单变量1，直方图displotseaborn.distplot(a,bins=None,hist=True,kde=True,rug=False,fit=None,hist_kws=None,kde_kws=None,rug_kws=None,fit_kws=None,color=None,vertical=False,norm_hist=False,axlabel=None,label=None,ax=None)bins→bins数量hist,ked,rug→bool,是否显示bin/密度曲线/数据分布norm_hist→是否按照密度显示柱状图，如果为False，则显示计数{hist,kde,rug,fit}_kws：字典，对应部分的各种参数。vertical→是否显示fithorizo??ntally→可以结合scipy库在图像标签上拟合图像→legendaxlabel→x轴标签2.核密度估计的步骤kdeplot核密度估计：每次观察近似叠加所有观测值的正态分布曲线seaborn.kdeplot(data,data2=None,shade=False,vertical=False,kernel='gau',bw='scott',gridsize=100,cut=3,clip=None,legend=True,cumulative=False,shade_lowest=True,cbar=False,cbar_ax=None,cbar_kws=None,ax=None,kwargs)shade：如果为True，用颜色填充KDE曲线下方的区域（或在Color中-filledcontourswhenthedataarebivariate)kernel:{'gau'|'cos'|'biw'|'epa'|'tri'|'triw'}用于拟合的核，双变量值可以使用高斯核(gau)bw:{'scott'|'silverman'|scalar|一对标量}确定kernel的大小，大致理解为拟合程度，bw越大，smoother曲线。gridsize:int,网格中离散点的个数cumulative:是否绘制累积分布cbar:如果参数为True，会添加颜色条（颜色条只在双变量kde图像中有）kerneldensity分布图不仅可以画单变量的，还可以画双变量的！双变量1，jointplotseaborn.jointplot(x,y,data=None,kind='scatter',color=None,size=6,ratio=5,space=0.2,dropna=True,xlim=None,ylim=None,joint_kws=None,marginal_kws=None,annot_kws=None,kwargs)这个函数是JoinGrid类的轻量级接口。如果想更灵活的绘制，可以使用JoinGrid函数。kind:settingtype:"scatter","reg","resid","kde","hex"size:int,图片大小（图片自动调整为正方形）radio:int,主图高比imageandtheedgeimagespace:#设置主图和边缘图的间距{x,y}lim:在绘图前设置轴限制{joint,marginal,annot}_kws:dicts绘图组件seaborn的其他关键字参数会直接给出变量的皮尔逊相关系数和P值的计算皮尔逊相关系数：p：样本间的差异是由于抽样误差小于p的概率。2、JointGrid前面说了jointplot其实是一个JoinGrid包。如果你想要更灵活的设置，你可以使用JoinGrid类。__init__(x,y,data=None,size=6,ratio=5,space=0.2,dropna=True,xlim=None,ylim=None)方法：plot(joint_func,marginal_func,annot_func)→绘制完整图plot_joint(func,**kwargs)→plotbivariatefigureplot_marginals(func,**kwargs)→plotmarginalunivariatefiguresavefig(args,*kwargs)→saveset_axis_labels([xlabel,ylabel])→在双变量轴上设置轴标签。探索两个变量之间的关系通常我们的数据不会只有一两个变量，所以对于多个变量，我们往往需要探索两个变量之间的分布和关系。这就是为什么我们需要使用pairplot函数或PairGrid类。3.pairplotseaborn.pairplot（数据，hue=None，hue_order=None，palette=None，vars=None，x_vars=None，y_vars=None，kind='scatter'，diag_kind='auto'，markers=None，s=2.5,aspect=1,dropna=True,plot_kws=None,diag_kws=None,grid_kws=None)hue:string(variablename):颜色会按照指定的变量排序hue_order:listsetpalettehuevariablelevelpalette:toneswatchesvars:list变量名列表，否则使用所有数值变量的列52.1.03.61.40.2setosa4，PairGrid相当于jointplot和JointGrid的关系，PairGrid对矩阵散点图的控制更灵活__init__(data,hue=None,hue_order=None,palette=None,hue_kws=None,vars=无，x_vars=None，y_vars=None，diag_sharey=True，size=2.5，aspect=1，despine=True，dropna=True）方法：add_legend([legend_data,title,label_order])绘制图例，可能会将其添加到轴外并调整图形大小。map_diag(func,**kwargs)：在每个对角线子图上绘制一个带有单变量函数的图。map_lower(func,**kwargs)：在下对角线子图上绘制一个带有双变量函数的图。map_upper(func,**kwargs)：在上对角线子图上绘制具有二元函数的图map_offdiag(func,**kwargs)：在非对角线子图上绘制具有二元函数的图。set(**kwargs)：在每个子图集轴上设置属性。
