1. 为什么机器学习需要数据可视化？

在机器学习项目中，数据可视化绝不是锦上添花的装饰品。我处理过的真实案例中，约70%的特征工程问题都是通过可视化发现的。Seaborn作为基于matplotlib的高级接口，提供了更简洁的API和更美观的默认样式，特别适合机器学习工作流。

最近一个客户案例让我印象深刻：他们花费两周时间调整的模型，准确率始终卡在82%上不去。当我用Seaborn的pairplot画出特征关系矩阵后，立刻发现两个关键特征存在明显的非线性关系。简单添加一个交互项后，模型准确率直接提升到89%。

2. 机器学习专用可视化工具箱

2.1 分布可视化实战

机器学习最常用的distplot已被升级为displot和histplot。对于2023年的新版本，我的建议是：

# 现代写法
import seaborn as sns
sns.displot(data=df, x='feature', hue='target', kind='kde', 
            height=5, aspect=1.5, palette='viridis')

关键参数解析：

• aspect 控制长宽比（1.5:1更适合宽屏显示）
• palette 推荐使用'viridis'/'plasma'等感知均匀的色系
• multiple='stack' 适合类别对比

经验：当特征有>1000个唯一值时，务必加上 kde=False ，否则计算代价极高。

2.2 特征关系矩阵

新版pairplot有个隐藏技巧——通过 corner=True 节省50%绘图时间：

g = sns.pairplot(df, vars=num_features, hue='target',
                 corner=True, plot_kws={'alpha':0.5})
g.map_lower(sns.kdeplot, levels=4)  # 下三角添加密度线

我常用的优化组合：

1. 数值变量： diag_kind='kde'
2. 分类变量： plot_kws={'jitter':0.2}
3. 大数据集： plot_kws={'s':8} 减小点大小

2.3 热力图进阶技巧

特征相关性热力图的常见误区是直接使用 .corr() 。我推荐采用以下改进方案：

# 计算相关性的更稳健方法
corr = df[num_features].apply(lambda x: pd.to_numeric(x, errors='coerce'))
corr = corr.dropna().corr(method='spearman')  # 非参数方法

# 热力图优化
mask = np.triu(np.ones_like(corr, dtype=bool))  # 隐藏上三角
sns.heatmap(corr, mask=mask, annot=True, 
           fmt='.2f', cmap='vlag', center=0,
           linewidths=.5, cbar_kws={'shrink':.8})

避坑指南：当特征>20个时，一定要设置 annot=False ，否则文字会重叠无法辨认。

3. 模型诊断可视化方案

3.1 残差分析四象限图

传统残差图经常漏掉关键信息。我的标准诊断流程包含四个子图：

from sklearn.linear_model import LinearRegression

model = LinearRegression().fit(X_train, y_train)
residuals = y_test - model.predict(X_test)

fig, axes = plt.subplots(2, 2, figsize=(12,10))
sns.residplot(x=model.predict(X_test), y=residuals, 
              lowess=True, ax=axes[0,0])
sns.boxplot(x=pd.qcut(model.predict(X_test), 5), 
            y=residuals, ax=axes[0,1])
sns.histplot(residuals, kde=True, ax=axes[1,0])
stats.probplot(residuals, plot=axes[1,1])

这个组合能同时检测：

• 非线性模式（左上）
• 异方差性（右上）
• 分布偏离（左下）
• 正态性（右下）

3.2 决策边界可视化

对于二维特征空间，我开发了一套动态可视化方案：

from mlxtend.plotting import plot_decision_regions

# 包装成标准函数
def plot_2d_decision(model, X, y, title):
    X_array = X.values if hasattr(X, 'values') else X
    y_array = y.values if hasattr(y, 'values') else y
    
    plt.figure(figsize=(10,6))
    plot_decision_regions(X_array, y_array, clf=model, legend=2)
    plt.title(title)
    plt.xlabel(X.columns[0])
    plt.ylabel(X.columns[1])
    
