动手实践：绘制数据分布图

几种 Seaborn 函数用于可视化数据分布。这些函数包括 histplot、kdeplot、boxplot、violinplot 和 jointplot，它们被应用到一个真实数据集上，以便更好地了解数据。

设置

首先，请确保导入了所需库。我们将使用 Seaborn 进行绘图，Matplotlib 用于可能进行的调整（比如控制图表大小），以及 Pandas 用于处理数据。我们将使用 Seaborn 内置的“tips”数据集。该数据集包含餐馆小费的信息。

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 加载示例数据集
tips = sns.load_dataset("tips")

# 显示前几行以了解数据结构
print(tips.head())

输出结果会显示诸如 total_bill、tip、sex、smoker、day、time 和 size 等列。这些列包含数值和类别数据，非常适合查看数据分布情况。

可视化单变量分布：直方图和核密度估计图

我们先看看 total_bill 金额的分布。直方图是查看不同账单金额范围出现频率的好方法。

直方图 (histplot)

我们可以使用 sns.histplot() 绘制 total_bill 列的直方图。

plt.figure(figsize=(8, 5)) # 控制图表大小以便阅读
sns.histplot(data=tips, x="total_bill")
plt.title("总账单金额分布")
plt.xlabel("总账单金额 ($)")
plt.ylabel("频数")
plt.show()

总账单金额分布图。多数账单金额在10美元到20美元之间。

带核密度估计（KDE）的直方图

有时，表示估计概率密度的平滑曲线很有用。我们可以通过设置 kde=True 添加这条曲线，或者使用 sns.kdeplot() 单独绘制。

plt.figure(figsize=(8, 5))
sns.histplot(data=tips, x="total_bill", kde=True, color="#1098ad") # 使用 kde=True
plt.title("带KDE的总账单金额分布")
plt.xlabel("总账单金额 ($)")
plt.ylabel("频数 / 密度")
plt.show()

# 或者单独使用 kdeplot
plt.figure(figsize=(8, 5))
sns.kdeplot(data=tips, x="total_bill", color="#f76707", fill=True) # fill 参数会填充曲线下方的颜色
plt.title("总账单金额的KDE")
plt.xlabel("总账单金额 ($)")
plt.ylabel("密度")
plt.show()

总账单金额的平滑核密度估计（KDE），图上可见15-20美元左右的峰值以及右偏态。

与直方图的离散区间相比，KDE 能更平滑地显示分布的形态。

比较分布：箱线图和小提琴图

通常，我们希望比较一个数值变量在不同类别中的分布情况。让我们比较按周几划分的 total_bill 分布。

箱线图 (boxplot)

箱线图使用四分位数来概括分布。箱体表示四分位距（IQR），内部的线是中位数，触须通常延伸到 IQR 的1.5倍。触须之外的点是可能的异常值。

plt.figure(figsize=(8, 6))
sns.boxplot(data=tips, x="day", y="total_bill", palette="viridis") # 使用不同的调色板
plt.title("按日期划分的总账单金额分布")
plt.xlabel("星期几")
plt.ylabel("总账单金额 ($)")
plt.show()

按日期划分的总账单金额分布比较。周末（周六、周日）的账单中位数通常更高，范围也比工作日更广。

小提琴图 (violinplot)

小提琴图结合了箱线图和核密度估计图，显示了分布的形状以及摘要统计数据。

plt.figure(figsize=(8, 6))
sns.violinplot(data=tips, x="day", y="total_bill", palette="plasma", inner="quartile") # inner='quartile' 会在内部显示四分位数
plt.title("按日期划分的总账单金额分布（小提琴图）")
plt.xlabel("星期几")
plt.ylabel("总账单金额 ($)")
plt.show()

按日期划分的总账单金额分布小提琴图。小提琴的形状显示了密度，确认了周末账单金额的分布更广，且高金额账单更集中。

小提琴图相比标准箱线图，能更好地显示分布的形状，如果存在多峰情况，它也能显示出来。

可视化联合分布

为了同时理解两个数值变量之间的关系及其各自的分布，我们使用 sns.jointplot()。让我们看看 total_bill 和 tip 的关系。

联合图 (jointplot)

该函数会创建一个散点图，显示中心两个变量的关系，并在坐标轴旁显示每个变量的直方图（或核密度估计图）。

sns.jointplot(data=tips, x="total_bill", y="tip", kind="scatter", color="#37b24d") # kind='scatter' 是默认设置
plt.suptitle("总账单金额与小费的联合分布", y=1.02) # 调整标题位置
plt.show()

# 我们也可以使用 kind='kde' 来显示密度等高线
sns.jointplot(data=tips, x="total_bill", y="tip", kind="kde", color="#7048e8")
plt.suptitle("总账单金额与小费的联合KDE", y=1.02)
plt.show()

显示总账单金额和小费金额关系的联合图。散点图显示了正相关关系，而边缘的直方图则显示了每个变量的单独分布。

本实践练习说明了 Seaborn 的分布图如何提供有效的手段来查看和比较数据分布，无论是单变量分布还是变量之间的关系。建议将这些图表应用到 tips 数据集中的其他数值和类别列，或您自己的数据上，进行更多尝试。