【seaborn】3、Distribution plots 分布图

单变量的分布特征通过直方图就可以观察，而两个变量间的关系分布，用散点图更容易体现。
下面我们就介绍几种方法，简便的同时查看单变量分布和两个变量间相关性的分布

---

displot 直方图

老版本用的是 distplot， 现在用还不会报错，只是提示说 distplot 之后就要被遗弃了，建议用 displot

seaborn.displot(a, bins=None, hist=True, kde=True, rug=False, fit=None, 
hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None,
 vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)

• bins：int或list，控制直方图的划分，设置矩形图（就是块儿的多少）数量，除特殊要求一般默认；
• hist：是否显示方块；
• kde：是否显示核密度估计曲线；
• rug：控制是否生成观测数值的小细条（边际毛毯）；
• fit：控制拟合的参数分布图形，能够直观地评估它与观察数据的对应关系(黑色线条为确定的分布)；
• -{hist, kde, rug, fit}_kws ：参数接收字典类型，可以自行定义更多高级的样式；
• norm_hist：若为True, 则直方图高度显示密度而非计数(含有kde图像中默认为True)；
• vertical：放置的方向，如果为真，则观测值位于y-轴上（默认False，x轴上）；
• axlabel : string, False, or None, 设置标签。

np.random.seed(666)
x = np.random.randn(1000)
sns.displot(x, kde=True, bins=30)

---

kdeplot 核密度图

seaborn.kdeplot(data, data2=None, shade=False, vertical=False, kernel='gau', 
bw='scott', gridsize=100, cut=3, clip=None, legend=True, cumulative=False, 
shade_lowest=True, cbar=False, cbar_ax=None, cbar_kws=None, ax=None, **kwargs)

• data、data2：表示可以输入双变量，绘制双变量核密度图；
• shade：是否填充阴影，默认不填充；
• vertical：放置的方向，如果为真，则观测值位于y轴上（默认False，x轴上）；
• kernel：{‘gau’ | ‘cos’ | ‘biw’ | ‘epa’ | ‘tri’ | ‘triw’ }。默认高斯核（‘gau’）二元KDE只能使用高斯核。至于什么是核函数，这个学问就大了，建议多看看论文；
• bw：{‘scott’ | ‘silverman’ | scalar | pair of scalars }。四类核密度带方法，默认scott (斯考特带宽法），建议下来了解一下这四种方法的区别；
• gridsize：这个参数指的是每个格网里面，应该包含多少个点，越大，表示格网里面的点越多（觉得电脑OK的可以试试，有惊喜），越小表示格网里面的点越少；
• cut：参数表示，绘制的时候，切除带宽往数轴极限数值的多少，这个参数可以配合bw参数使用；
• cumulative：是否绘制累积分布；
• shade_lowest：是否有最低值渲染，这个参数只有在二维密度图上才有效；
• clip：表示查看部分结果，是一个区间；
• cbar：参数若为True，则会添加一个颜色棒(颜色帮在二元kde图像中才有)；

mean, cov = [0, 2], [(1, .5), (.5, 1)]
#这是一个多元正态分布
x, y = np.random.multivariate_normal(mean, cov, size=50).T
sns.kdeplot(x)

绘制双变量核密度图 （1）

sns.kdeplot(x,y,shade=True,shade_lowest=False,cbar=True,color='r')

绘制双变量核密度图 （2）：二色二元密度图，使用大名鼎鼎的鸢尾花数据集

setosa = iris.loc[iris.species == "setosa"]
virginica = iris.loc[iris.species == "virginica"]

sns.kdeplot(setosa.sepal_width, setosa.sepal_length,cmap="Reds", 
            shade=True, shade_lowest=False)
            
sns.kdeplot(virginica.sepal_width, virginica.sepal_length,cmap="Blues", 
            shade=True, shade_lowest=False)

---

jointplot 联合分布图

seaborn.jointplot(x, y, data=None, kind='scatter', stat_func=None, color=None, 
height=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, joint_kws=None,
 marginal_kws=None, annot_kws=None, **kwargs)

• x,y：为DataFrame中的列名或者是两组数据，data指向dataframe；
• kind : { “scatter” | “reg” | “resid” | “kde” | “hex” }。默认散点图；
• stat_func：用于计算统计量关系的函数；
• ratio：中心图与侧边图的比例，越大、中心图占比越大；
• dropna：去除缺失值；
• height：图的尺度大小（正方形）；
• space：中心图与侧边图的间隔大小；
• xlim，ylim：x，y的范围

sns.jointplot(x="total_bill", y="tip", data=tips,height=5)

---

3、当数据量比较大时，散点图的点容易堆叠在一起，不易分辨，我们可以指定参数 kind 为 ‘hex’ , 用颜色深度来表示数据的密度

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

mean, cov = [0, 1], [(1, 0.5), (0.5, 1)]
x, y = np.random.multivariate_normal(mean, cov, 1000).T
with sns.axes_style('white'):
    sns.jointplot(x=x, y=y, kind='hex', color='k')

---

pairplot 变量关系组图

多变量数据，查看两两之间的关系

seaborn.pairplot(data, hue=None, hue_order=None, palette=None, vars=None, 
x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None,
 height=2.5, aspect=1, dropna=True, plot_kws=None, diag_kws=None, 
 grid_kws=None, size=None)

• var：data中的子集，否则使用data中的每一列；
• x_vars / y_vars：可以具体细分，谁与谁比较；
• kind：{‘scatter’, ‘reg’}；
• diag_kind：{‘auto’, ‘hist’, ‘kde’}。单变量图（自己与自己比较）的绘图，对角线子图的图样。默认情况取决于是否使用“hue”

读取 鸢尾花 的数据集，其有四个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，查看两两之间的数据关系

iris = pd.read_csv(r'../input/seaborn-data/iris.csv')
iris.head()

sns.pairplot(iris)

sns.pairplot(iris, hue="species", markers=["o", "s", "D"])