用seborn的函数distplot(), jointplot(), pairplt()对数据的单变量分析绘图

1.用seaborn的distplot（）函数绘制直方图。参数kde = True时会把分布曲线也画出来。

如下代码所示是绘制标准正态分布的分布图

 import seaborn as sns
 import numpy as np
 import matplotlib as mpl
 import matplotlib.pyplot as plt

 x = np.random.normal(size=)
 sns.distplot(x)
 plt.show()

2.对于两组变量关系，可以用散点图画出他们的分布。函数是jointplot（）。

如下代码是绘出二维正态分布的散点图

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

 data = np.random.multivariate_normal(mean=[, ], cov=[[, ], [, ]], size=)  #1000组标准二维正态分布
 df = pd.DataFrame(data=data, columns=["x", "y"])
 sns.jointplot(x="x", y="y", kind="hex", data=df)
 plt.show()

　　data是一个长度为1000的ndarray类型，每个元素又是一个二维向量，分别是二维正态分布的两个随机变量的样本值。所以可以当成是1000*2的矩阵

　　利用DataFrame函数将ndarray变成DataFrame结构，然后利用jointplot（）画出散点图。其中如果kind=“scatter”则是普通散点图，这里为了避免样本太多，普通的散点图可能连成一片看不出分布差异，

用kind=“hex"来画，运行结果如下

3.最强大的函数应该是pairplot函数，它能对DataFram的属性两两配对绘制散点图，并且对某一属性绘制直方图

如下代码所示，iris是seaborn内置数据集

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

 iris = sns.load_dataset("iris")   #seaborn内置数据集，DaraFram类型
 sns.pairplot(iris, kind="hex")
 plt.show()

运行结果如下