《机器学习Python实践 》- 可视化

数据可视化，可视化的目的，是为了更直观的理解数据、更快速的理解数据

单一图表

• 直方图
  又称质量分布图，可以直观的展示每个属性的分布情况

axes = df.hist(figsize=(9,9))

• 密度图
  也叫做KDE图，是一种表现与数据值对应的边界或域对象的图形表示方法，一般用于呈现连续变量。
  密度图，类似于对直方图的抽象，用平滑的曲线来描述数据分布。

df.plot.kde(subplots=True, layout=(3,3) , sharex=False , figsize=(9,9))

相比较于直方图，密度图，不需要去考虑分组数量，可以更好的绘制数据的分布形状

• 箱线图
  又称盒须图、箱形图，用来表现数据的分散情况

## 盒须图
df.plot.box(subplots=True, layout=(3,3) , sharex=False,figsize=(9,9))