1 概述
数据可视化，从数据层面，包括以下两块内容：
a单变量的可视化：主要研究变量的自身特性
b多变量的联合可视化：主要研究变量与变量之间的相关性
其中，单变量的可视化，要根据数据的类型来分别处理：
分类变量(categorical variable)
常用的有：饼图、柱形图
数值变量(numerical variable)
常用的有：概率密度图、直方图、箱式图
2 导入数据
%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import seaborn as sns
df = pd.read_csv('forestfires.csv')
df.head() # 看前5行
3 分类特征
分类特征主要看两个方面：
a有几种分类
b每种分类的数量（或者比例）
这里为了演示，用day变量，代表了星期。
order = ['mon', 'tue', 'wed', 'thu', 'fri', 'sat', 'sun'] day_count = df['day'].value_counts() day_count = day_count[order] # 不用loc的话就默认从大到小排序 day_count
结果为，可以看到，数据集里这个变量的分布还算平均。
mon 74 tue 64 wed 54 thu 61 fri 85 sat 84 sun 95 Name: day, dtype: int64
3.1 饼图
注意分类的种类不能太多，不然饼图就会被切得很细。
a pandas.Series.plot.pie
用autopct设置数字的格式。
day_count.plot.pie(autopct='%.2f%%')
b matplotlib.pyplot.pie
plt.pie(day_count, autopct='%.2f%%', labels=day_count.index)
3.2 柱状图
a pandas.Series.plot.pie
day_count.plot.bar()
b matplotlib.pyplot.bar
pos = range(len(day_count)) plt.bar(pos, day_count.values) plt.xticks(pos, day_count.index)
c seaborn.barplot
sns.barplot(day_count.index, day_count.values)
d seaborn.countplot
sns.countplot(df['day'])
用这个的好处在于，自动计算取值及其数量并可视化，节省一个步骤。函数中，可以设置order=order来指定顺序。
4 数值特征
数值特征主要看两个方面：它的取值区间，不同子区间的数量分布(或者密度分布)。
为了演示，用temp变量，代表温度。
temperature = df['temp']
4.1 直方图
a pandas.Series.plot.hist
temperature.plot.hist()
b matplotlib.pyplot.hist
plt.hist(temperature)
c seaborn.rugplot
plt.hist(temperature, color='orange') sns.rugplot(temperature)
4.2 概率密度图
a pandas.Series.plot.density
temperature.plot.density()
b seaborn.kdeplot
sns.kdeplot(temperature)
c seaborn.distplot
sns.distplot(temperature)
4.3 箱式图
a pandas.Series.plot.box
temperature.plot.box()
b matplotlib.pyplot.boxplot
plt.boxplot(temperature) plt.show()
c seaborn.boxplot
orient默认值是h（水平），也可以设为v（垂直）。
sns.boxplot(temperature, orient='v')
