6.9 python数据分析可视化

今天复习了可视化的两个重要的库：matplotlib和seaborn

主要记一下我做数据分析时候用这两个的一些思路，方便日后翻看复习：

1.单变量分析：

a.可先由df.describe()方法看一下要分组的数据型特征中的大致数据分布（可以重点关注一下mean和std倍数关系为1/2或者1/3的，个人小tip，因为标准差是数据波动程度，波动特别大的数据个人觉得有一定研究的代表性）

ps:标准差std小于0.9的特征列一般也没有研究的必要。

b. 方法：（都是简写，只为了记录一下，可能只有本人看得懂）

df.［features］.plot(kind=“”）

sns.displot()

2.类别特征分析：

df［］.value_counts()

可视化：sns.countplot()

3.多变量可视化：

a. 数值型画相关矩阵：可先用pd的.corr()方法，实现：

corr= df［］.corr()

sns.heatmag(corr)

b. 两个数值型：

plt.scatter()

sns.joinplot()

c.数值型引入类别型变量：

sns.lmplot(hue=“”)

sns.boxplot()

d.类别与类别：

sns.countplnt()

或者建立类别表：

pd.crosstab()