目录

🧾 1、数据集（部分数据）

✏️ 2、导入数据集与必要模块

1️⃣ 导入数据

📍 通过info函数查看所有列数据的类型信息

2️⃣  导入Seaborn工具包

📍 set_context 设置图形绘制时的上下文参数

📍 set_style 设置绘图风格

📍 set_palette 设置图标全局颜色的调色板

📊 3、数值变量描述性统计分析

1️⃣ 首先来看数值变量的描述性统计信息：

📍 sns.boxplot 用于绘制箱线图

📍 代码说明

📍 结果说明

❓ 怎么看箱线图

 🏷️ 相关概念：

⭕ 如何计算:

🧾 1、数据集（部分数据）

变量	说明	类型	示例
carat	克拉重量	float	0.23
cut	切工	object	Idea
color	颜色	object	E
clarity	纯净度	object	VS1
depth	钻石深度，“见图示”	float64	61.5
table	钻石宽度，”见图示“	float64	55.0
price	价格	int64	326
x	“如图2所示”	float64	3.95
y	“如图2所示”	float64	3.98
z	“如图2所示”	float64	2.43

✏️ 2、导入数据集与必要模块

1️⃣ 导入数据

# 1.导入相关的库
import pandas as pd
import numpy as np

# 2.导入数据
diamonds = pd.read_csv(r"C:/XXX/xxx/Desktop/数据分析与可视化/diamonds.csv")   

# 3.查看数据的前5行信息
diamonds.head(5)  

📍 通过info函数查看所有列数据的类型信息

# 查看所有列数据的类型信息
diamonds.info() 

从上图可知，这些字段均没有空值，且能准确知道每个字段的数据类型

2️⃣  导入Seaborn工具包

# 1.导入相关的库
import seaborn as sns
import matplotlib.pyplot as plt

# 2.notebook格式，放大横纵坐标标记，显示刻度，更容易看清
#   set_context 会设置Matplotlib的默认参数
sns.set_context("notebook",font_scale=1) 
sns.set_style('ticks')

# 3.配色使用Set2
sns.set_palette('Set2')   

#