matplotlib :直方图和密度图，散点图或点图，分面网格和分类数据

2.3 直方图和密度图

直方图是一种条形图，用于给出值频率的离散显示，数据点被分成离散的，均匀间隔的箱，并且绘制每个箱中数据点的数量。

tips
	total_bill	tip	smoker	day	time	size	tip_pct
0	16.99	1.01	No	Sun	Dinner	2	0.063204
1	10.34	1.66	No	Sun	Dinner	3	0.191244
2	21.01	3.50	No	Sun	Dinner	3	0.199886
3	23.68	3.31	No	Sun	Dinner	2	0.162494
4	24.59	3.61	No	Sun	Dinner	4	0.172069
...	...	...	...	...	...	...	...
239	29.03	5.92	No	Sat	Dinner	3	0.256166
240	27.18	2.00	Yes	Sat	Dinner	2	0.079428
241	22.67	2.00	Yes	Sat	Dinner	2	0.096759
242	17.82	1.75	No	Sat	Dinner	2	0.108899
243	18.78	3.00	No	Thur	Dinner	2	0.190114
244 rows × 7 columns

tips[tips['tip_pct']>1]        # 这个计算方法就很迷，，，还有大于一的。。。。。
	total_bill	tip	smoker	day	time	size	tip_pct
172	7.25	5.15	Yes	Sun	Dinner	2	2.452381

就是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值，这个bins 应该就是将这个244行分成50箱。

讲的还真简略啊。。。

密度图是一种与直方图相关的图表类型，通过计算可能产生观测数据的连续概率分布估计而产生，，，通常的做法是将这种分布近似位内核 的混合，也就是像正态分布那样简单的分布。所以密度图也叫内核密度估计图KDE。。。看来要再去学学数学了。。口区

这个竖坐标的密度我是真看不懂了。。。。。

distplot 方法可以绘制直方图和连续密度估计，通过distplot 方法seaborn 使直方图和密度图的绘制更加简单，考虑由两个不同的标准正态分布组成的双峰分布：

密度估计感觉有点懂了。。。

2.4 散点图或点图

用于检验两个一维数据序列之间的关系，例如，这里我们从statsmodels 项目中载入了 macrodata 数据集，并选择一些变量，然后计算对数差。。。。

log m1 and log unemp 值的比较，x 轴是 m1 y 轴式 unemp。感觉就是对应描点，中间那个线嘛。。应该是回归方程一类的。。。

在探索性数据分析中，能够查看一组变量中的所有散点图是由帮助的，这被称为成对图或散点图矩阵。seaborn 的pairplot 函数，支持在对角线上放置每个变量的直方图或密度估计图

sns.pairplot(trans_data,diag_kind='kde',plot_kws={'alpha':0.2})

额。。y轴那些也是 cpi,m1,tblirate,unemp。。。plot_ksw 参数将配置选项传递给非对角元素上的各个绘图。更多细节。。。待补充吧，，，，，

2.5 分面网格和分类数据

针对数据集由额外的分组维度

除了根据 itme 在一个面内将不同的柱分组为不同颜色，我们还可以通过每个时间值添加一行来扩展分面网各：

也支持其他可能有用的图类型，具体取决于你要显示的内容，例如，箱型图（显示中位值，四分位数和异常值）可以是有效的可视化类型

。。。学了个啥啊。。。。