引入网址：https://www.kaggle.com/benhamner/d/uciml/iris/python-data-visualizations/notebook
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
导入数据：
iris=pd.read_csv(‘E:\\data\\Iris.csv‘)
iris.head()
作直方图：
plt.hist(iris[‘SepalLengthCm‘],bins=15)
plt.xlabel(‘SepalLengthCm‘)
plt.ylabel(‘quantity‘)
plt.title(‘distribution of SepalLengthCm‘)
plt.show()
作散点图：
但是这样的图并没有将其中的不同种类话=花的颜色标明出来。所以我们使用另一种方式，通过Species来分类
小提琴图
箱型图：
ax=sns.boxplot(x="Species",y="SepalWidthCm",data=iris)
这里使用jitter=True使得所有点不全落在中间的这条垂直线上
ax=sns.boxplot(x="Species",y="SepalWidthCm",data=iris)
ax=sns.stripplot(x="Species",y="SepalWidthCm",data=iris,jitter=True,edgecolor="gray")
kdeplot:单变量之间的联系，并通过一个核密度评估变量潜在的特征
显示两个变量之间的联系：
通过diag_kind=‘kde‘显示双变量间的核密度并用其估计其特征
boxplot_1:通过Species将变量间的各个特征分离出来
Andrews curves:安德鲁曲线使用样本的属性作为傅里叶变换的系数
Radviz:多变量可视化,每一个特征都在一个平面上显示出来，样本通过圈上的点与之像联系起来
parallel_coordinates通过平行坐标进行多变量可视化：对于数据样本的每一个特征，我们通过在坐标轴上设置特征并通过画线的方式来进行设置