    # 添加数据分布边际
    sns.kdeplot(x=X.iloc[:,0], y=X.iloc[:,1], 
                levels=5, color='black', alpha=0.5)

关键改进点：

1. 自动处理DataFrame/array输入
2. 叠加KDE轮廓显示数据密度
3. 标准化图形尺寸和标签

4. 特征重要性可视化

4.1 排列重要性可视化

比默认的feature_importances_更可靠的方法是排列重要性：

from sklearn.inspection import permutation_importance

result = permutation_importance(model, X_val, y_val, 
                               n_repeats=10, random_state=42)

imp_df = pd.DataFrame({
    'feature': X.columns,
    'importance': result.importances_mean,
    'std': result.importances_std
}).sort_values('importance')

plt.figure(figsize=(10,6))
sns.barplot(x='importance', y='feature', data=imp_df, 
           xerr=imp_df['std'], palette='rocket')
plt.title('Permutation Importance with Standard Deviation')

4.2 SHAP值瀑布图

集成SHAP和Seaborn的进阶方案：

import shap

explainer = shap.TreeExplainer(model)
shap_values = explainer.shap_values(X_sample)

# 整理为DataFrame
shap_df = pd.DataFrame({
    'feature': X.columns,
    'shap_abs': np.abs(shap_values).mean(0),
    'shap_mean': shap_values.mean(0)
}).sort_values('shap_abs', ascending=False)

# 双轴可视化
fig, ax1 = plt.subplots(figsize=(10,6))
ax2 = ax1.twiny()

sns.barplot(x='shap_abs', y='feature', data=shap_df, 
           palette='mako_r', ax=ax1)
sns.pointplot(x='shap_mean', y='feature', data=shap_df,
             color='red', ax=ax2, scale=0.5)

ax1.set_xlabel('Mean Absolute SHAP Value')
ax2.set_xlabel('Mean SHAP Value (Red Dots)')

这种呈现方式既能看出特征重要性，又能显示影响方向。

5. 超参数调优可视化

5.1 网格搜索热力图

改进版的网格搜索可视化：

cv_results = pd.DataFrame(grid.cv_results_)

# 透视关键参数
heatmap_data = cv_results.pivot_table(index='param_max_depth',
                                     columns='param_min_samples_leaf',
                                     values='mean_test_score')

plt.figure(figsize=(10,8))
sns.heatmap(heatmap_data, annot=True, fmt='.3f',
           cmap='YlGnBu', cbar_kws={'label':'Accuracy'})
plt.title('Hyperparameter Tuning Heatmap')

我通常会添加：

1. linewidths=0.5 增强单元格边界
2. annot_kws={'size':8} 调整标注字号
3. 用 plt.axhline / axvline 标记最优参数

5.2 学习曲线诊断

动态学习曲线绘制方案：

from sklearn.model_selection import learning_curve

train_sizes, train_scores, test_scores = learning_curve(
    estimator=model, X=X_train, y=y_train,
    train_sizes=np.linspace(0.1, 1.0, 10), cv=5)

# 计算统计量
train_mean = np.mean(train_scores, axis=1)
train_std = np.std(train_scores, axis=1)
test_mean = np.mean(test_scores, axis=1)
test_std = np.std(test_scores, axis=1)

# 增强型学习曲线
plt.figure(figsize=(10,6))
sns.lineplot(x=train_sizes, y=train_mean, color='blue', 
            label='Training Score')
plt.fill_between(train_sizes, train_mean-train_std,
                train_mean+train_std, alpha=0.15, color='blue')

sns.lineplot(x=train_sizes, y=test_mean, color='green',
            label='CV Score')
plt.fill_between(train_sizes, test_mean-test_std,
                test_mean+test_std, alpha=0.15, color='green')

plt.axhline(y=baseline_score, color='red', linestyle='--')

关键增强点：

1. 使用fill_between显示方差
2. 添加基线参考线
3. 采用seaborn的lineplot保证平滑显示

6. 分类任务专属可视化

6.1 混淆矩阵热力图

带权重的混淆矩阵展示：

from sklearn.metrics import confusion_matrix

cm = confusion_matrix(y_true, y_pred, normalize='true')

plt.figure(figsize=(8,6))
sns.heatmap(cm, annot=True, fmt='.2f', cmap='Blues',
           xticklabels=classes, yticklabels=classes)
plt.xlabel('Predicted')
plt.ylabel('Actual')
plt.title('Normalized Confusion Matrix')

