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! |