使用seaborn绘制单双变量，类别散点图，箱型图，小提琴图去更直观的观察数据的分布情况
在单变量图中使用displot,参数如下
双变量关系图使用joinplot，参数如下图
类别散点图使用stripplot(),参数如下
小提琴图和箱型图类似，一个使用violinplot(),另一个使用boxplot(),参数基本一样，x,y,data
代码示例：
# 1.单变量图像绘制 import numpy as np import seaborn as sbn np.random.seed(0) arr=np.random.randn(100) #bin表示柱形的个数，kde表示是否绘制高斯核分布曲线，rug表示底部的密集程度 sbn.displot(arr,bins=10,kde=True,rug=True) # 2.双变量图形绘制 import numpy as np import seaborn as sbn import pandas as pd df=pd.DataFrame({"x":np.random.randn(500),"y":np.random.randn(500)}) # df.head() sbn.jointplot(x="x",y="y",data=df,kind="hex",color="red", height=5) # 3.类别散点图绘制 import numpy as np import seaborn as sbn import pandas as pd #散点图 tips=sbn.load_dataset("tips") tips sbn.stripplot(x="day",y="total_bill",data=tips,hue="time",jitter=True) sbn.swarmplot(x="day",y="total_bill",data=tips) # 4.类别内的数据分布 ## 4.1.箱型图 import numpy as np import seaborn as sbn import pandas as pd #箱线图 tips=sbn.load_dataset("tips") tips sbn.boxenplot(x="day",y="total_bill",data=tips,hue="time") sbn.boxenplot(x="day",y="total_bill",data=tips) sbn.boxenplot(x="day",y="total_bill",data=tips,hue="time",palette=['g','b','y','r']) #小提琴图 sbn.violinplot(x="day",y="total_bill",data=tips)