python数据可视化的特点_python数据可视化1：单特征

1 概述

数据可视化，从数据层面，包括以下两块内容：

a单变量的可视化：主要研究变量的自身特性

b多变量的联合可视化：主要研究变量与变量之间的相关性

其中，单变量的可视化，要根据数据的类型来分别处理：

分类变量(categorical variable)

常用的有：饼图、柱形图

数值变量(numerical variable)

常用的有：概率密度图、直方图、箱式图

2 导入数据

3 分类特征

分类特征主要看两个方面：

a有几种分类

b每种分类的数量（或者比例）

这里为了演示，用day变量，代表了星期。

mon 74tue 64wed 54thu 61fri 85sat 84sun 95Name: day, dtype: int64结果为，可以看到，数据集里这个变量的分布还算平均。

3.1 饼图

注意分类的种类不能太多，不然饼图就会被切得很细。

a pandas.Series.plot.pie

用autopct设置数字的格式。

3.2 柱状图

a pandas.Series.plot.pie

b matplotlib.pyplot.bar

c seaborn.barplot

d seaborn.countplot

用这个的好处在于，自动计算取值及其数量并可视化，节省一个步骤。函数中，可以设置order=order来指定顺序。

4 数值特征

数值特征主要看两个方面：它的取值区间，不同子区间的数量分布(或者密度分布)。

为了演示，用temp变量，代表温度。

4.1 直方图

a pandas.Series.plot.hist

b matplotlib.pyplot.hist

c seaborn.rugplot

4.2 概率密度图

a pandas.Series.plot.density

b seaborn.kdeplot

c seaborn.distplot

4.3 箱式图

a pandas.Series.plot.box

b matplotlib.pyplot.boxplot

c seaborn.boxplot

orient默认值是h（水平），也可以设为v（垂直）。