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')