昨天介紹的資料視覺化之後，大家是否有自己練習看看呢？能畫出圖是一件很有趣的事情哦！
接著我們來介紹另一個視覺化套件 Seaborn，它是以 matplotlib 為基礎的高階繪圖套件。

這次我們實際拿鐵達尼號的資料來試試看！資料連結
更多好看的圖也可以參考 Seaborn 官方網站

基本應用

引入套件

import pandas as pd
import numpy as np
# visualization libraries
import matplotlib.pyplot as plt
import seaborn as sns
# print the graphs in the notebook
% matplotlib inline

散佈圖

了解票價和年齡的分佈圖

train = pd.read_csv('train.csv')
sns.jointplot(x='Fare', y='Age', data=train)

長條圖

分組性別繪製存活數的長條圖

sns.countplot(train['Sex'], hue=train['Survived'])

分佈密度圖

繪製年齡的分佈密度圖

sns.histplot(data=train['Age'])

箱型圖

分組艙等(Pclass)，繪製票價(Fare)與存活數的盒狀圖

sns.boxplot(y='Pclass', x='Fare', hue='Survived', data=train, orient='h')

小提琴圖

依照性別(Sex)繪製2張小提琴圖相對年齡且標示該點是否存活

sns.violinplot(x='Sex',y='Age',data=train, hue='Survived',split=True)

熱力圖

cor = train.corr()
sns.heatmap(cor, cmap='coolwarm')

繪製多張圖

FacetGrid

依照 Embarked 分三張圖繪製，繪製年齡與票價的散佈圖且標示該點是否存活

g = sns.FacetGrid(train, col = "Embarked", hue = "Survived")
g.map(plt.scatter, "Age", "Fare", alpha =.7)
g.add_legend()

PariGrid

有時候想直接查看倆倆變數的關係

g = sns.PairGrid(train) 
g.map(plt.scatter)

圖太大僅部分截圖