关系型数据的可视化
前面两节是关于独立的离散型或数值型变量进行的可视化展现。
本文介绍的是关系型数据的可视化，包括发现两个变量之间关系的散点图、展现三个数值变量之间关系的气泡图、两个离散变量之间的组合关系的热力图等。
一.散点图
想要研究两个数值型变量之间是否存在某种关系，例如正向的线性关系或趋势性的非线性关系，散点图是极佳选择。
1.matplotlib
scatter(x , y , s=20 , c=None , marker='o' , cmap=None , vmin=None ,
vmax = None , alpha=None , linewidths=None,edgecolors=None)
x ： 散点图的x轴数据。
y ： 散点图的y轴数据。
s ： 散点图点的大小，默认为20，通过传入其他数值型变量，可以实现气泡图的绘制。
c ： 散点图点的颜色，默认为蓝色，也可以传递其他数值型变量，通过cmap参数的色阶表示数值大小。
marker ： 散点图点的形状，默认为空心圆。
cmap：指定某个Colormap值，只有当c参数是一个浮点型数组才有效。
norm ： 设置数据亮度，标准化到0~1，使用该参数仍需要参数c为浮点型数组。
vmin、vmax ： 亮度设置，与norm类似，若使用norm参数则此参数无效。
alpha ： 散点的透明度。
linewidths ： 散点边界线的宽度。
edgecolors ： 三点边界线的颜色。
2.pandas
3.seaborn
lmplot函数的相关使用方法：
lmplot(x,y,dara,hue=None,col=None,row=None,palette=None,col_wrap=None,
size=5,aspect=1,markers='o',sharex=True,sharey=True,hue_order=None,
col_order=None,row_order=None,legend=True,legend_out=True,scatter=True,
fit_reg=True,ci=95,n_boot=1000,order=1,logistic=False,lowess=False,
robust=False,logx=False,x_partial=None,y_partial=None,truncate=False)
x ， y ：x，y轴数据。
data ： 绘图的数据集。
hue ： 分组变量。
col ， row ： 用于绘制分面图形，指定分面图形的列向与行向变量。
palette ：为hue参数指定的分组变量设置颜色。
col_wrap ： 设置分面图形中每行子图的数量。
size ： 用于设置每个分面图形的高度。
aspect ： 用于设置每个分面图形的宽度，面积等于size*aspect。
markers ： 设置点的形状，用于区分hue参数指定的变量水平值。
sharex，sharey ： bool类型，设置绘制分面图形时是否共享x轴和y轴，默认为True。
hue_order，col_order，row_order：为hue参数、col参数和row参数指定的分组变量设置水平值顺序。
legend： bool类型，是否显示图例，默认True。
legend_out ： bool类型，是否将图例放到图框外面，默认为True。
scatter ： bool类型，是否绘制散点图，默认为True。
fit_reg ： bool类型，是否拟合线性回归，默认为True。
ci ： 绘制拟合线的置信区间，默认为95%的置信区间。
n_boot： 为了估计置信区间，指定自助重抽样的次数，默认为1000次。
order ： 指定多项式回归，默认指数为1。
logistic ： bool类型，是否拟合逻辑回归，默认为False。
lowess ： bool类型，是否拟合局部多项式回归，默认为False。
robust ： bool类型，是否拟合鲁棒回归，默认为False。
logx ： bool类型，是否对x轴做对数变换，默认为False。
x_partial，y_partial ： 为x轴和y轴数据指定控制变量，即排除x_partial和y_partial变量影响下绘制散点图。
truncate ： bool类型，是否根据实际数据的范围对拟合线做截断操作，默认为False。
x_jitter，y_jitter：为x轴变量或y轴变量添加随机噪声，当x轴数据与y轴数据比较密集时，可以使用这两个参数。
scatter_kws ： 设置点的其他属性，如点的填充色、边框色、大小等。
line_kws ： 设置拟合线的其他属性，如线的形状、颜色、粗细等。
二.气泡图
三.热力图
也称作交叉填充表。最典型的用法就是实现列联表的可视化，即通过图形的方式展现两个离散变量之间的组合关系。老规矩，先看函数及其参数含义：
heatmap(data,vmin=None,vmax=None,center=None,annot=None,fmt='.2g',
annot_kws=None,linewidths=0,linecolor='white',cbar=True,cbar_kws=None,
square=False,xticklabels='auto',yticklabels='auto',mask=None,ax=None)
data ： 注定绘制热力图的数据集。
vmin，vmax ： 用于指定图例中最小值与最大值的显示值。
cmap ： 指定一个colormap对象，用于热力图的填充色。
center ： 指定颜色中心值，通过该参数可以调整热力图的深浅。
annot ： 指定一个bool类型的值或与data参数形状一样的数组，如果为True，就在热力图每个单元显示数值。
fmt ： 指定单元格中数据的显示格式。
annot_kws ： 有关单元格中数值标签的其他属性描述，如颜色、大小等。
linewidths ： 指定每个单元格的边框宽度。
linecolor ：指定每个单元格的边框颜色。
cbar ： bool类型，是否用颜色条作为图例，默认为True。
square ： bool类型参数，是否使热力图的每个单元格为正方形，默认为False。
cbar_kws ： 有关颜色条的其他属性描述。
xticklabels，yticklabels ： 指定热力图x轴和y轴的刻度标签，如果为True，则分别以数据框的变量名和行名作为刻度标签。
mask ： 用于突出显示某些数据。
ax ： 用于指定子图的位置。
可以看但Summary是列联表得形式，反映的是每年各月份的销售总额，但是这样的图是无法让人一眼就看出其中的差异的，这时候就用到了我们所讲的------------------热力图！！！！
可以看到，一目了然！
四.多个图形的合并
本章的最后一个部分，相信你已经学会了n多种绘图手段，最后一点家底也抖给你，那就是如何将多个图形汇总到一个图表中。
subplot2grid(shape,loc,rowspan,colspan=1,**kwargs)
shape：指定组合图的框架i形状，以元组得形式传递，2X3矩阵表示成(2,3)。
loc ： 指定子图所在位置，如shape中第一行第一列可以表示成(0,0)。
rowspan ： 指定某个子图需要跨几行。
colspan ： 指定某个子图需要跨几列。
over，本章到此结束，你已经变得很强了！！