八、數據擬合分析seaborn

　　本文的主要目的是記住最主要的函數，具體的用法還得查API文檔。　

　　首先導入包：

%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 # 生產參數

 

幾種重要的可視化圖形：

 

灰度圖

　

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

 

　　最重要的是    sns.distplot()

　　

 

核密度估計

　　核密度估計的步驟：

• 每一個觀測附近用一個正態分布曲線近似
• 疊加所有觀測的正太分布曲線
• 歸一化

　　sns.kdeplot(x)

 　　

 

模型參數擬合

　　

 

雙變量分布

　　兩個相關的變量

 

散點圖

　　sns.jointplot(  )

　　

 

六角箱圖

　　sns.jointplot(  )

 　　

 

核密度估計

　　sns.jointplot(......., kind="kde") 重要的是后面的那個參數

　　

 

這個圖，着實有點難啊

　　

　　

　　也不知道這個是啥

　　

　　還有這個，

　　

 

數據集中的兩兩關系

　　iris = sns.load_dataset("iris")