Попробуем визуализировать данные по рекламным кампаниям, которые храняться в DataFrame.
DataFrame, в котором хранится статистика по рекламным кампаниям по следующим показателям:

Получим следующий график:

Данный график показывает распределение стоимости кликов. График говорит о том, что чаще всего клик стоит около 3,5 рублей.
Чтобы сделать график более точным, следует увеличить значение в «bins». Этот параметр отражает то, на сколько частей будет разделен наш график.
Получим следующее:

Также можно заменить гистограмму на Rug plot (коврик)

Вернемся к гистограмме.
Линию покрасим в синий, а столбцы в синий.

Дано:
DataFrame, в котором хранится статистика по рекламным кампаниям по следующим показателям:
- CampaignName
- Date
- Impressions
- Clicks
- Ctr
- Cost
- AvgCpc
- BounceRate
- AvgPageviews
- ConversionRate
- CostPerConversion
- Conversions

Импортируем все необходимое:
import seaborn as sns
from pandas import Series,DataFrame
Прочитаем наш DataFrame из csv
f=DataFrame.from_csv("cashe.csv",header=0,sep='',index_col=0,parse_dates=True)
Визуализируем данные столбца «AvgCpc»
sns.distplot(f['AvgCpc'],bins=25)
plt.show()
Получим следующий график:

Данный график показывает распределение стоимости кликов. График говорит о том, что чаще всего клик стоит около 3,5 рублей.
Чтобы сделать график более точным, следует увеличить значение в «bins». Этот параметр отражает то, на сколько частей будет разделен наш график.
sns.distplot(f['AvgCpc'],bins=50)
plt.show()
Получим следующее:

Также можно заменить гистограмму на Rug plot (коврик)
sns.distplot(f['AvgCpc'],bins=25,rug=True,hist=False)
plt.show()

Вернемся к гистограмме.
Зададим названия и цвета.
Линию покрасим в синий, а столбцы в синий.
sns.distplot(f['AvgCpc'],bins=25,
kde_kws={'color':'indianred','label':'Линия'},
hist_kws={'color':'blue','label':'Столбцы'})
plt.show()
