本文的主要目的是记住最主要的函数，具体的用法还得查API文档。
首先导入包：
%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))
# 生产参数
几种重要的可视化图形：
灰度图
x = np.random.normal(size=100)
sns.distplot(x, kde=True)
最重要的是 sns.distplot()
核密度估计
核密度估计的步骤：
- 每一个观测附近用一个正态分布曲线近似
- 叠加所有观测的正太分布曲线
- 归一化
sns.kdeplot(x)
模型参数拟合
双变量分布
两个相关的变量
散点图
sns.jointplot( )
六角箱图
sns.jointplot( )
核密度估计
sns.jointplot(......., kind="kde") 重要的是后面的那个参数
这个图，着实有点难啊
也不知道这个是啥
还有这个，
数据集中的两两关系
iris = sns.load_dataset("iris")
