数据分析图例

发布时间：2020-12-14 04:16:08 所属栏目：大数据来源：网络整理

导读：1、饼图用于分析一种特征中两种数值所占比例。 train_data[ ‘ Survived ‘ ].value_counts().plot.pie(autopct= ‘ %1.2f%% ‘ ) ?? ? 2、柱状图分析两维特征间的关系。 train_data[[ ‘ Sex ‘ , ‘ Survived ‘ ]].groupby([ ‘ Sex ‘ ]).mean().plot.

1、饼图

用于分析一种特征中两种数值所占比例。

train_data[‘Survived‘].value_counts().plot.pie(autopct=‘%1.2f%%‘)

2、柱状图

分析两维特征间的关系。

train_data[[‘Sex‘,‘Survived‘]].groupby([‘Sex‘]).mean().plot.bar()

sns的柱状图

sns.countplot(‘Embarked‘,hue=‘Survived‘,data=train_data)

3、直方图

是一种可视化在连续间隔，或者是特定时间段内数据分布情况的图表。直方图描述的是一组数据的频次分布。

柱状图展示的不同分类的数量分布。

train_data[‘Age‘].hist(bins=70)

?bins，数据划分的份数。

sns提供的直方图

average_data = train_data[[‘age_int‘,‘Survived‘]].groupby(‘age_int‘,as_index=False).mean()
sns.barplot(x=‘age_int‘,y=‘Survived‘,data=average_data)

5、琴图

?在柱状图的基础上，琴图展示的内容可以更加丰富，可以同时展示三个数值间的关系。下图展示了不同Pclass下的不同年龄的生还和死亡的人数的比例。

琴图的黑线上，同时可以看到年龄的分布，黑线上粗线的两端表示年龄的最小和最大值，白色的点表示年龄的平均值。

用于分析这里使用seaborn（matplotlib的一个扩展库）

import seaborn as sns
sns.violinplot(‘Pclass‘,‘Age‘,data=train_data,split=True,ax=ax[0])

?6、箱型图

?箱型图和琴图中的黑线表示类似。

a) 箱图的上下连个黑线：最小和最大值。

b) 中间方框的上下边缘：上四分位数和下四分位数。

c) 绿线：中位数

d) 圆点：异常值

showfilters，是否展示异常值。

train_data.boxplot(column=‘Age‘,showfliers=False)

train_data.boxplot(column=‘Fare‘,by=‘Pclass‘,showfliers=True)

7、密度图

facet = sns.FacetGrid(train_data,aspect=4)
# kdeplot,密度图
facet.map(sns.kdeplot,shade=True)

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!