初学pandas与seaborn（三）回归曲…

　　看个坐标图、点图的曲线啥的，seaborn还是比较方便的。这里可以用seaborn自带的样板库数据来写，也可以导入外部数据。外部数据是自己编的，点点不够多，不过能体会下pandas调用文件数据并用seaborn显示出来的全过程，对整个数据处理编程应该会有一些启发。上图：

自己编的数据点，时间关系数据点少了点，嘿嘿

可以发现，刻意构造的相关性被显示出来了

好了，这是数据文件：

tips.csv

total_bill,tip,sex,smoker,day,time,size

16.99,1.01,Female,No,Sun,Dinner,2

10.34,1.66,Male,No,Sun,Dinner,3

21.01,3.5,Male,No,Sun,Lunch,3

23.68,3.31,Male,Yes,Sat,Dinner,2

24.59,3.61,Female,No,Sun,Dinner,4

30,5,Female,No,Sat,Dinner,6

29,3,Male,Yes,Sat,Dinner,5

28,3.5,Male,No,Sun,Lunch,6

10,3.31,Male,No,Sun,Dinner,1

9,3.61,Female,Yes,Sat,Dinner,1

64,10,Female,Yes,Sun,Dinner,8

30,4,Male,Yes,Sat,Lunch,5

20,5,Male,Yes,Sun,Dinner,3

24,4,Male,No,Sat,Lunch,4

18,3,Female,No,Sun,Dinner,2

17,1,Female,No,Sat,Dinner,3

16,2,Male,No,Sat,Dinner,2

19,2,Male,No,Sun,Lunch,2

23,4,Male,No,Sun,Dinner,3

22,2,Female,Yes,Sat,Dinner,3

30,1.01,Female,No,Sun,Dinner,5

40,1.66,Male,No,Sun,Dinner,5

33,3.5,Male,No,Sun,Lunch,5

35,18,Male,Yes,Sat,Dinner,6

36,3.61,Female,No,Sun,Dinner,5

38,5,Female,No,Sat,Dinner,5

42,15,Male,Yes,Sat,Dinner,6

44,3.5,Male,No,Sun,Lunch,6

49,3.31,Male,No,Sun,Dinner,5

46,10,Female,Yes,Sat,Dinner,6

47,20,Female,Yes,Sun,Dinner,6

43,11,Male,Yes,Sat,Lunch,7

61,12,Male,Yes,Sun,Dinner,5

51,6,Male,No,Sat,Lunch,8

52,8,Female,No,Sun,Dinner,7

58,8,Female,No,Sat,Dinner,7

55,8,Male,No,Sat,Dinner,8

57,5,Male,No,Sun,Lunch,7

53,6,Male,No,Sun,Dinner,8

62,14,Female,Yes,Sat,Dinner,10

复制到记事本并存为csv扩展名即可，tips.csv存储在python文件相同目录下

接下来是程序本体

#encoding:utf-8

import seaborn assns

import pandas aspd

tips = pd.read_csv("tips.csv")

print tips

sns.jointplot("total_bill","tip", tips, kind='reg')

sns.plt.show()

sns.plt.close() #用于清空之前的图表。若不清空，那么下一个图表会残留上一个图表的点

sns.lmplot("total_bill", "tip",tips, col="smoker")

sns.plt.show()

程序分析：

　　我们用pandas库导入了tips.csv文件，然后选择total_bill（总账单）作为横坐标，tip（小费）作为纵坐标，tips对象作为panda数据集合。第一个图生成类型为reg，第二个图我们用是否smoker作为区分，生成了对比图。

　　学习过程中还遇到一些莫名其妙的bug，一开始一个叫tips没有扩展名的文件是这样的……好吧，我醉了，这居然是一个build-in的测试数据，seaborn直接自己自带的？！我居然漏看了红色部分的注释：

