#!/usr/bin/env python# -*- coding:utf-8 -*-import numpy as npimport pandas as pdfrom scipy import stats, integrateimport matplotlib.pyplot as pltimport matplotlib as mplimport seaborn as snssns.set(color_codes=True)np.random.seed(sum(map(ord, "distributions")))x = np.random.normal(size=100)sns.distplot(x,kde=False) #直方图绘制sns.distplot(x, bins=20, kde=False)#根据均值和协方差生成数据mean, cov = [0, 1], [(1, .5), (.5, 1)]data = np.random.multivariate_normal(mean, cov, 200)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);iris = sns.load_dataset("iris") #读入自带的数据集sns.pairplot(iris)#4.REGsns.set(color_codes=True)np.random.seed(sum(map(ord, "regression")))tips = sns.load_dataset("tips")tips.head()#回归分析绘制图#regplot()和lmplot()都可以绘制回归关系,推荐regplot()sns.regplot(x="total_bill", y="tip", data=tips)#x_jitter：小范围的浮动sns.regplot(x="size", y="tip", data=tips, x_jitter=.05)#多变量分析图sns.set(style="whitegrid", color_codes=True)np.random.seed(sum(map(ord, "categorical")))titanic = sns.load_dataset("titanic")tips = sns.load_dataset("tips")iris = sns.load_dataset("iris")sns.stripplot(x="day", y="total_bill", data=tips);sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)#jitter：小范围的浮动sns.swarmplot(x="day", y="total_bill", hue="sex",data=tips)#树形图#盒图#IQR即统计学概念四分位距，第一/四分位与第三/四分位之间的距离#N = 1.5IQR 如果一个值>Q3+N或　<　Ｑ1-N,则为离群点sns.boxplot(x="day", y="total_bill", hue="time", data=tips);#小提琴图sns.violinplot(x="total_bill", y="day", hue="time", data=tips);#条形图可以显示值的集中趋势sns.barplot(x="sex",y="survived",hue="class",data=titanic)#点图可以更好的描述变化差异sns.pointplot(x="sex", y="survived", hue="class", data=titanic)sns.boxplot(data=iris,orient="h");#盒型图，orient=“h'横着画#分类属性#多层面板分类图sns.factorplot(x="day", y="total_bill", hue="smoker", data=tips)sns.factorplot(x="day", y="total_bill", hue="smoker",               col="time", data=tips, kind="swarm")#点图sns.factorplot(x="time", y="total_bill", hue="smoker",#盒图               col="day", data=tips, kind="box", size=4, aspect=.5)'''Parameters：•x,y,hue 数据集变量 变量名•date 数据集 数据集名•row,col 更多分类变量进行平铺显示 变量名•col_wrap 每行的最高平铺数 整数•estimator 在每个分类中进行矢量到标量的映射 矢量•ci 置信区间 浮点数或None•n_boot 计算置信区间时使用的引导迭代次数 整数•units 采样单元的标识符，用于执行多级引导和重复测量设计 数据变量或向量数据•order, hue_order 对应排序列表 字符串列表•row_order, col_order 对应排序列表 字符串列表•kind : 可选：point 默认, bar 柱形图, count 频次, box 箱体, violin 提琴, strip 散点，swarm 分散点 size 每个面的高度（英寸） 标量 aspect 纵横比 标量 orient 方向 "v"/"h" color 颜色 matplotlib颜色 palette 调色板 seaborn颜色色板或字典 legend hue的信息面板 True/False legend_out 是否扩展图形，并将信息框绘制在中心右边 True/False share{x,y} 共享轴线 True/False'''