1.用seaborn的distplot（）函数绘制直方图。参数kde = True时会把分布曲线也画出来。
如下代码所示是绘制标准正态分布的分布图
1 import seaborn as sns 2 import numpy as np 3 import matplotlib as mpl 4 import matplotlib.pyplot as plt 5 6 7 x = np.random.normal(size=1000) 8 sns.distplot(x) 9 plt.show()
2.对于两组变量关系，可以用散点图画出他们的分布。函数是jointplot（）。
如下代码是绘出二维正态分布的散点图
1 import seaborn as sns 2 import numpy as np 3 import pandas as pd 4 import matplotlib as mpl 5 import matplotlib.pyplot as plt 6 7 8 data = np.random.multivariate_normal(mean=[0, 0], cov=[[1, 0], [0, 1]], size=1000) #1000组标准二维正态分布 9 df = pd.DataFrame(data=data, columns=["x", "y"]) 10 sns.jointplot(x="x", y="y", kind="hex", data=df) 11 plt.show()
data是一个长度为1000的ndarray类型，每个元素又是一个二维向量，分别是二维正态分布的两个随机变量的样本值。所以可以当成是1000*2的矩阵
利用DataFrame函数将ndarray变成DataFrame结构，然后利用jointplot（）画出散点图。其中如果kind=“scatter”则是普通散点图，这里为了避免样本太多，普通的散点图可能连成一片看不出分布差异，
用kind=“hex"来画，运行结果如下
3.最强大的函数应该是pairplot函数，它能对DataFram的属性两两配对绘制散点图，并且对某一属性绘制直方图
如下代码所示，iris是seaborn内置数据集
1 import seaborn as sns 2 import numpy as np 3 import pandas as pd 4 import matplotlib as mpl 5 import matplotlib.pyplot as plt 6 7 iris = sns.load_dataset("iris") #seaborn内置数据集，DaraFram类型 8 sns.pairplot(iris, kind="hex") 9 plt.show()
运行结果如下
