第二章：数据可视化

.7.1 任务一：跟着书本第九章，了解matplotlib，自己创建一个数据项，对其进行基本可视化

【思考】最基本的可视化图案有散点图、核密度图、hexbin图、饼图、直方图、条形图、折线图、曲面图、蜘蛛图、箱线图、热力图、成对关系图。

散点图

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
N=1000
x=np.random.randn(N)#返回1行n列满足标准正态分布的数
y=np.random.randn(N)
plt.scatter(x,y,marker='o')
plt.show()

 用seaborn画图

#散点图
df=pd.DataFrame({'x':x,'y':y})
sns.jointplot(x='x',y='y',data=df,kind='scatter')
plt.show()

 折线图：需要提前把数据按照 x 轴的大小进行排序

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35]
# 使用Matplotlib画折线图
plt.plot(x,y)
plt.show()
# 使用seaborn画折线图
df=pd.DataFrame({'x':x,'y':y})
sns.lineplot(x='x',y='y',data=df)
plt.show()

 直方图可以看到变量的数值分布

a=np.random.randn(100)
s=pd.Series(a)
# 用Matplotlib画直方图
plt.hist(s,bins=12)
plt.show()
# 用Seaborn画直方图
sns.distplot(s,kde=False)
plt.show()
# kde=True 会显示一条取值的曲线
sns.distplot(s,kde=True)
plt.show()