数据分布探索函数（可以直接调用）

在建模之前要对数据进行探索性分析，首先要对数据分布有一个大致了解。matplotlib里面有自带的hist()函数，直接data.hist()，全部特征的分布状态就能在一张画布上展示出来，对于一个样本量较小的数据集来说，非常方便（700多个样本，60几个特征）。比如这样：

在一个样本量为300多万的数据集上面跑了一下，效果也还可以，优点是速度真的很快（对比后面自己写的那个函数）。但是真的没法看得很精细。比如这个数据集的几个特征分布图都有这样的特点(拿第一行第四幅图举例)：大量数据集中在0附近，往后就空空如也，如果真的数据在后面的区间里没有分布，那为什么函数要画出来呢?

data.hist(bins=50,figsize=(20,15))
plt.show()

这个时候还是要结合.value_counts()函数来看一下：

merchant['avg_sales_lag3'].value_counts().sort_index()

可以看到：数据不仅分布在大于0的区间，其实小于0的区间还是存在蛮多样本的，而当数值非常大的时候数据分布得很稀疏。“贫富差距”及其大得偏态分布样本。试想一下，如果这个变量存在一些缺失值，要怎样填补呢？如果直接用均值来填补的话，是不是很容易因为最大值太大而把数据分布拉偏呢？但当我用data.hist()方法来进行数据探索的时候，我真的因为对这个变量分布认识得不到位，而选择了不恰当的填补方式。

当数据量非常大时，容易出现的一个情况就是：有些连续性变量的取值范围很大、很散，而分类型变量索取的几个值之间距离也很大，这时候对分类变量画出的直方图也特别奇怪。

而且如果数据中有NaN、inf的情况下，直接data.hist()这种方法行不通，