---

前言

        主要整理自己在机器学习遇到的数据可视化相关的知识点，以及数据分析中常用到图形，及总结不同图形适合的场景。

可视化是展示训练结果的工具，不是机器学习的核心~ 可以画出足够表达意思的图形即可，不深究。

---

一、matplotlib

官网：https://matplotlib.org/index.html

数据可视化常用的库，直接看官网最好了，有丰富的例子并配有代码，而是最权威的

• matplot是python的基础的可视化库，可以配置很多参数画出丰富的图形。

二、seaborn

        seaborn是在matplotlib基础上进一步封装，很多方法可以直接使用默认参数，用起来方便，比如底层自动配色，不需要像matplot一样为不同值设置不同颜色

官网：http://seaborn.pydata.org/

有同学翻译和整理的中文文档 https://seaborn.apachecn.org/#/docs/1，可以当作手册查阅。

三、常用图形及使用场景

1. 关联分布
   1. 散点图
   2. 曲线图
   3. 带置信区间的曲线图
2. 分布分析
   1. 灰度图，一个粗略的区间计数
   2. 堆叠图，可以比较数据的分布
   3. 核密度分布(ked，Kernel Distribution Estimation)，概率密度曲线
3. 组间分析
   1. 柱状图，组之间定量比较
   2. 堆叠柱状图
   3. 箱线图，一个箱子表示一个维度数据的数据分布，几个重要的线，从上往下
      1. 胡须上限
         1. 最大观测点 = 75%分位数+1.5(75%分位数-25%分位数)
         2. 如果数据集中max值在观测点内，则胡须上限=最大观测点
         3. 如果数据集中有值超过了最大观测点，则这部分数据属于异常点，会被画在最上方，此时胡须上限 = min(最大观测点， max(剔除异常点的数据集))
      2. 75%分位数
      3. 中位数
      4. 25%分位数
      5. 胡须下限
         1. 最小观测点 = 25%分位数 - 1.5(75%分位数-25%分位数)
         2. 如果数据集min值 大于最小观测点，也就是在观测点内，则胡须下限=最小观测点
         3. 否则，小于最小观测点的值属于异常点，剔除掉之后，胡须下限 = max(最小观测点， mix(剔除异常点的数据集))
      6. 除了上述5条线之外，如果在胡须上下限之外有一些点，这些点就是异常点
      7.  
      8.  
      9.  
      10.  

还有些常用的图：

1. 抖动散点图，适用于离散数据，将重叠的点打散开，左右抖一下分开来画在图上，给数据加噪音
2. 蜂群图，和抖动的作用一样，适用于离散数据，将重叠的点打散开，按照人字往左右排
3. 逻辑回归图，适合二值变量，比如某个维度只有两个值，0，1
4. 饼图
5. 小提琴图，会兼容画箱线图和概率密度曲线
6. seaborn中，可以设置参数hue=‘column1’，相当于分组的作用，来画多个特征。