数据分析的三大类型：探索型（图表可视化）、验证性（假设检验）、预测型（机器学习）

探索型数据分析1数据清理相辅相成。--->2根据图形用验证或预测支持验证数据分析及预测型数据分析：该建立怎样地假设，该使用什么特征和模型进行预测。

常用图表：条形图、直方图、饼图、折线图、散点图、箱线图

程序语句：seaborn.barplot(x="day",y="total_bill",data=tips)       条形图（bar）

seaborn.distplot(x)    直方图（hist特殊的条形图）#x是数据,seaborn会自动分配区间

 seaborn没有提供饼图功能，绝大部分情况下使用条形图是更好的选择

seaborn.pointplot(x="day",y="tip",data=tips,ci=68)ci表示置信度--》error bar，折线图(line chart)

seaborn.regplot(x="total_bill",y="tip",data=tips)  散点图(scatter diagram)

seaborn.boxplot(x="day",y="total_bill",data=tips)，箱线图。

网络数据可视化

网络数据：特殊之处有点和边，工具有Gephi

时空数据：可以在地图上绘制，工具有MapBox、CART

关于Seaborn库的一些补充：Seaborn是matplotlib的补充，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。掌握seaborn能很大程度帮助我们更高效的观察数据与图表，并且更加深入了解它们。

特点：

• 基于matplotlib aesthetics绘图风格，增加了一些绘图模式
• 增加调色板功能，利用色彩丰富的图像揭示您数据中的模式
• 运用数据子集绘制与比较单变量和双变量分布的功能
• 运用聚类算法可视化矩阵数据
• 灵活运用处理时间序列数据
• 利用网格建立复杂图像集

推荐阅读：知乎账号@知行

关于统计图形的比较和选择：http://www.doc88.com/p-5743942150951.html