Matplotlib和Seaborn（散点图、热图、小提琴图、箱线图）

散点图和相关性：

散点图：

如果我们想研究两个数值变量之间的关系，通常会选择散点图。在散点图中，每个数据点都单独表示为一个点，x 轴对应一个特征值，y 轴对应另一个特征值。创建散点图的一个基本方式是利用 Matplotlib 的 scatter 函数：

plt.scatter(data = df, x = 'num_var1', y = 'num_var2')

可以在这两个变量之间看到一个大致上的正向关系，x 轴的值越高，y 轴上的变量值也增大。

替代方法： Seaborn 的 regplot 函数可以创建具有回归拟合的散点图：

sb.regplot(data = df, x = 'num_var1', y = 'num_var2')

默认的回归函数是线性回归，并且包含回归估计置信区间（阴影部分）。因为上面图表的情况看起来像 \text{log}(y) \propto xlog(y)∝x 关系（也就是 x 与 log(y) 存在线性相关），因此用原始单位绘制回归线不合适。如果我们不关心回归线，那么可以在 regplot 函数调用中设置 reg_fit = False。如果我们想对观察到的数据相关性拟合回归线，需要变换数据。

def log_trans(x, inverse = False):
    if not inverse:
        return np.log10(x)
    else:
        return np.power(10, x)

sb.regplot(df['num_var1'], df['num_var2'].apply(log_trans))
tick_locs = [10, 20, 50, 100, 200, 500]
plt.yticks(log_trans(tick_locs), tick_locs)

在此例中，regplot 的参数 x 和 y 直接设为了从 DataFrame 中提取的 Series。

重叠、透明度和抖动：

如果要绘制大量数据点，或者数值变量是离散型的，那么直接使用散点图可能无法呈现足够的信息。图形可能会出现重叠，由于大量数据重叠到一起，导致很难看清变量之间的关系。

plt.scatter(data = df, x = 'disc_var1', y = 'disc_var2')

在上图中，我们可以推断出两个变量负相关，但是数据的变化程度和关系强度并不明显。在这种情形下，我们需要应用透明度和抖动，使散点图能呈现更多的信息。可以通过在 scatter 函数调用时添加 “alpha” 参数来表示透明度，“alpha” 的值可以介于 0（完全透明，不可见） 到 1（完全不透明）之间。

plt.scatter(data = df, x = 'disc_var1', y = 'disc_var2', alpha = 1/5)

重叠的点越多，图像颜色就越深。从图中可以看出，两个数值变量之间存在一定的负相关关系。x 轴上 0 和 10 的值比中间的值要少很