# 添加分类报告摘要
for i in range(len(classes)):
    plt.text(len(classes)+0.5, i+0.5, 
            f'Precision: {precision[i]:.2f}\nRecall: {recall[i]:.2f}',
            va='center')

6.2 ROC曲线对比

多模型ROC对比技巧：

from sklearn.metrics import roc_curve, auc

plt.figure(figsize=(10,8))
models = [('LR', model1), ('RF', model2), ('XGB', model3)]

for name, model in models:
    y_score = model.predict_proba(X_test)[:,1]
    fpr, tpr, _ = roc_curve(y_test, y_score)
    roc_auc = auc(fpr, tpr)
    
    sns.lineplot(x=fpr, y=tpr, label=f'{name} (AUC = {roc_auc:.2f})')
    
plt.plot([0,1], [0,1], 'k--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic')
plt.legend(loc='lower right')

优化点：

1. 自动计算AUC并显示在图例
2. 使用sns.lineplot保证平滑曲线
3. 45度参考线作为基准

7. 时间序列预测可视化

7.1 预测结果对比

带置信区间的预测可视化：

plt.figure(figsize=(12,6))
sns.lineplot(data=df, x='date', y='actual', label='Actual')
sns.lineplot(data=df, x='date', y='predicted', label='Predicted')

# 添加置信区间
plt.fill_between(df['date'], 
                df['pred_lower'], 
                df['pred_upper'],
                color='gray', alpha=0.2)

# 标记重大事件
for event_date, label in zip(event_dates, event_labels):
    plt.axvline(x=event_date, color='red', linestyle='--', alpha=0.5)
    plt.text(event_date, plt.ylim()[1]*0.9, label, 
            rotation=90, va='top')

7.2 季节性分解

基于Seaborn的季节性分析：

from statsmodels.tsa.seasonal import seasonal_decompose

result = seasonal_decompose(ts_data, model='additive', period=12)

fig, axes = plt.subplots(4, 1, figsize=(12,10))
sns.lineplot(x=result.observed.index, y=result.observed, ax=axes[0])
axes[0].set_title('Observed')

sns.lineplot(x=result.trend.index, y=result.trend, ax=axes[1])
axes[1].set_title('Trend')

sns.lineplot(x=result.seasonal.index, y=result.seasonal, ax=axes[2])
axes[2].set_title('Seasonal')

sns.lineplot(x=result.resid.index, y=result.resid, ax=axes[3])
axes[3].set_title('Residual')

8. 高维数据可视化技巧

8.1 t-SNE与UMAP对比

from sklearn.manifold import TSNE
from umap import UMAP

# 降维计算
tsne = TSNE(n_components=2, random_state=42)
umap = UMAP(n_components=2, random_state=42)

X_tsne = tsne.fit_transform(X_scaled)
X_umap = umap.fit_transform(X_scaled)

# 对比可视化
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(16,6))
sns.scatterplot(x=X_tsne[:,0], y=X_tsne[:,1], hue=y, 
               palette='viridis', ax=ax1)
ax1.set_title('t-SNE Projection')

sns.scatterplot(x=X_umap[:,0], y=X_umap[:,1], hue=y,
               palette='viridis', ax=ax2)
ax2.set_title('UMAP Projection')

8.2 平行坐标图

改进版平行坐标可视化：

from pandas.plotting import parallel_coordinates

# 数据预处理
df_parallel = df[features + ['target']].copy()
df_parallel['target'] = df_parallel['target'].astype('category')

plt.figure(figsize=(12,6))
parallel_coordinates(df_parallel, 'target', 
                    colormap='viridis', alpha=0.5)
plt.xticks(rotation=45)
plt.grid(alpha=0.3)

# 添加中位数线
for feat in features:
    medians = df_parallel.groupby('target')[feat].median()
    for i, (cat, val) in enumerate(medians.items()):
        plt.scatter(i, val, color='red', s=50, zorder=10)

