'size': size
})# 保存数据集到CSV文件
tips.to_csv('tips.csv', index=False)# 显示数据集的前几行
print(tips.head())

数据预览：

total_bill	tip	sex	smoker	day	time	size
29.70	6.49	Female	No	Fri	Lunch	5
37.18	3.79	Female	Yes	Thur	Lunch	2
32.12	6.27	Female	No	Thur	Lunch	4
29.52	7.14	Female	No	Fri	Lunch	5
24.06	2.62	Female	Yes	Sun	Dinner	5

导入和预览数据

在生成数据后，我们导入必要的可视化库，并预览数据。

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd# 读取本地示例数据集
tips = pd.read_csv('tips.csv')# 显示数据集的前几行
print(tips.head())

详解：

1. 导入必要的库：

   • seaborn: 用于数据可视化的主要库。
   • matplotlib.pyplot: Seaborn是基于Matplotlib构建的，所以我们需要同时导入Matplotlib来进行图表的展示。

2. 读取数据：

   • 使用pandas.read_csv函数从CSV文件中读取数据。

3. 预览数据：

   • 使用print(tips.head())函数来显示数据集的前几行，帮助我们快速了解数据的结构和内容。

步骤1：绘制散点图（Scatter Plot）

我们首先绘制一个散点图，展示总账单（total_bill）与小费（tip）之间的关系。

# 绘制散点图
sns.scatterplot(data=tips, x='total_bill', y='tip')
plt.title('Scatter plot of Total Bill vs Tip')
plt.xlabel('Total Bill')
plt.ylabel('Tip')
plt.show()

 

1. 绘制散点图：

   • 使用seaborn.scatterplot函数，其中data参数指定数据集，x和y参数分别指定横轴和纵轴的数据字段。

2. 设置图表标题和标签：

   • 使用plt.title设置图表标题。
   • 使用plt.xlabel和plt.ylabel分别设置横轴和纵轴的标签。

3. 显示图表：

   • 使用plt.show()函数来显示图表。

散点图是一种常用的图表类型，用于展示两个变量之间的关系。在这个例子中，使用seaborn.scatterplot函数绘制总账单（total_bill）与小费（tip）之间的散点图。通过散点图，可以直观地看到总账单和小费之间的关系。从图中可以看出，小费随总账单的增加而增加，但这种关系是否是线性的还需要进一步分析。

步骤2：添加回归线（Regression Analysis）

为了更好地了解总账单和小费之间的关系，我们可以使用Seaborn的 lmplot 函数来添加一条回归线。

# 绘制带回归线的散点图
sns.lmplot(data=tips, x='total_bill', y='tip')
plt.title('Total Bill vs Tip with Regression Line')
plt.xlabel('Total Bill')
plt.ylabel('Tip')
plt.show()

 

1. 绘制带回归线的散点图：

   • 使用seaborn.lmplot函数，其中data参数指定数据集，x和y参数分别指定横轴和纵轴的数据字段。
   • lmplot函数不仅绘制散点图，还会自动添加一条回归线，用于展示两个变量之间的线性关系。

2. 设置图表标题和标签：

   • 同样使用plt.title、plt.xlabel和plt.ylabel设置图表的标题和轴标签。

3. 显示图表：

   • 使用plt.show()函数来显示图表。

回归分析是一种统计方法，用于研究两个变量之间的关系。在这个例子中，使用Seaborn的lmplot函数来绘制带有回归线的散点图。通过添加回归线，可以更清楚地看到总账单和小费之间的线性关系。这条回归线表示小费随总账单增加的趋势，图中还会显示回归线的置信区间。

步骤3：分类变量分析（Categorical Variables）

接下来，我们分析性别、吸烟情况等分类变量对小费的影响。

# 使用hue参数根据性别绘制不同颜色的散点图
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='sex')
plt.title('Total Bill vs Tip by Gender')
plt.xlabel('Total Bill')
plt.ylabel('Tip')
plt.show()

 

1. 根据分类变量绘制散点图：

   • 使用seaborn.scatterplot函数，通过hue参数指定分类变量（例如性别），从而根据不同类别绘制不同颜色的点。

2. 设置图表标题和标签：

   • 使用plt.title、plt.xlabel和plt.ylabel设置图表的标题和轴标签。

3. 显示图表：

   • 使用plt.show()函数来显示图表。

分类变量（如性别、吸烟情况等）在数据分析中非常重要，因为它们能够提供关于数据分布的更多信息。在这个例子中，使用seaborn.scatterplot函数，根据性别绘制不同颜色的散点图。通过这种方式，可以看到性别对总账单和小费关系的影响。例如，可以观察到男性和女性在小费上的差异。

步骤4：箱线图（Box Plot）

箱线图可以帮助我们了解数据的分布及其异常值。

# 绘制箱线图展示不同日期的总账单分布
sns.boxplot(data=tips, x='day', y='total_bill')
plt.title('Box plot of Total Bill by Day')
plt.xlabel('Day')
plt.ylabel('Total Bill')
plt.show()

 

1. 绘制箱线图：

   • 使用seaborn.boxplot函数，其中data参数指定数据集，x和y参数分别指定分类变量和连续变量。
   • 箱线图可以展示数据的中位数、四分位数及其异常值。

