八、数据拟合分析seaborn

　　本文的主要目的是记住最主要的函数，具体的用法还得查API文档。　

　　首先导入包：

%matplotlib inline  2 import numpy as np  3 import pandas as pd  4 from scipy import stats, integrate  5 import matplotlib.pyplot as plt  6 import seaborn as sns  7 sns.set(color_codes=True)  8 np.random.seed(sum(map(ord, "distributions")))  9 # 生产参数

 

几种重要的可视化图形：

 

灰度图

　

x = np.random.normal(size=100) sns.distplot(x, kde=True)

 

　　最重要的是    sns.distplot()

　　

 

核密度估计

　　核密度估计的步骤：

• 每一个观测附近用一个正态分布曲线近似
• 叠加所有观测的正太分布曲线
• 归一化

　　sns.kdeplot(x)

 　　

 

模型参数拟合

　　

 

双变量分布

　　两个相关的变量

 

散点图

　　sns.jointplot(  )

　　

 

六角箱图

　　sns.jointplot(  )

 　　

 

核密度估计

　　sns.jointplot(......., kind="kde") 重要的是后面的那个参数

　　

 

这个图，着实有点难啊

　　

　　

　　也不知道这个是啥

　　

　　还有这个，

　　

 

数据集中的两两关系

　　iris = sns.load_dataset("iris")