优化点：

1. 使用viridis色系保证颜色辨识度
2. 添加特征中位数标记
3. 调整坐标轴标签角度

9. 自动化可视化工作流

9.1 自动化EDA函数

我常用的EDA自动化函数：

def auto_eda(df, target=None, num_features=None, cat_features=None):
    """自动化探索性数据分析可视化"""
    
    # 确定特征类型
    if num_features is None:
        num_features = df.select_dtypes(include=np.number).columns.tolist()
        if target in num_features:
            num_features.remove(target)
    
    if cat_features is None:
        cat_features = df.select_dtypes(exclude=np.number).columns.tolist()
    
    # 创建图形网格
    fig = plt.figure(figsize=(18, 15))
    gs = fig.add_gridspec(3, 3)
    
    # 1. 目标变量分布
    ax1 = fig.add_subplot(gs[0, :2])
    if target:
        if df[target].nunique() > 10:
            sns.histplot(df[target], kde=True, ax=ax1)
        else:
            sns.countplot(x=target, data=df, ax=ax1)
        ax1.set_title(f'Distribution of {target}')
    
    # 2. 数值特征箱线图
    ax2 = fig.add_subplot(gs[0, 2])
    if num_features:
        sns.boxplot(data=df[num_features].melt(), 
                   x='variable', y='value', ax=ax2)
        ax2.set_xticklabels(ax2.get_xticklabels(), rotation=45)
        ax2.set_title('Numeric Features Distribution')
    
    # 3. 类别特征计数
    ax3 = fig.add_subplot(gs[1, 0])
    if cat_features:
        sns.countplot(x=cat_features[0], data=df, ax=ax3)
        ax3.set_title(f'Distribution of {cat_features[0]}')
    
    # 4. 特征相关性
    ax4 = fig.add_subplot(gs[1, 1:])
    if len(num_features) > 1:
        corr = df[num_features].corr()
        sns.heatmap(corr, annot=True, fmt='.2f', 
                   cmap='coolwarm', center=0, ax=ax4)
        ax4.set_title('Feature Correlation')
    
    # 5. 特征与目标关系
    if target:
        ax5 = fig.add_subplot(gs[2, :])
        if df[target].nunique() > 5:
            # 回归问题
            for feat in num_features[:3]:
                sns.regplot(x=feat, y=target, data=df, 
                           scatter_kws={'alpha':0.3}, 
                           line_kws={'color':'red'}, 
                           ax=ax5, label=feat)
        else:
            # 分类问题
            sns.violinplot(x=target, y=num_features[0], 
                          data=df, ax=ax5)
        ax5.set_title(f'Feature-Target Relationship')
        ax5.legend()
    
    plt.tight_layout()
    return fig

9.2 交互式可视化集成

结合Plotly的交互式方案：

import plotly.express as px
from plotly.subplots import make_subplots

def interactive_feature_analysis(df, target):
    """交互式特征分析仪表板"""
    fig = make_subplots(rows=2, cols=2,
                       specs=[[{'type':'xy'}, {'type':'polar'}],
                             [{'type':'xy'}, {'type':'xy'}]],
                       subplot_titles=('Distribution', 
                                      'Radial Visualization',
                                      'Feature Correlation',
                                      'Target Relationship'))
    
    # 1. 目标变量分布
    if df[target].nunique() > 10:
        trace1 = px.histogram(df, x=target, nbins=30)
    else:
        trace1 = px.pie(df, names=target)
    fig.add_trace(trace1.data[0], row=1, col=1)
    
    # 2. 雷达图
    num_cols = df.select_dtypes(include=np.number).columns.tolist()
    if len(num_cols) > 3:
        df_norm = (df[num_cols] - df[num_cols].mean()) / df[num_cols].std()
        df_norm['target'] = df[target]
        trace2 = px.line_polar(df_norm, r=num_cols[0], 
                              theta=num_cols[1:4], 
                              line_close=True,
                              color='target')
        fig.add_trace(trace2.data[0], row=1, col=2)
    
