7.数据分析-seaborn

# 高级绘图工具seaborn的使用方法
# 更加方便入手，比matplotlib更容易查找

import seaborn as sns
import numpy as np
import pandas as pd 

---

一、Seaborn-绘制统计图形

# 对于单变量的数据来说 采用直方图或核密度曲线是个不错的选择， 
# 对于双变量来说，可采用多面板图形展现，比如 散点图、二维直方图、核密度估计图形等。
# 针对这种情况， Seaborn库提供了对单变量和双变 量分布的绘制函数，如 displot()函数、 jointplot()函数

1.1 绘制单变量分布 distplot()

# seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, color=None)

# (1) a：表示要观察的数据，可以是 Series、一维数组或列表。 
# (2) bins：用于控制条形的数量。 
# (3) hist：接收布尔类型，表示是否绘制(标注)直方图。 
# (4) kde：接收布尔类型，表示是否绘制高斯核密度估计曲线。 
# (5) rug：接收布尔类型，表示是否在支持的轴方向上绘制rugplot。

# 上述示例中，首先导入了用于生成数组的numpy库，然后使用 seaborn调用set()函数获取默认绘图，并且调用 random模块的seed函数确定随 
# 机数生成器的种子，保证每次产生的随机数是一样的，接着调用 randn()函数生成包含100个随机数的数组，最后调用 distplot()函数绘制直
# 方图。

sns.set()
np.random.seed(0) # 确定随机数生成器的种子,如果不使用每次生成图形不一样 
arr = np.random.randn(100) # 生成随机数组
ax = sns.distplot(arr, bins=10, hist=True, kde=True, rug=True) # 绘制直方图
# arr

1.2 绘制双变量分布

# seaborn.jointplot(x, y, data=None, kind='scatter', stat_func=None, color=None, ratio=5, space=0.2, dropna=True)

# (1) kind：表示绘制图形的类型。 
# (2) stat_func：用于计算有关关系的统计量并标注图。