2. 设置图表标题和标签：

   • 使用plt.title、plt.xlabel和plt.ylabel设置图表的标题和轴标签。

3. 显示图表：

   • 使用plt.show()函数来显示图表。

箱线图是一种统计图表，用于展示数据分布的五个统计量：最小值、第一四分位数、中位数、第三四分位数和最大值。箱线图还可以展示异常值。在这个例子中，使用seaborn.boxplot函数绘制不同日期（day）的总账单（total_bill）分布。通过箱线图，可以看到不同日期的总账单分布情况，并识别出哪些数据点是异常值。例如，可以观察到在某些日期，总账单的分布范围较广，而在另一些日期，分布范围较窄。

步骤5：小提琴图（Violin Plot）

小提琴图结合了箱线图和核密度图，可以提供关于数据分布的更多信息。

# 绘制小提琴图展示不同日期的小费分布
sns.violinplot(data=tips, x='day', y='tip')
plt.title('Violin plot of Tip by Day')
plt.xlabel('Day')
plt.ylabel('Tip')
plt.show()

1. 绘制小提琴图：

   • 使用seaborn.violinplot函数，其中data参数指定数据集，x和y参数分别指定分类变量和连续变量。
   • 小提琴图展示了数据分布的核密度估计，并结合了箱线图的元素。

2. 设置图表标题和标签：

   • 使用plt.title、plt.xlabel和plt.ylabel设置图表的标题和轴标签。

3. 显示图表：

   • 使用plt.show()函数来显示图表。

小提琴图结合了箱线图和核密度图的优点，可以更详细地展示数据分布的特征。在这个例子中，使用seaborn.violinplot函数绘制不同日期（day）的小费（tip）分布。通过小提琴图，可以看到不同日期的小费分布情况，并识别出数据分布的密度和异常值。例如，可以观察到在某些日期，小费的分布较为集中，而在另一些日期，分布较为分散。

步骤6：绘制热力图（Heatmap）

热力图适合展示矩阵数据，比如相关矩阵。例如，绘制数据集的相关矩阵：

# 选择数值列
numeric_tips = tips.select_dtypes(include='number')# 计算相关矩阵并绘制热力图
corr = numeric_tips.corr()
plt.figure(figsize=(10, 8))
sns.heatmap(corr, annot=True, cmap='coolwarm', linewidths=0.5)
plt.title('Heatmap of Correlation Matrix')
plt.show()

1. 计算相关矩阵：

   • 使用DataFrame.corr()函数计算数据集中数值变量之间的相关系数。

2. 绘制热力图：

   • 使用seaborn.heatmap函数绘制热力图。
   • corr：相关矩阵，作为热力图的数据输入。
   • annot=True：在每个单元格中显示相关系数的数值。
   • cmap='coolwarm'：设置热力图的颜色映射，coolwarm颜色映射使得正相关和负相关的数据点能够通过颜色区分开来。
   • linewidths=0.5：设置每个单元格之间的间隔线宽度。

3. 设置图表大小：使用plt.figure(figsize=(10, 8))设置图表的大小，确保图表清晰可读。

4. 设置图表标题：使用plt.title设置图表的标题。

5. 显示图表：使用plt.show()函数来显示热力图。

相关矩阵热力图解释：

• 对角线：热力图的对角线上的值都是1，因为每个变量与自身的相关系数都是1。
• 变量之间的相关性：热力图的非对角线单元格显示了不同变量之间的相关系数。颜色的深浅表示相关性强弱，颜色的方向（冷暖）表示正相关或负相关。

通过这些详细的步骤，我们能够全面地分析和可视化餐馆小费数据，深入了解影响小费的各种因素，为进一步的数学建模和决策提供有力的支持。

 

总结

1. 生成数据集并保存为CSV文件

首先，我们生成了一个包含餐馆小费信息的模拟数据集，并将其保存为CSV文件。数据集包含以下字段：total_bill、tip、sex、smoker、day、time和size。

2. 导入和预览数据

使用Pandas库读取本地CSV文件，并预览数据集的前几行，以了解数据的结构和内容。

3. 绘制散点图（Scatter Plot）

使用Seaborn的scatterplot函数绘制散点图，展示总账单（total_bill）与小费（tip）之间的关系。

4. 添加回归线（Regression Analysis）

使用Seaborn的lmplot函数在散点图上添加回归线，以更清晰地展示总账单和小费之间的线性关系。

5. 分类变量分析（Categorical Variables）

使用scatterplot函数的hue参数，根据性别绘制不同颜色的散点图，分析性别对总账单和小费关系的影响。

6. 绘制箱线图（Box Plot）

使用Seaborn的boxplot函数绘制箱线图，展示不同日期的总账单分布，帮助识别数据的中位数、四分位数及其异常值。

7. 绘制小提琴图（Violin Plot）

使用Seaborn的violinplot函数绘制小提琴图，结合箱线图和核密度图，提供更多关于数据分布的信息。

8. 绘制热力图（Heatmap）

计算数据集中数值变量之间的相关矩阵，使用Seaborn的heatmap函数绘制热力图，直观地展示各变量之间的相关性。

通过这些步骤，可以全面地分析和可视化餐馆小费数据，深入了解影响小费的各种因素，为进一步的数学建模和决策提供有力的支持。