# Load one of the data sets that comewith seaborn
tips = sns.load_dataset("tips")
print tips

　　看来我惯性思维，认为这个语句一定是导入外部测试数据的。然后就极其傻逼地在网上找啊找。言归正传，我将其打印出来，直接发现有243行数据：

Name: D, dtype:int32

    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

5        25.29 4.71    Male    No   Sun Dinner    4

6        8.77  2.00   Male     No  Sun  Dinner    2

7        26.88 3.12    Male    No   Sun Dinner    4

8        15.04 1.96    Male    No   Sun Dinner    2

9        14.78 3.23    Male    No   Sun Dinner    2

10       10.27 1.71    Male    No   Sun Dinner    2

11       35.26 5.00  Female    No   Sun Dinner    4

12       15.42 1.57    Male    No   Sun Dinner    2

13       18.43 3.00    Male    No   Sun Dinner    4

14       14.83 3.02  Female    No   Sun Dinner    2

15       21.58 3.92    Male    No   Sun Dinner    2

16       10.33 1.67  Female    No   Sun Dinner    3

17       16.29 3.71    Male    No   Sun Dinner    3

18       16.97 3.50  Female    No   Sun Dinner    3

19       20.65 3.35    Male    No   Sat Dinner    3

20       17.92 4.08    Male    No   Sat Dinner    2

21       20.29 2.75  Female    No   Sat Dinner    2

22       15.77 2.23  Female    No   Sat Dinner    2

23       39.42 7.58    Male    No   Sat Dinner    4

24       19.82 3.18    Male    No   Sat Dinner    2

25       17.81 2.34    Male    No   Sat Dinner    4

26       13.37 2.00    Male    No   Sat Dinner    2

27       12.69 2.00    Male    No   Sat Dinner    2

28       21.70 4.30    Male    No   Sat Dinner    2

29       19.65 3.00  Female    No   Sat Dinner    2

..        ...   ...    ...    ...  ...     ...  ...

214      28.17  6.50 Female    Yes  Sat  Dinner    3

215      12.90  1.10 Female    Yes  Sat  Dinner    2

216      28.15  3.00   Male   Yes   Sat Dinner    5

217      11.59  1.50   Male   Yes   Sat Dinner    2

218       7.74 1.44    Male   Yes   Sat Dinner    2

219      30.14  3.09 Female    Yes  Sat  Dinner    4

220      12.16  2.20   Male   Yes   Fri  Lunch     2

221      13.42  3.48 Female    Yes  Fri   Lunch    2

222       8.58 1.92    Male   Yes   Fri  Lunch    1

223      15.98  3.00 Female     No  Fri   Lunch    3

224      13.42  1.58   Male   Yes   Fri  Lunch     2

225      16.27  2.50 Female    Yes  Fri   Lunch    2

226      10.09  2.00 Female    Yes  Fri   Lunch    2

227      20.45  3.00   Male    No   Sat Dinner    4

228      13.28  2.72   Male    No   Sat Dinner    2

229      22.12  2.88 Female    Yes  Sat  Dinner    2

230      24.01  2.00   Male   Yes   Sat Dinner    4

231      15.69  3.00   Male   Yes   Sat Dinner    3

232      11.61  3.39   Male    No   Sat Dinner    2

233      10.77  1.47   Male    No   Sat Dinner    2

234      15.53  3.00   Male   Yes   Sat Dinner    2

235      10.07  1.25   Male    No   Sat Dinner    2

236      12.60  1.00   Male   Yes   Sat Dinner    2

237      32.83  1.17   Male   Yes   Sat Dinner    2

238      35.83  4.67 Female     No  Sat  Dinner    3

239      29.03  5.92   Male    No   Sat Dinner    3

240      27.18  2.00 Female    Yes  Sat  Dinner    2

241      22.67  2.00   Male   Yes   Sat Dinner    2

242      17.82  1.75   Male    No   Sat Dinner    2

243      18.78  3.00 Female     No Thur  Dinner    2

好吧问题其实解决了。如果需要导入自己写的csv，请一定用pandas库。直接用seaborn的load_dataset函数是不行的，会报错：

tips = sns.load_dataset("tips.csv")

pandas.io.common.CParserError:Error tokenizing data. C error:Expected 1 fields in line 13, saw 2

按照stackoverflow提示的方法加了error_bad_lines=False后，

tips = sns.load_dataset("tips.csv", error_bad_lines=False)

又报错：

TypeError: ufunc 'multiply' did not contain aloop with signature matching types dtype('S3') dtype('S3')dtype('S3')

最终解决办法，还是用回pandas库的read_csv方法：

tips = pd.read_csv("tips.csv")