sns.load_dataset詳解

一、介紹

sns.load_dataset是seaborn庫中的一個函數，用於加載自帶的數據集，方便用戶學習和練習數據分析和可視化。該函數通過傳入數據集的名稱，返回一個 Pandas 的 DataFrame 類型的數據，其中包含了該數據集的所有屬性和信息，並且將其缺失值填充為 NaN。seaborn 庫支持的數據集包括 Titanic、Tips、Iris 以及其他一些經典數據集。

二、功能

sns.load_dataset主要用途是幫助用戶實現一些操作，比如數據分析，數據可視化等。舉個例子，我們可以使用這個函數加載 Iris 數據集並畫出散點圖：

import seaborn as sns 
import matplotlib.pyplot as plt 
iris_data = sns.load_dataset("iris") 
sns.scatterplot(x="petal_length", y="petal_width", hue="species", data=iris_data) 
plt.show()

通過這個例子，我們可以看到 sns.load_dataset 幫助我們讀取了 iris 數據集，並返回一個 DataFrame 類型的數據，我們將其放入 seaborn 的另外一個函數 scatterplot 中，使得我們可以畫出 scatter plot。這個 scatter plot 可以幫助我們分析 iris 數據集的三個種類之間的關係。

三、參數介紹

sns.load_dataset 函數有一個參數，即 dataset 名稱：

• name：數據集名稱，字符串類型參數，必需。數據集名稱在 seaborn 庫中是固定的，常見的有：”iris”, “tips”, “titanic” 等。

四、應用實例

1. Titanic Dataset 可視化

Titanic 數據集是描述 1912 年 Titanic 號沉船事件的數據集，包含了船上 2224 人的個人信息，包括他們的姓名、年齡、性別和票價等。我們可以使用 seaborn 和 matplotlib 庫對該數據集進行可視化。

import seaborn as sns 
import matplotlib.pyplot as plt 
titanic_data = sns.load_dataset("titanic") 
# 使用Seaborn庫對數據進行可視化 
sns.countplot(x="class", data=titanic_data) 
plt.show()

以上代碼會輸出一個直方圖，橫軸為 1、 2、 3 三等艙的數量，縱軸為數量，可以很好地觀測 Titanic 中各艙人數的差異。

2. 統計 Iris Dataset

Iris 數據集是一個經典的花卉數據集，它包含了三種不同的花，即山鳶尾、變色鳶尾和維爾吉尼亞鳶尾，每種花有 50 個樣本。該數據集是通過花卉的萼片（sepel）和花瓣（petal）長度和寬度來進行分類的。我們可以使用 sns.load_dataset 和 Pandas 庫進行統計。

import seaborn as sns 
import pandas as pd 
iris_data = sns.load_dataset("iris") 
# 用 Pandas 庫得到 features 和 Species 的值（也可以直接使用 Pandas 讀取這個文件） 
features = iris_data.iloc[:, :-1].values 
species = iris_data.iloc[:, -1].values 
# 分析樣本的長度、寬度、平均值、最小值、最大值和標準差 
mean_features = pd.DataFrame(features).mean() 
min_features = pd.DataFrame(features).min() 
max_features = pd.DataFrame(features).max() 
std_features = pd.DataFrame(features).std() 
print("Iris Dataset 列屬性平均值:\n", mean_features) 
print("Iris Dataset 列屬性最小值:\n", min_features) 
print("Iris Dataset 列屬性最大值:\n", max_features) 
print("Iris Dataset 列屬性標準差:\n", std_features)

運行以上代碼，我們可以看到 Iris Dataset 的各項指標。

3. 帶標籤的 Scatter Plot

我們可以使用 sns.load_dataset 和 seaborn 庫幫助我們分析出三類花在一些屬性上的表現，並且用標籤來表示三類花的名稱。

import seaborn as sns 
import matplotlib.pyplot as plt 
iris_data = sns.load_dataset("iris") 
# 對Iris數據集進行scatter plot分析 
sns.scatterplot(x="petal_width", y="petal_length", hue="species", data=iris_data) 
plt.show()

這段代碼將花瓣的長度和寬度作為x和y軸值，顏色由花的種類（setosa，versicolor，virginica）決定。這個散點圖給人一種花尺寸和形狀之間聯繫的印象。