Step1:導(dǎo)入數(shù)據(jù)并了解數(shù)據(jù)輪廓

查看各個(gè)特征的基本數(shù)據(jù)類(lèi)型并且計(jì)算哪些特征缺失值比較多。
將特征的數(shù)據(jù)類(lèi)型分為數(shù)值型和離散型兩大類(lèi)。

Step2: 分析特征和標(biāo)簽的分布情況

單變量分布

對(duì)于連續(xù)特征

給出特征分布(可以不考慮缺失值)

sns.distplot(df["Fare"])

對(duì)于離散特征

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) ## 這也是countplot

多變量分布（可以是特征之間也可以是特征與標(biāo)號(hào)之間）

連續(xù)變量與連續(xù)變量

scatter plot

sns.relplot(x="Age", y="Fare", data=df); ## replot是一個(gè)figure-level的function，它的默認(rèn)方法是scatterplot

可以用hue參數(shù)引入第三維變量

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

lineplot，如時(shí)序特征

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

將x軸的特征按大小排序，然后連接起來(lái)。

注意上圖中的線條并不只有一條線，而是一個(gè)范圍的區(qū)域，這是因?yàn)橥粋€(gè)x值可能有多個(gè)y值與之對(duì)應(yīng)，顏色最深的線就是他們的均值，上下的范圍是95%的置信度區(qū)域。
可以通過(guò)設(shè)置參數(shù)ci=None來(lái)屏蔽置信度區(qū)域。

也可以通過(guò)hue參數(shù)引入第三個(gè)變量(一般為離散的特征比較合適)。

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

可以通過(guò)使用col參數(shù)更直觀地展示三個(gè)（或四個(gè)，使用hue參數(shù)）變量之間的關(guān)系

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

連續(xù)變量與離散變量

scatter plot

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

boxplot
表示每個(gè)離散變量的取值對(duì)應(yīng)的另一個(gè)特征的分布，另一個(gè)特征是連續(xù)特征，如果是離散特征的話(huà)畫(huà)出來(lái)的圖非常奇怪

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

當(dāng)然也可以使用hue參數(shù)引入第三個(gè)變量（應(yīng)該是離散的）

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

barplot
感覺(jué)這個(gè)方法與boxplot的方法比較相似，統(tǒng)計(jì)的是均值和標(biāo)準(zhǔn)差，而boxplot是均值、分位點(diǎn)和異常點(diǎn)的范圍。

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

離散變量與離散變量

探索離散變量a與b之間的關(guān)系實(shí)際上就相當(dāng)于探索 當(dāng)a等于某個(gè)值時(shí)b的各個(gè)值的分布情況，可以用如下函數(shù)：

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

對(duì)于標(biāo)簽

回歸問(wèn)題就是畫(huà)圖分布

離散問(wèn)題就是看類(lèi)分布是否均衡