散点图、箱线图、核密度函数……数据分析必备的9种可视化图表

全文共2286字，预计学习时长9分钟

图源：dayliscrawl

作为数据分析对外输出的关键环节，可视化技术可是数据科学家的必备技能之一。各种各样的图标花样繁多，可别被这些炫酷的“造型”吓退了。

本文将介绍九种不同的可视化技术，可以用来分析任何数据集，并且大多数都只需要少输入一行代码。就两个字，好用！

加载数据集和快速浏览数据

为简单起见，使用可从scikit-learn库加载的Iris数据集，输入以下代码:

from sklearn.datasets importload_iris
import pandas as pddata = load_iris()
df = pd.DataFrame(data['data'], columns=data['feature_names'])
df['species'] = data['target']
df.head()

 

可以看到，我们有一个只有5列的数据集。使用数据框上的info()函数对其进行快速分析: df.info()

 

如图可见，只有150个条目，在任