    # 3. 相关性热力图
    corr = df[num_cols].corr().round(2)
    trace3 = px.imshow(corr, text_auto=True,
                      color_continuous_scale='RdBu',
                      zmin=-1, zmax=1)
    fig.add_trace(trace3.data[0], row=2, col=1)
    
    # 4. 特征与目标关系
    if df[target].nunique() > 5:
        trace4 = px.scatter(df, x=num_cols[0], y=target,
                           trendline='ols')
    else:
        trace4 = px.box(df, x=target, y=num_cols[0])
    fig.add_trace(trace4.data[0], row=2, col=2)
    
    fig.update_layout(height=800, showlegend=False)
    return fig

10. 可视化优化与性能技巧

10.1 大数据集采样策略

处理百万级数据时的可视化技巧：

def smart_sampling(df, target=None, n_samples=10000):
    """智能采样保持数据分布"""
    if len(df) <= n_samples:
        return df.copy()
    
    if target:
        # 分层采样
        sample = df.groupby(target, group_keys=False).apply(
            lambda x: x.sample(min(len(x), int(n_samples/df[target].nunique()*1.5)))
        )
    else:
        # 随机采样+聚类保持结构
        from sklearn.cluster import MiniBatchKMeans
        kmeans = MiniBatchKMeans(n_clusters=50, random_state=42)
        df['_cluster'] = kmeans.fit_predict(df.select_dtypes(include=np.number))
        sample = df.groupby('_cluster').apply(
            lambda x: x.sample(min(len(x), int(n_samples/50)))
        )
    
    return sample.sample(n=min(len(sample), n_samples), random_state=42)

10.2 图形渲染加速

Seaborn图形加速技巧：

1. 关闭阴影计算： sns.set_context("notebook", rc={"lines.linewidth": 1})
2. 使用rasterized=True渲染大数据点：

   sns.scatterplot(x='x', y='y', data=df, 
                  rasterized=True, alpha=0.1)
   

3. 预聚合数据：

   hexbin = sns.jointplot(x='x', y='y', data=df, 
                         kind='hex', gridsize=50)
   

10.3 图形导出最佳实践

出版级图形导出设置：

plt.savefig('visualization.pdf', 
           dpi=300, 
           bbox_inches='tight',
           pad_inches=0.1,
           format='pdf', 
           metadata={'Title': 'ML Visualization',
                    'Author': 'Your Name',
                    'Keywords': 'machine learning,seaborn'})

# 同时生成PNG缩略图
plt.savefig('visualization.png',
           dpi=120,
           bbox_inches='tight',
           format='png')

关键参数：

• dpi ：印刷用300dpi，网页显示72-120dpi
• bbox_inches='tight' ：自动裁剪空白边缘
• pad_inches ：控制边距
• PDF适合矢量图形，PNG适合网页嵌入

11. 常见问题解决方案

11.1 图形元素重叠问题

解决方案矩阵：

问题类型	解决方法	代码示例
标签重叠	调整旋转角度	plt.xticks(rotation=45)
图例遮挡	调整位置/分栏	plt.legend(ncol=2, bbox_to_anchor=(1,1))
点重叠	使用透明度/抖动	sns.stripplot(jitter=0.2, alpha=0.5)
热力图层级	调整字号/格式	sns.heatmap(annot_kws={'size':8}, fmt='.1f')

11.2 颜色方案选择指南

颜色使用决策树：

1. 数据类型：

   • 连续型： cmap='viridis' / 'plasma'
   • 分类型： palette='Set2' / 'Paired'
   • 发散型： cmap='vlag' / 'RdBu'

2. 色盲友好方案：

   sns.set_palette(sns.color_palette([
       '#1f77b4',  # 蓝色
       '#ff7f0e',  # 橙色
       '#2ca02c',  # 绿色
       '#d62728',  # 红色
       '#9467bd'   # 紫色
   ]))
   

3. 打印安全检查：

   from matplotlib.colors import to_grayscale
   gray = to_grayscale(color)
   if np.mean(gray) < 0.3 or np.mean(gray) > 0.7:
       print("低对比度警告")
   

