EDA画图函数的数据类型

Step1:导入数据并了解数据轮廓

查看各个特征的基本数据类型并且计算哪些特征缺失值比较多。
将特征的数据类型分为数值型和离散型两大类。

Step2: 分析特征和标签的分布情况

单变量分布

对于连续特征

给出特征分布(可以不考虑缺失值)

sns.distplot(df["Fare"])

对于离散特征

就是看特征分布是否均衡

sns.countplot(x='Survived', data=df)

sns.catplot(x="Pclass", kind="count", palette="ch:.25", data=df) ## 这也是countplot

多变量分布（可以是特征之间也可以是特征与标号之间）

连续变量与连续变量

scatter plot

sns.relplot(x="Age", y="Fare", data=df); ## replot是一个figure-level的function，它的默认方法是scatterplot

可以用hue参数引入第三维变量

sns.relplot(x="Age", y="Fare", hue = 'Pclass',data=df);

lineplot，如时序特征

g = sns.relplot(x="Age", y="Fare", kind="line", data=df)

将x轴的特征按大小排序，然后连接起来。

注意上图中的线条并不只有一条线，而是一个范围的区域，这是因为同一个x值可能有多个y值与之对应，颜色最深的线就是他们的均值，上下的范围是95%的置信度区域。
可以通过设置参数ci=None来屏蔽置信度区域。

也可以通过hue参数引入第三个变量(一般为离散的特征比较合适)。

g = sns.relplot(x='Age',y ='Fare',hue='Sex',kind='line',data=df)

可以通过使用col参数更直观地展示三个（或四个，使用hue参数）变量之间的关系

g = sns.relplot(x='Age',y='Fare',kind='line',col='Pclass',data=df)

连续变量与离散变量

scatter plot

sns.catplot(x="Pclass", y="Fare", data=df);

boxplot
表示每个离散变量的取值对应的另一个特征的分布，另一个特征是连续特征，如果是离散特征的话画出来的图非常奇怪

sns.catplot(x="Pclass", y="Fare", kind="box", data=df);

当然也可以使用hue参数引入第三个变量（应该是离散的）

sns.catplot(x="Pclass", y="Fare",hue = 'Sex', kind="box", data=df);

barplot
感觉这个方法与boxplot的方法比较相似，统计的是均值和标准差，而boxplot是均值、分位点和异常点的范围。

sns.catplot(x="Pclass", y="Fare",hue = 'Sex', kind="bar", data=df);

离散变量与离散变量

探索离散变量a与b之间的关系实际上就相当于探索 当a等于某个值时b的各个值的分布情况，可以用如下函数：

sns.catplot(y="Sex", hue="Pclass", kind="count", palette="pastel", edgecolor=".6", data=df);

对于标签

回归问题就是画图分布

离散问题就是看类分布是否均衡