#coding=utf-8
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df=pd.read_csv("tips.csv")
print(df.head())  #默认查看前五行
'''
   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
'''
print(df.isna().any())



sns.lmplot(x="total_bill",y="tip",data=df)
plt.show()

#去除回归线fit_reg=False
sns.lmplot(x="total_bill",y="tip",data=df,fit_reg=False)
plt.show()

seasborn回归图1.png
seasborn回归图2-去除回归线.png

#hue 对数据进一步进行二次分类：hue="sex"再以sex进行分类
sns.lmplot(x="total_bill",y="tip",data=df,fit_reg=False,hue="sex")
plt.show()

seasborn回归图3-hue进一步二次分类png.png

#col 在列维度上进行分类 col="sex"
sns.lmplot(x="total_bill",y="tip",data=df,fit_reg=False,hue="sex",col="sex")
plt.show()

seasborn回归图4-col分开画布进行分类png.png

#row 在行维度上进行分类 row="smoker"
sns.lmplot(x="total_bill",y="tip",data=df,fit_reg=False,hue="sex",col="sex",row="smoker")
plt.show()

seasborn回归图5-col和row分开画布进行分类png.png

#aspect 控制图的长宽比
sns.lmplot(x="total_bill",y="tip",data=df,fit_reg=False,hue="sex",col="sex",row="smoker",aspect=2)
plt.show()

seasborn回归图6-aspect控制长宽比画图png.png

#order 控制进行回归的幂次
#默认是幂次是1
sns.lmplot(x="total_bill",y="tip",data=df)
plt.show()

#order=4 指定回归幂次为4
sns.lmplot(x="total_bill",y="tip",data=df,order=4)
plt.show()