Pandas数据可视化（一）+https://developer.aliyun.com/article/1543876?spm=a2c6h.13148508.setting.16.1fa24f0eEjX8nS
Pandas 双变量可视化
数据分析时，我们需要找到变量之间的相互关系，比如一个变量的增加是否与另一个变量有关，数据可视化是找到两个变量的关系的最佳方法；
散点图
最简单的两个变量可视化图形是散点图，散点图中的一个点，可以表示两个变量
reviews[reviews['price'] < 100].sample(100).plot.scatter(x='price', y='points’)
调整图形大小，字体大小，由于pandas的绘图功能是对Matplotlib绘图功能的封装，所以很多参数pandas 和 matplotlib都一样
reviews[reviews['price'] < 100].sample(100).plot.scatter(x='price', y='points',figsize=(14,8),fontsize = 16)
修改x轴 y轴标签字体
上图显示了价格和评分之间有一定的相关性：也就是说，价格较高的葡萄酒通常得分更高。
散点图最适合使用相对较小的数据集以及具有大量唯一值的变量。 有几种方法可以处理过度绘图。 一：对数据进行采样 二：hexplot(蜂巢图)
hexplot
hexplot将数据点聚合为六边形，然后根据其内的值为这些六边形上色：
上图x轴坐标缺失，属于bug，可以通过调用matplotlib的api添加x坐标：
该图中的数据可以和散点图中的数据进行比较，但是hexplot能展示的信息更多
从hexplot中，可以看到《葡萄酒杂志》（Wine Magazine）评论的葡萄酒瓶大多数是87.5分，价格20美元 Hexplot和散点图可以应用于区间变量和/或有序分类变量的组合。
堆叠图（Stacked plots）
- 展示两个变量，除了使用散点图，也可以使用堆叠图
- 堆叠图是将一个变量绘制在另一个变量顶部的图表
- 接下来通过堆叠图来展示最常见的五种葡萄酒
从结果中看出，最受欢迎的葡萄酒是，Chardonnay（霞多丽白葡萄酒），Pinot Noir（黑皮诺），Cabernet Sauvignon（赤霞珠），Red Blend（混酿红葡萄酒） ，Bordeaux-style Red Blend （波尔多风格混合红酒）
从数据中取出最常见的五种葡萄酒：
通过透视表找到每种葡萄酒中，不同评分的数量 ：
从上面的数据中看出，行列分别表示一个类别变量（评分，葡萄酒类别），行列交叉点表示计数，这类数据很适合用堆叠图展示
折线图在双变量可视化时，仍然非常有效
wine_counts.plot.line()
