数据可视化库Seabron（2）

单变量分析绘图

直方图

import seaborn as sns
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from scipy import stats,integrate
import pandas as pd
%matplotlib inline

sns.set(color_codes=True)
np.random.seed(sum(map(ord,"distribution")))

x = np.random.normal(size=100)
sns.distplot(x,bins=20,kde=True)
#bins: 设置分桶数
#kde控制是否画kde曲线

map()函数：
第一个参数接受一个函数名，后面的参数接受一个或多个可迭代的序列，返回的是一个集合。

把函数依次作用在list中的每一个元素上，得到一个新的list并返回。注意，map不改变原list，而是返回一个新list。

ord()函数：

ord()函数它以一个字符（长度为1的字符串）作为参数，返回对应的ASCII数值，或者Unicode数值。如果所给的Unicode字符超出了你的Python定义范围，则会引发一个TypeError的异常。

np.random.seed()函数

设置相同的seed，每次生成的随机数相同。

数据分布情况 

x = np.random.gamma(6, size=200)
sns.distplot(x, kde=False, fit=stats.gamma)   #实例化伽玛分布

根据均值和协方差生成数据 

np.random.multivariate_normal生成一个服从多元正态分布的数组
multivariate_normal(mean, cov, size=None, check_valid=None, tol=None) 
mean：均值，维度为1，必选参数；
cov：协方差矩阵，必选参数；
size： 指定生成矩阵的维度，若size=(1, 1, 2)，则输出的矩阵的 shape 即形状为 1X1X2XN（N为mean的#长度）；
check_valid：可取值 warn，raise以及ignore；

tol：检查协方差矩阵奇异值时的公差，float类型

mean, cov = [0, 1], [(1, .5), (.5, 1)]
#两个相关的正态分布
data = np.random.multivariate_normal(mean, cov, 200)
#依据指定的均值和协方差生成数据,生成二维数组
df = pd.DataFrame(data, columns=["x", "y"])
df.tail()

	x	y
195	-0.885440	-0.275349
196	-0.678798	1.505844
197	1.601188	2.096382
198	-0.398727	1.388353
199	-0.051887	0.427285