<a name="" >為什么進行數據可視化：在我看來就是減少大腦的運算。</a>
可視化是什么：將抽象的科學或者商業數據.用圖像表示出來.幫助理解數據的意義的過程。它通常會在進行數據分析(data analysis)的過程中大量的使用。
直方圖）是一種對數據分布情況的圖形表示，是一種二維統計圖表，它的兩個坐標分別是統計樣本和該樣本對應的某個屬性的度量。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
weight_data=pd.read_table('weight.txt')
weight_data.shape
(80, 1)
這里可以看出有80個數，如果事先看了原始數據的話心理大概就有譜了
操作數據時應該先大概看下原始數據（事先并沒有看，只想只完成任務，沒有思考）
下回應該先看看原始數據的結構
平均值
weight_data['weight'].mean()
50.700000000000003
求"方差"(標準差的平方根是方差)（每個數偏差平方的和是標準差）（偏差是一個數離平均值的距離）
方差的優勢：波動值合理；單位和原始數據一致
weight_data['weight'].var()
39.275949367088607
直方圖
fig=plt.figure()
x=weight_data['weight']
ax=fig.add_subplot(111)
numBins=15
ax.hist(x,numBins,color='red',alpha=0.8,rwidth=0.5)
plt.title(u'weight')
plt.show()
12.png
結果分析
一：（1）共有體重80條記錄；（2）平均值是50.7；（3）方差是39.275。
二：（1）50.7-39.275=11.425; 平均波動范圍在20%
三：（1）數據集中在45·55中間
四：有3個偏差較大值，（1）體重接近70和體重4時頻數最小
（2）在體重48的人數最多
cav文件
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats
passengers_data = pd.read_csv('AirPassengers.csv')
#read_csv 從文件、URL、文件型對象中加載帶分隔符的數據。默認分隔符為逗號
passengers_data.shape
(144, 2)
144個數 兩列
求NumPassengers這列數的平均數
passengers_data['NumPassengers'].mean()
280.29861111111109
求NumPassengers這列數的方差
passengers_data['NumPassengers'].var()
14391.917200854699
求NumPassengers這列數的中位數
passengers_data['NumPassengers'].mean()
280.29861111111109
fig = plt.figure(figsize = (6, 3), dpi = 100)
x = passengers_data['NumPassengers']
ax = fig.add_subplot(111)
ax.hist(x , bins = 50, color = 'red', alpha = 0.8, rwidth = 0.9, normed = False)
plt.grid(True)
plt.title('passenger')
plt.show()
用plt的figure函數新建繪圖，并定義為fig。
定義X為weight_data中weight列的數據。
用fig畫圖，并名為ax，（111）就是顯示在矩陣塊的1行1列的第1塊，也就是1塊白板吧。
定義柱子有15根。
用hist函數顯示ax繪圖，x是橫軸數據，15根藍色柱子，寬度為0.9。
plt命名為weight。
用show函數顯示結果
var是方差，std 是偏差
123.png
結果分析
數據集的平均值是280；方差是14391波動性很大；
數據集字啊100～200較為穩定；200之后波動性很大
400之后呈促步下降的趨勢
偏差較大的地方為：（1）沒有<100的次數；
（2）>600的數據；（3）在230時頻數最大
[參考小春玉子-有詳細的注釋](http://www.lxweimin.com/p/cc3b5d76c587)
[點社群-共創課程系列](http://www.lxweimin.com/c/9b4685b6357c)