1. 箱形图

箱形图（Box-plot）又称为盒形图、箱线图等等，是一种用作显示一组数据分散情况的统计图，因为该图像像箱子而得名。
箱形图在1977年被美国著名统计学家Juhn Turkey发明，它能显示出一组数据的最大值、最小值、中位数、以及上下四分位数。

1.1 绘制箱形图

seaborn中用于绘制箱形图的函数为boxplot()，具体语法如下所示：

seaborn.boxplot(x=None, y=None, hue=None, data=None, orient=None, color=None, saturation=0.75, width=0.8)

palette：用于设置不同级别色相的颜色变量
- palette=["r", "g", "b", "y"]
saturation：用于设置数据显示的颜色饱和度
- 使用小数表示
data：传入的数据
x：x轴名称
y：y轴名称

1.2 代码演示

使用的是Jupyter Notebook完成下列代码案例。

步骤1：导入相关模块并读取数据

读取完数据，因为数据过大过多，所以我们拿出前1000个样本（前1000行），以及数据中四个特征（四列）：Longitude，City，State/Province，Country。进行演示。

import pandas as pd
import numpy as np
import seaborn as sns
# 3. 类别内数据分布
directory = pd.read_csv("directory.csv") 
# 组合索引
directory_2 = directory.loc[directory.index[0:1000], ["Longitude","City","State/Province","Country"]]
directory_2.head()

以上代码运行结果：

步骤2：绘制箱形图

传入x名称，y名称，以及数据data，设置饱和度saturation=0.9，绘制图像。

sns.boxplot("Country", "Longitude", data=directory_2,saturation=0.9)

以上代码运行结果如下图所示：

2.小提琴图

小提琴图（Voilin Plot）用于显示数据分布及其概率密度。
这种图表结合了箱形图和密度图的特征，主要用来显示数据的分布形状。
中间的黑色粗条表示四分位数范围，从其延伸的细黑线代表95%置信区间，而白点则为中位数。
箱形图在数据显示方面受到限制，简单的设计往往隐藏了有关数据分布的重要细节。例如：使用箱形图时，我们不能了解数据分布。虽然小提琴图可以显示更多详情，但它们也可能包含较多干扰信息。

2.1 绘制小提琴图

seaborn中用于绘制小提琴图的函数为violinplot()，具体语法如下所示：

seaborn.violinplot(x=None, y=None, hue=None, data=None)

x：x轴名称
y：y轴名称
data：要传入的数据

2.2 代码演示

步骤1：读取数据

读取csv文件中前1000-2000样本数据，并且指定读取四列：Longitude，City，State/Province，Country。

import pandas as pd
import numpy as np
import seaborn as sns
# 3. 类别内数据分布
directory = pd.read_csv("directory.csv") 
# 组合索引
directory_3 = directory.loc[directory.index[1000:2000], ["Longitude","City","State/Province","Country"]]
directory_3.head()

步骤1运行结果：

步骤2：绘制小提琴图

sns.violinplot("Country", "Longitude", data=directory_3)

步骤2运行结果：

【数据处理】统计学图像绘制