用python-pandas作图矩阵

用python-pandas作图矩阵

注：本文为一篇翻译文章，来自于

Visualize Machine Learning Data in Python With Pandas - Machine Learning Mastery，原文标题是VisualizeMachine Learning Data in Python With Pandas（在Python里使用pandas对机器学习的数据进行可视化分析），作者的意思是我们在采用机器学习算法对数据进行分析时，首先要对数据进行了解，而了解数据最快速的方式就是可视化。但是作者可视化采用的方法对很多data都通用，且采用的是各种图形的图矩阵，如直方图、散点图矩阵等等。本文就根据作者的分析来介绍如何运用pandas作各种矩阵图。

（1）数据

数据为PimaIndians dataset，在作者的代码中包含该数据来源网址，即皮马印第安人糖尿病数据集，样本个数有768个，包含变量有：

Preg：怀孕次数

Plas：口服葡萄糖耐量试验中血浆葡萄糖浓度为2小时

Pres：舒张压（mm Hg）

Skin：三头肌皮褶厚度（mm）

test ：2小时血清胰岛素（μU/ml）

mass：体重指数（kg /（身高（m））^ 2）

pedi：糖尿病血统功能

age：年龄（岁）

class：类变量（0或1），估计是性别。

（2）Histograms（直方图矩阵）

url = "https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data"
names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] #设置变量名
data = pandas.read_csv(url, names=names)  #采用pandas读取csv数据
data.hist()
plt.show()

但是，我们看到图形并不协调，存在变量与坐标重叠的情况，我们可以调整hist（）的参数来解决，包括对x轴、y轴标签大小的调节（(xlabelsize,ylabelsize），整个图形布局大小的调节figsize：

data.hist(xlabelsize=7,ylabelsize=7,figsize=(8,6)) #

plt.show()

可以看到每一个变量的分布情况，其中mass、plas、pres呈现一定的正态分布，其他除了class之外，基本上左偏。

（3）Density Plots（密度图矩阵）

data.plot(kind='density', subplots=True, layout=(3,3), sharex=False,fontsize=8,figsize=(8,6))
plt.show()

原始代码输出后仍然存在重叠的地方，在这里加入了对图中坐标文字fontsize，以及整体布局大小figsize。

（4）箱线图矩阵（Box and Whisker Plots）

data.plot(kind='box', subplots=True, layout=(3,3), sharex=False, sharey=False, fontsize=8,figsize=(8,6))
plt.show()

与（3）类似，在这里注意可以共享x轴和y轴，用了sharex=False, sharey=False的命令。

（5）相关系数矩阵图（Correlation Matrix Plot）

import numpy
correlations = data.corr()  #计算变量之间的相关系数矩阵
# plot correlation matrix
fig = plt.figure() #调用figure创建一个绘图对象
ax = fig.add_subplot(111)
cax = ax.matshow(correlations, vmin=-1, vmax=1)  #绘制热力图，从-1到1
fig.colorbar(cax)  #将matshow生成热力图设置为颜色渐变条
ticks = numpy.arange(0,9,1) #生成0-9，步长为1
ax.set_xticks(ticks)  #生成刻度
ax.set_yticks(ticks)
ax.set_xticklabels(names) #生成x轴标签
ax.set_yticklabels(names)
plt.show()

颜色越深表明二者相关性越强。

（6）散布图矩阵（Scatterplot Matrix）

from pandas.tools.plotting import scatter_matrix
scatter_matrix(data,figsize=(10,10))  
plt.show()