#!/usr/bin/env python
# coding: utf-8

# In[1]:


from datetime import datetime
print(f'Päivitetty {datetime.now().date()} / Aki Taanila')


# # Määrällisen muuttujan luokiteltu jakauma
# 
# Tässä muistiossa käytän **seaborn**-funktioita **histplot** ja **displot**.
# 
# Kaavioiden muotoiluun käytän **matplotlib.pyplot**-funktioita. Jos kaipaat lisää muotoiluja, niin lue https://matplotlib.org/stable/tutorials/introductory/pyplot.html

# In[2]:


import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style('whitegrid')

tips = sns.load_dataset('tips') # Esimerkkidata ravintolaseurueiden tipeistä
tips


# ## Luokiteltu jakauma
# 
# **histplot** esittää määrällisen muuttujan luokitellun jakauman histogrammina.
# 
# Lisätietoa https://seaborn.pydata.org/generated/seaborn.histplot.html

# In[3]:


plt.figure(figsize=(4, 3))
# bins-parametrilla voin määrittää luokkien lukumäärän
sns.histplot(data=tips, x='total_bill', bins=6)


# **bins**-parametrilla voin määrittää luokkien lukumäärien sijasta myös täsmälliset luokkarajat listana. Luokkarajoja tulkitaan seuraavasti:
# * Luokkien alarajat sisältyvät luokkaan, mutta ylärajat eivät.
# * Poikkeuksena viimeisen luokan yläraja sisältyy luokkaan.

# In[4]:


bins = [0, 10, 20, 30, 40, 60]
plt.figure(figsize=(4, 3))
sns.histplot(data=tips, x='total_bill', bins=bins)

plt.xlabel('laskun loppusumma')
plt.ylabel('lukumäärä')


# ## Usean muuttujan histogrammit samaan kuvioon

# In[5]:


# Lista muuttujista
muuttujat = ['total_bill', 'tip']

# Kuvio, joka sisältää muuttujat-listan määrittämän määrän kaavioita
fig, axs = plt.subplots(nrows=1, ncols=len(muuttujat), figsize=(8, 3))

# Käydään muuttujat-lista läpi: i=järjestysnumero, muuttuja=muuttujan nimi
for i, muuttuja in enumerate(muuttujat):
    sns.histplot(data=tips, x=muuttuja, ax=axs[i])
    axs[i].set_ylabel('')
    
axs[0].set_ylabel('lukumäärä')    # ylabel vain ensimmäiselle kaaviolle
axs[0].set_xlabel('laskun loppusumma')
axs[1].set_xlabel('juomaraha')


# ## displot
# 
# **displot** mahdollistaa histogrammien tarkastelun muiden kategoristen muuttujien määrittämissä ryhmissä. **kind**-parametrin arvo **'hist'** määrittää että kaaviolajina on **histplot**.
# 
# Seuraavassa tarkastelen tipin (**tip**) suuruutta sukupuolen (**sex**) ja tupakoinnin (**smoker**) määrittämissä ryhmissä.
# 
# Lisätietoa https://seaborn.pydata.org/generated/seaborn.displot.html
# 
# **displot** tuottaa **Facetgrid**-luokan olion, jolla on omat funktionsa otsikointien ym. ominaisuuksien muotoiluun.
# Lisätietoa https://seaborn.pydata.org/generated/seaborn.FacetGrid.html

# In[6]:


g = sns.displot(data=tips, x='tip', row='sex', col='smoker', kind='hist', bins=8, height=2.5)

g.set_axis_labels('juomaraha', 'lukumäärä')

axes = g.axes.flatten()    # Litistetään 2x2 kaaviomatriisin kaaviot listaksi
axes[0].set_title('tupakoiva mies')
axes[1].set_title('tupakoimaton mies')
axes[2].set_title('tupakoiva nainen')
axes[3].set_title('tupakoimaton nainen')