python可视化学习（六）边缘直方图

边缘直方图：是使用散点图探索横纵坐标的基础上，还使用直方图对横坐标和纵坐标分别进分布探索的图像
这个图像在统计学的探索性分析（EDA）中常用，以探索数据是否符合统计学中的一系列的特性，比如线性回归要求残差满足正态分布
在机器学习的过程中，我们也会探索数据是否处于偏态，以指导数据是否进行归一化和标准化的处理
1准备工作
plt.figure, plt.GridSpec与fig.add_subplot！@
plt.figure，是构建画布，figsize：画布的大小，dpi：该图像的分辩率
plt.Gridspec :在画布上进行分割
（1）nrows：画布上存在多少行
（2）ncols：画布上存在多少列
（3）hspace：格子之间上下的间隔
（4）wspace：格子之间左右的间隔
fig.add_subplot:在画布上建立子图
“args”:一个3位整数或三个独立的整数，用于描述子图的位置，如果三个整数按顺序为行，列和索引，则子图采用好行，列和索引，则子图采用行列网格上的索引所对应的位置，索引从左上角的0开始，向右增加，最右及最下用-1表示，与python中所有的索引一样，取前不取后

import numpy as np 
import importlib as mpl
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
#创建画布与格子
fig1 =plt.figure(figsize=(16,10),dpi=80)
grid1 =plt.GridSpec(4,4,hspace=0.5,wspace=0.2)#4*4的格子
#添加子图
ax_main=fig.add_subplot(grid[:-1,:-1])
ax_right=fig.add_subplot(grid[:-1,-1],xticklabels=[],yticklabels=[])
ax_bottom=fig.add_subplot(grid[-1,0:-1],xticklabels=[],yticklabels=[])
#有了子图以后，就可以在每个子图上进行绘图了

边缘直方图具有沿 X 和 Y 轴变量的直方图。这用于可视化 X 和 Y 之间的关系以及单独的 X 和 Y 的单变量分布。这种图经常用于探索性数据分析（EDA）。