python 热力图_python中必会的9中数据可视化技术--第二弹

前面文章介绍了3种很很常见常用的数据可视化技术在Python必会的9种数据可视化技术--第一弹，今天要介绍的不是那么常见但是你也得会哈，不多说，直接往下看

箱型图

箱线图展示中位数，最小值，最大值以及第一和第四四分位数。还有箱型图可以将潜在的异常值显示出来。看例子

import pandas as pdimport seaborn as snsdf = pd.read_csv('mtcars.csv', index_col=0)#fig = plt.figure(figsize=(12, 8)) 这个是调整图像大小，可以不要sns.boxplot(x="vs", y='wt', data=df)

得到的箱型图

可以看到第一个箱子的上下都给出了几个离群值，这个时候你就应该去看看原始数据，决定离群值如何处理。

热力图

利用热力图可以看数据表里多个特征的情况(常见的就是相关系数的热力图，既表现了相关还表现了相关大小)，这个在大型数据的可视化中还是经常会用到的，我们还是以之前的数据做个例子

import pandas as pdimport seaborn as snsdf = pd.read_csv('mtcars.csv', index_col=0)fig = plt.figure(figsize=(12, 8))ax = sns.heatmap(df[['mpg', 'disp', 'hp', 'drat', 'wt', 'qsec']])#数据都是汽车的一些指标，这个数据库很常见，#说明自行百度，数据库链接在文章下方

这个图就显示了颜色越浅，相应车的性能指标越高

上面是个常规的热力图，我们再来看如何画一个相关系数热力图，很常用哦

import numpy as npimport pandas as pdimport seaborn as sns# Correlation matrixcorr = df.corr()#通过mask设置形状mask = np.zeros_like(corr, dtype=np.bool)mask[np.triu_indices_from(mask)] = True#fig = plt.figure(figsize=(12, 8))sns.heatmap(corr, mask=mask, vmax=.3, center=0,            square=True, linewidths=.5, cbar_kws={"shrink": .5})

是不是必常规的相关系数矩阵好多了？

小提琴图

小提琴图 (Violin Plot)是用来展示多组数据的分布状态以及概率密度。这种图表结合了箱形图和密度图的特征，主要用来显示数据的分布形状。跟箱形图类似，但是在密度层面展示更好。在数据量非常大不方便一个一个展示的时候小提琴图特别适用。还有意思，哈哈。

我还是以之前的数据给出例子

import pandas as pdimport seaborn as snsdf = pd.read_csv('mtcars.csv', index_col=0)sns.violinplot(x="vs", y='wt', data=df)

小提琴图，哈哈好丑啊

这个和箱型图有点点类似，但是它能展示密度，具体图怎么看、区别等请百度，都有很详细的说明，我这不写了。

好了，今天就这么多，欢迎大家关注交流，一起进步，发表这些东西的主要目的就是督促自己，希望大家关注评论指出不足，一起进步。内容我都会写的很细，并且按照文章中的代码自己也可以做出一样的结果，一个目的就是零基础也能懂，因为自己就是什么基础没有从零学Python的。

最后附上数据地址自行下载练习https://vincentarelbundock.github.io/Rdatasets/csv/datasets/mtcars.csv