# coding='utf-8'

import pandas as pd import seaborn as sns import matplotlib.pyplot as plt #读取数据 data = pd.read_csv('iris.csv') #绘制直方图，观察特征之间的关系：SepalLength、SepalWidth、PetalLength、PetalWidth和Species之间的关系。 plt.figure(figsize=(10,7)) #设置图表大小，单位为英寸。 单位是英寸（inch），1英寸=2.54厘米 1厘米=0.393700787英寸。 这里把它写成7和10就可以了。 比如说长度是7cm,宽度是10cm,那么就写成figsize=(7/0.393700787, 10/0.393700787) = (17.7827941004 , 25.4) 小数后面省略即可。 sns_plot = sns.boxplot(x='Species', y='SepalLength', data=data) #x代表横坐标数据; y代表竖坐标数据; data代表要画的数据集合; boxplot()函数用来画盒子图。 盒子图可以显示一个分布中最大值最小值中位数以及异常情况 （这里显示不出来） 此外还有一个violinplot()函数也能够画盒子图,但是会加上核密度估计的曲线。 这里使用boxpot()函数来画盒子图。 具体区别请看 https://seaborn.pydata.org/generated/seaborn.violinplot.html?highlight=violin%20plot#seaborn-violinplot 第三张图就是boxpot()函数所生成的盒子图了！ 还有一个swarmpot()函数也能够生成盒子图！不过它会在盒子上加上所有的样本的分布情况而已！ swarmpot()函数详情请看https://seaborn