1.图形种类
seaborn 常用 基于matplotlib, 解决分组问题。【横轴，纵轴，数据集】
往往画的聚合指标图像
barplot() 条形图
scatterplot() 散点图
swarmplot(）
sns.violinplot() 琴图
sns.countplot() 统计条形图
sns.pairplot() 成对图像
sns.heatmap() 热力图 用颜色深浅表达大小
sns.boxplot() 箱线图
sns.displot()直方图
数据： tips = sns.load_dataset('tips')
tips.groupby('sex')['total_bill'].mean()
sns.boxplot(x='sex',y='total_bill',data=tips) 横轴，纵轴，数据。
sns.distplot(tips.total_bill)
连续 VS 连续
离散 VS 连续
sns的hue参数：分组因子 hue_order:分组的顺序
1.1 线型图
例：股票随着时间的变化
人随着每次考试的分数的变化
1.2 条形图
比较大小
例：在某一时期内两个同学的成绩谁高谁低。（通过高矮或宽窄表示大小）
组与组数据比较大小
竖线为置信水平 95% ，置信水平描述置信区间，根据这个样本数据，抽100次，其中95次这个区间会包含总体的真实平均值。
算出来的，均值加减标准差得到置信区间。
1.3 散点图
两个维度表达对应关系（映射关系，函数关系）
例：经纬度
所有样本点自变量和因变量的关系
增加1个维度，气泡的大小，成为气泡图。
1.4 直方图
描述数据分布。（可看数据异常）
例：看一组数据是否符合正态分布
原理：数据按大小划分几个区域，在哪个区域加1。 分高度和宽度：宽度：数据区域，高度：落在区域里数据个数。（转换成概率称为kde图像）
IQR = Q3- Q1
upper = Q3 + 1.5IQR
bottom = Q1 + 1.5*IQR
箱线图（数据分布）
sns.boxplot()
琴图 （swan）
1.5 饼图
1.6 热图
描述两组数据关系
注：卡方验证主要是离散数据和离散数据之间的关系
corr（）关系函数，默认person系数。
矩阵的值对应两个值的关系。
极浅的点和及深的点需要注意。
可设置对比最大的颜色