12. 完整机器学习可视化流程示例

12.1 回归问题全流程

# 1. 数据概览
auto_eda(df, target='price')

# 2. 特征工程可视化
g = sns.pairplot(df, vars=['sqft', 'bedrooms', 'age'], 
                hue='location', corner=True)
g.map_lower(sns.kdeplot)

# 3. 模型诊断
plot_residuals(model, X_test, y_test)

# 4. 特征重要性
plot_shap_summary(model, X_sample)

# 5. 预测结果对比
plt.figure(figsize=(12,6))
sns.regplot(x=y_test, y=y_pred, 
           scatter_kws={'alpha':0.3},
           line_kws={'color':'red'})
plt.plot([y_test.min(), y_test.max()],
        [y_test.min(), y_test.max()], 'k--')

12.2 分类问题全流程

# 1. 类别分布检查
sns.catplot(x='target', col='segment', 
           data=df, kind='count',
           col_wrap=3, height=4, aspect=1.2)

# 2. 特征与目标关系
for feature in num_features:
    sns.violinplot(x='target', y=feature, 
                  data=df, inner='quartile')

# 3. 决策边界
plot_2d_decision(model, X[['pca1','pca2']], y, 
                'Decision Boundary')

# 4. 模型评估
plot_roc_curve(models, X_test, y_test)
plot_confusion_matrix(model, X_test, y_test)

13. 扩展工具链集成

13.1 与Yellowbrick集成

from yellowbrick.features import PCA
from yellowbrick.model_selection import FeatureImportances

# PCA可视化
visualizer = PCA(scale=True, proj_features=True)
visualizer.fit_transform(X, y)
visualizer.show()

# 特征重要性
viz = FeatureImportances(model, relative=False)
viz.fit(X, y)
viz.show()

13.2 与Pandas Profiling结合

from pandas_profiling import ProfileReport

profile = ProfileReport(df, title='Data Profile')
profile.to_file("report.html")

# 提取关键可视化
corr_plot = profile.description_set['correlations']['pearson']
missing_plot = profile.description_set['missing']

14. 版本兼容性指南

14.1 Seaborn版本差异处理

常见API变更应对方案：

功能	v0.11-写法	v0.12+写法	兼容方案
分布图	sns.distplot	sns.histplot	检查版本后动态调用
回归图	sns.regplot	sns.lmplot	优先使用 regplot
多面板图	sns.factorplot	sns.catplot	函数别名检查
颜色控制	palette 参数	hue 嵌套控制	统一使用 palette

兼容性代码示例：

import seaborn as sns
from distutils.version import LooseVersion

if LooseVersion(sns.__version__) < LooseVersion('0.12'):
    sns_hist = sns.distplot
else:
    sns_hist = sns.histplot

14.2 与Matplotlib样式集成

统一样式配置方案：

# 基础样式
plt.style.use('seaborn')
sns.set_theme(style='whitegrid', 
             font='Arial',
             rc={
                 'axes.titlesize': 14,
                 'axes.labelsize': 12,
                 'xtick.labelsize': 10,
                 'ytick.labelsize': 10,
                 'figure.figsize': (10,6),
                 'figure.dpi': 100,
                 'savefig.dpi': 300
             })

# 颜色循环
sns.set_palette(sns.color_palette('husl', 8))

15. 项目实战案例

15.1 房价预测可视化方案

完整可视化工作流：

1. 数据质量检查

   # 缺失值模式
   sns.heatmap(df.isnull(), cbar=False)
   
   # 异常值检测
   sns.boxplot(data=df[num_features], orient='h')
   

2. 空间分布可视化

   # 地理热力图
   sns.scatterplot(x='longitude', y='latitude',
                  size='price', hue='price',
                  sizes=(20,200), palette='viridis',
                  data=df)
   

3. 特征交互分析

   sns.lmplot(x='sqft_living', y='price',
             hue='waterfront', col='zipcode',
             col_wrap=3, data=df.sample(1000))
   

