比较：比较数据间各类别的关系，或者是它们随着时间的变化趋势，比如折线图 联系：查看两个或两个以上变量之间的关系，比如散点图 构成：每个部分占整体的百分比，或者是随着时间的百分比变化，比如饼图 分布：关注单个变量，或者多个变量的分布情况，比如直方图
散点图：
import matplotlib.pyplot as plt
import seaborn as sns
plt.scatter(x,y,s,c) # x,y为数据，s为散点半径，c为颜色
sns.jointplot(x='a',y='b',data = df)
直方图：
plt.hist(x,bins=50)
sns.distplot(x,bins=50)
柱形图：
x = ['cat1','cat2','cat3','cat4','cat5'] y = [5,4,8,12,7]
plt.bar(x,y)
sns.barplot(x,y)
箱线图：
data = np.random.normal(size=(10,4)) labels = ['A','B','C','D'] plt.boxplot(data,labels=labels)
sns.boxplot(data=data)
饼图：
x = ['cat1','cat2','cat3','cat4','cat5'] y = [5,4,8,12,7] plt.pie(x=y,labels=x)
热力图：
# 多元变量分析 flights = sns.load_dataset('flights') data = flights.pivot('year','month','passengers') sns.heatmap(data)
corr = data.corr() sns.heatmap(corr)
#变量成对关系 iris = sns.load_dataset('iris') sns.pairplot(iris)
