分布绘图

分布绘图分为单一变量分布，多变量分布，成对绘图。以下进行讲解。

一、单变量分布：

单一变量主要就是通过直方图来绘制。在seaborn中直方图的绘制采用的是distplot，其中dist是distribution的简写，不是histogram的简写。示例代码如下：

sns.set(color_codes=True)
titanic = sns.load_dataset("titanic")
titanic = titanic[~np.isnan(titanic['age'])]
sns.distplot(titanic['age'])

效果图如下：

有以下常用参数：

kde（核密度曲线）：这个代表是否要显示kde曲线，默认是显示的，如果显示kde曲线，那么y轴表示的就是概率，而不是数量。也可以设置为False关掉。示例代码如下：
```
 sns.distplot(titanic['age'],kde=False)
```
bins：代表这个直方图显示的数量。也可以通过自己设置。示例代码如下：
```
 sns.distplot(titanic['age'],bins=30)
```
rug：代表是否需要显示底部的胡须下线，下面的胡须线越密集的地方，说明数据量越多。示例代码如下：
```
 sns.distplot(titanic['age'],rug=True)
```

二、二变量分布：

多变量分布图可以看出两个变量之间的分布关系。一般都是采用多个图进行表示。多变量分布图采用的函数是jointplot。

2.1. 散点图：

示例代码如下：

tips = sns.load_dataset("tips")
g = sns.jointplot(x="total_bill", y="tip", data=tips)

效果图如下：

通过设置kind='reg'可以设置回归绘图和核密度曲线。示例代码如下：

g = sns.jointplot(x="total_bill", y="tip", data=tips,kind="reg")

效果图如下：

2.2. 六边形图：

对于一些数据量特别大的数据，用散点图不太利于观察，比如查看奥运会中国运动员的身高和体重分布情况，如果用散点图将会是以下的效果：

athletes = pd.read_csv("athlete_events.csv")
china_athletes = athletes[athletes['NOC']=='CHN']
sns.jointplot(x="Height",y="Weight",data=china_athletes)

针对这种数据量比较大的情况，可以采用六边形图来绘制，也就是将之前的散点变成六边形，六边形有一个区间大小，之前这些点落在这个六边形中越多颜色越深。示例代码如下：

sns.jointplot(x="Height",y="Weight",data=china_athletes,kind="hex")

默认情况，在x轴的区间内，可以展示100个六边形，所以默认情况下六边形的尺寸会比较小，如果想要展示得更大一点，那么可以设置减少六边形的个数，通过gridsize设置。示例代码如下：

sns.jointplot(x="Height",y="Weight",data=china_athletes,kind="hex",gridsize=20)

更多请参考：

2.4. jointplot其他常用参数：

x,y,data：绘制图的数据。
kind：scatter、reg、resid、kde、hex。
color：绘制元素的颜色。
height：图的大小，图会是一个正方形。
ratio：主图和副图的比例，只能为一个整形。
space：主图和副图的间距。
dropna：是否需要删除x或者y值中出现了NAN的值。
marginal_kws：副图的一些属性，比如设置bins、rug等。

三、成对绘图（pairplot）：

pairplot可以把某个数据集中某几个字段之间的关系图一次性绘制出来。比如iris鸢尾花数据，我们想要看到petal_width、petal_height、sepal_width以及sepal_height之间的关系，那么我们就可以通过pairplot来绘制。示例代码如下：

sns.pairplot(iris,vars=['sepal_length',"sepal_width",'petal_length','petal_width'])

效果图如下：

默认情况下，对角线的图（x和y轴的列相同）是直方图，其他地方的图是散点图，如果想要修改这两种图，可以通过diag_kind和kind来实现。其中这两个参数可取的值为：

diag_kind：auto, hist, kde。
kind：scatter, reg。

示例代码如下：

sns.pairplot(iris,vars=['sepal_length',"sepal_width",'petal_length','petal_width'],diag_kind="kde",kind="reg")