seaborn#3 单变量分析绘图

标签：col   normal   stp   sea   hex   rand   集中   com   white   

一、

x = np.random.normal(size=100) #随机生成100个高斯分布的数据（均值为0，方差为1）

sns.distplot(x,kde=False)  #绘制直方图（自动设定轴的区间）

#kde=False表示不画出拟合曲线，kde=True表示同时画出拟合曲线

二、根据均值和协方差生成数据

mean, cov = [0, 1], [(1, .5), (.5, 1)]                     #指定均值和协方差

data = np.random.multivariate_normal(mean, cov, 200)   #生成数据

df = pd.DataFrame(data, columns=["x", "y"])

#观测两个变量之间的分布关系最好用散点图

sns.jointplot(x="x", y="y", data=df);

查看数据在那些区域比较集中：利用hex图

x, y = np.random.multivariate_normal(mean, cov, 1000).T

with sns.axes_style("white"):

　　sns.jointplot(x=x, y=y, kind="hex", color="k")

三、

iris = sns.load_dataset("iris")    #iris是一组内置的数据集，有四种特征

sns.pairplot(iris)              #特征和特征之间的分布情况（多特征）

seaborn#3 单变量分析绘图

标签：col   normal   stp   sea   hex   rand   集中   com   white   

原文地址：http://www.cnblogs.com/wqpkita/p/7457147.html