摘要：
数据展示： 1. FacetGrid FacetGrid是一个储存我们想怎样展示信息的东西，如下所示，我们想观察位置中SK和GK的分布。 在这里我们使用map方法把数据填充到图表中 计算类别在某一特征下的分布情况 计算两个类别在某一特征下的分布情况 2. Pariplot 对应的是分类问题的pair 阅读全文
摘要：
数据读取： Subplotting 先展示下我们在画一张图时的步骤 1. 生成一个matplotlib Figure对象 2. 生成一个matplotlib AxesSubplot 对象，然后将其赋值给Figure 3. 使用AxesSubplot方法把信息画在屏幕上 4. 将结果返回给用户 sub 阅读全文
摘要：
数据加载： 1. Countplot 和之前的pandas绘图相比，使用countplot可以自动计算每类的数量。 2. KDE Plot KDE，是“kernel density estimate”的简称，它会使得bar plot的图形更加的平滑，可以看出每类所占的比例。 3. 散点图加直方图 两 阅读全文
摘要：
数据加载： 1.加上颜色，尺寸，字体等 由于pandas没有给出调整Title字体大小的工具，所以我们将其转化到matplotlib上，所有在pandas上做的操作都能在matplotlib上进行，pandas相当于其简化版，下面把其还原回去，如下所示： 同样的，可以使用seaborn库对数据做进一 阅读全文
摘要：
数据加载： 1.散点图 上图使用下采样的方法选取了100个样本点，因为把所有的数据加载进来太多了。 2.Hexplot图 上图是一个散点图再加上热力标注的形式，可以更准确的帮助我们看出数据集中在哪些区域。 3.层叠图 上图是制作过程是首先选择一个特征，然后求 其他的特征在该特征变化下的变化趋势 ，极 阅读全文
摘要：
数据加载与展示： 1. 类别数据的Bar图 1.1 每一类对应有多少个 1.2 每类数量占整体的比值 1.3 对X轴进行排序 阅读全文