Matplotlib&seaborn笔记1--数据skewness与displot相关预处理

最近在学习kaggle预测房价的大神代码。其中有很多地方涉及到了我的知识盲区。。。慢慢来吧，先做好知识储备，再去系统再现代码。本文主要讲的是待预测值的分布。而且我觉得对于回归问题，研究预测值的分布是很有必要的，因此做一个记录。
先看代码：

# !/usr/bin/python3                                               
# -*-coding:UTF-8-*-                                              
# By WILL                                                         
import pandas as pd                                               
import numpy as np                                                
import seaborn as sns                                             
import pylab as plt #或者import matplotlib.pyplot as plt一样的         
#假设data是我们要预测的值   
plt.style.use("ggplot") #图像美化                                               
data = np.random.randn(1000)#生成1000个标准正态分布的点                      
data = pd.DataFrame(data)                                         
sns.distplot(data)#看下方红字描述                                                
plt.show()                                                        
print(data.describe())#该列的描述：列的均值 方差 标准差 四分位数 最值等信息               
print("data的skewness:",data.skew())                               
print("data的peakedness:",data.kurt())                             

输出：

                 0#因为是DataFrame，所以肯定有一个column。
count  1000.000000
mean      0.050196#1000样本点比较少，理论上为0
std       0.963622#理论值为1
min      -2.765893
25%      -0.581325#1/4分位点
50%       0.041425#1/2分位点
75%       0.733161#3/4分位点
max       3.162707
data的skewness: 0   -0.00365
dtype: float64
data的peakedness: 0   -0.149678
dtype: float64

分析

1. seaborn是对matplolib的一个补充，而不是取代，要二者相结合。使用方式：

import seaborn as sns

安装方式:pip install seaborn
2. displot()集合了matplotlib的hist()与核函数估计kdeplot的功能，增加了rugplot分布观测条显示与利用scipy库fit拟合参数分布的新颖用途。
上面意思就是：displot不仅有直方图的功能，还有kdeplot（seaborn的一个核函数估计画图函数）的功能。
3.关于plt.style.use(“ggplot”)
若不加这一句，图片是这样的。所以这句话的意思就是美观。

4.关于斜度与峰度
详细请见：
偏度(skewness)和峰度(kurtosis）
我这里简单总结一下：
skewness就是三阶中心距，kurotosis就是4阶的。
sk表示的是左偏还是右偏（>0,右偏）（<0左偏）。=0就是正态分布
ku是尾巴的胖瘦或者高低。峰度包括正态分布（峰度值=3），厚尾（峰度值>3），瘦尾（峰度值<3）