15.2 客户流失分析仪表板

分类问题可视化组合：

1. 流失特征雷达图

   features = ['tenure', 'monthly_charges', 'total_charges']
   df_norm = (df[features] - df[features].mean()) / df[features].std()
   df_norm['churn'] = df['churn']
   
   sns.lineplot(data=df_norm.melt(id_vars='churn'),
               x='variable', y='value',
               hue='churn', err_style='band',
               palette='Set2')
   

2. 关键指标趋势

   sns.relplot(x='tenure', y='monthly_charges',
              hue='churn', col='contract',
              kind='line', estimator=np.mean,
              ci=95, col_wrap=2, data=df)
   

3. 模型解释可视化

   # SHAP摘要图
   explainer = shap.TreeExplainer(model)
   shap_values = explainer.shap_values(X_test)
   shap.summary_plot(shap_values, X_test)
   

16. 性能优化与大数据处理

16.1 分布式可视化方案

Dask集成示例：

import dask.dataframe as dd

ddf = dd.from_pandas(df, npartitions=4)

# 分布式计算直方图
hist = ddf['value'].compute().value_counts().sort_index()
sns.barplot(x=hist.index, y=hist.values)

16.2 采样策略对比

不同采样方法可视化效果：

方法	适用场景	代码实现	可视化保真度
随机采样	均匀分布数据	df.sample(1000)	中
分层采样	类别不平衡数据	df.groupby('class').sample(200)	高
聚类采样	保持数据结构	如上smart_sampling函数	高
时间窗口采样	时间序列数据	df.resample('W').first()	中

17. 交互式报告生成

17.1 自动化报告生成

使用Jupyter Notebook模板：

from IPython.display import HTML, display

def generate_report(df, model, X_test, y_test):
    """生成交互式HTML报告"""
    
    # 1. 数据概览
    display(HTML("<h2>1. Data Overview</h2>"))
    auto_eda(df, target=target)
    
    # 2. 模型评估
    display(HTML("<h2>2. Model Performance</h2>"))
    plot_roc_curve(model, X_test, y_test)
    plot_confusion_matrix(model, X_test, y_test)
    
    # 3. 特征重要性
    display(HTML("<h2>3. Feature Importance</h2>"))
    plot_shap_summary(model, X_test.sample(100))
    
    # 导出为HTML
    plt.savefig('report.png')
    display(HTML(f'<img src="report.png" width="800">'))

17.2 参数化可视化模板

使用Jinja2创建模板：

from jinja2 import Template

viz_template = Template("""
{% for fig in figures %}
<section>
    <h3>{{ fig.title }}</h3>
    <img src="{{ fig.path }}" width="800">
    <p>{{ fig.caption }}</p>
</section>
{% endfor %}
""")

figures = [
    {'title': 'Data Distribution',
     'path': 'dist.png',
     'caption': 'Histogram of target variable'},
    {'title': 'Feature Importance',
     'path': 'importance.png',
     'caption': 'SHAP values for top features'}
]

HTML(viz_template.render(figures=figures))

18. 前沿可视化技术

18.1 动态可视化

使用Matplotlib动画：

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots(figsize=(10,6))
xdata, ydata = [], []
ln, = plt.plot([], [], 'ro', alpha=0.3)

def init():
    ax.set_xlim(0, 10)
    ax.set_ylim(0, 10)
    return ln,

def update(frame):
    xdata.append(np.random.rand())
    ydata.append(np.random.rand())
    ln.set_data(xdata, ydata)
    return ln,

ani = FuncAnimation(fig, update, frames=100,
                   init_func=init, blit=True)
HTML(ani.to_jshtml())

18.2 3D决策边界

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection='3d')

# 生成网格
xx, yy = np.meshgrid(np.linspace(-3,3,50),
                    np.linspace(-3,3,50))
zz = model.decision_function(np.c_[xx.ravel(),
                                  yy.ravel()]).reshape(xx.shape)

# 绘制表面
ax.plot_surface(xx, yy, zz, rstride=1, cstride=1,
               cmap=plt.cm.coolwarm, alpha=0.6)

# 绘制数据点
ax