[原创]-Day3.箱线图和热力图的绘制

使用Matplotlib和Seaborn进行绘制箱线图和热力图。

箱线图

箱线图(boxplot)又称盒式图，可以显示数据的分散情况，由五个数值点组成：最大值(max)-上界、最小值(min)-下界、中位数(median)和上下四分位数(Q1, Q3)。它可以帮我们分析出数据的差异性、离散程度和异常值等。

 # 数据准备
 # ⽣成0-1之间的10*4维度数据(10行，4列的数组)
 import numpy as np
 data = np.random.normal(size=(10,4))
 lables = ['A', 'B', 'C', 'D']
 
 # ⽤Matplotlib画箱线图
 # boxplot(x,labels=None)函数，x代表绘图数据，labels是缺省值，可以为箱线图添加标签。
 import matplotlib.pyplot as plt
 plt.boxplot(data, labels=lables) #注意单词labels和lables
 plt.show()
 
 # ⽤Seaborn画箱线图
 # boxplot(x=None,y=None,data=None)函数。data为DataFrame类型，x、y是data中的变量。
 import seaborn as sns
 import pandas as pd
 df = pd.DataFrame(data, columns=lables)
 sns.boxplot(data=df)
 plt.show()

运行结果：

热力图

热力图（heat map）是一种矩阵表示方法，其中矩阵中的元素值用颜色来代表，不同的颜色代表不同大小的值。通过颜色的深浅就能直观地知道某个位置上数值的大小。另外也可以某个位置上的颜色与其他位置颜色进行比较，是一种非常直观的多元变量分析方法。

1、基本热力图

2、设置热力图区间

3、颜色差异更大的原因

4、使用Seaborn自带数据

一般使用Sarborn中的sns.heatmap(data)函数绘制，我们使用Seaborn中自带的数据集flights，该数据集记录了1949年到1960年期间，每个月的航班乘客的数量。一般可能会出网络问题导致的失败。

https://github.com/mwaskom/seaborn-data

运行结果：

5、指定调色板

小作业

1、Seaborn数据集中自带了car_crashes数据集，这是一个国外车祸的数据集，对这个数据集进行成对关系的探索。并用Seaborn画二元变量(x="total,y="speeding")分布图，如果想要画散点图，核密度图，Hexbin图该怎样写.