4-1 探索型数据分析：绘制统计图形展示数据分布（版本：py3）

数据分析三大类型

• 探索型数据分析
• 验证型数据分析
• 预测型数据分析

下图为数据科学的流程：

探索型数据分析的作用

• 与数据清理相辅相成
• 支持验证型数据分析、预测型数据分析

探索型数据分析的常用图表

• 条形图、直方图
• 饼图（饼图在探索型数据分析中使用较少，原因是肉眼对于角度之间的大小差别没有对高度之间的差别敏感）
• 折线图、散点图
• 箱形图

绘图函数

这里以tips为例，在后续练习中，你也可以用这个数据集进行练习

tips = seaborn.load_dataset("tips")

#bar 条形图
seaborn.barplot(x="day",y="total_bill",data=tips)

#hist 直方图
seaborn.distplot(X)

#line chart 折线图
seaborn.pointplot(x="day",y="tip",data=tips,ci=68)

#scatter diagram 散点图
seaborn.regplot(x="total_bill",y="tip",data=tips)

#box plot 箱形图
seaborn.boxplot(x="day",y="total_bill",data=tips)

视频中给出了标准的画图指令，但是你可以根据自己的需求，修改默认的参数，来实现图形的美观性，3.6节视频中，提供了关于Seaborn库的绘图技巧，你可以返回复习

扩展： 
还有许多关于绘图的应用，比如： 
网络数据可视化：可以使用Gephi软件 
时空数据可视化：可以使用MapBox或CART实现

补充知识

Seaborn库

请阅读以下链接的材料，进行更多关于seaborn库的练习

• 10分钟python图表绘制 | seaborn入门（一）：distplot与kdeplot

• 10分钟python图表绘制 | seaborn入门（二）：barplot与countplot

• 10分钟python图表绘制 | seaborn入门（三）：Boxplot与Violinplot

• 10分钟python图表绘制 | seaborn入门（四）：回归模型lmplot

绘图利器：Plotly&ggplot 2

可视化工程师在很多公司是一个单独列出来的职位，主要的职责内容是将数据可视化展现，需要编程、设计、表达等等技能，是一块十分值得学习的内容，编程部分除了matplotlib,seabron这两大利器外，Python还有其他支持绘图的包，请阅读：

• Python可视化工具概述

推荐你学习的Python 绘图包

• Plotly：Quick Start ，官方的快速入门提供了很多的图形和指令，你可以进行探索，记忆合适的图形类型对应的指令
• ggplot 2: ggplot2 官方文档,ggplot2是绘图的一大利器，pip install ggplot2库之后你就可以进行操作啦，跟着example进行操作，你可以快速掌握指令

扩展阅读

不同的统计图的特点不同，能表现的信息也有区别。请阅读几种常见统计图的比较与选择，了解不同统计图的特点

学有余力的话，你还可以阅读有哪些值得推荐的数据可视化工具？了解更多可视化工具，掌握了正确的绘图工具，可以让你的数据展现瞬间变得高大上起来