数据分析师的学习之路-pandas篇（5）

接上一篇。
这次画的图可以说才算比较专业的数据分析了，就是直方图和密度图了。

3.7.4 散点图和直方图

当表里的数据特别大，比如上万条，这时要在excel里画个图，那就会又慢又卡，甚至有些操作没法用，而这种情况在pandas里完全没有问题。
比如这样的一个数据表(图片只截取了一部分)：

意思是每个id的地区，房子的情况，比如房价、卧室数量、各房间面积等等。
（例子就是个意思，主要理解对应的逻辑）

看着这么多数据一下不知道弄啥，那就得进行数据分析了，数据分析就是把看似杂乱无章的数据，找到一些组合来发现其中的逻辑，然后做成图。比如上面例子里，猜想一下可能房价和房子起居室的面积是个什么逻辑关系，可以先做个散点图：

#依旧先导入库
import pandas as pd
import matplotlib.pyplot as plt
#然后把数据文件读进来
homes = pd.read_excel("C:/tmp/1.xlsx")
#生成散点图
homes.plot.scatter(x='price', y='sqft_living')
plt.show()

画出来类似这样：

---

如果想知道不同价位的房子数量分布，那就画直方图。

price和sqft_living都是列名，可以homes[‘price’]这么调用，也可以直接 homes.price这么调用

homes.price.plot.hist()

默认出来的图可能不好看，所以加bins参数控制方块数量，会更细腻

homes.price.plot.hist(bins=100)
#还能优化, 控制X轴步长，还有标签旋转显示
plt.xticks(range(0,max(homes.price), 500), fontsize=8, rotation=90)
#最后显示
plt.show()

出来效果类似这样：

这样就能很清晰的看到哪些房价的房子多了。

3.7.5 密度图

还是用上面的数据表举例，看看起居室面积在整体中的分布比例，如图所示：

用pandas来画也简单：

#kde全称：kernel density estimation
homes.sqft_living.plot.kde()
plt.xtick(range(0, max(home.sqft_living), 500), fontsize=8, rotation=90)

Y轴此时就是概率，图就显示了X轴每个数值的概率是多少。

3.7.6 计算相关性

如果一开始也不知道哪些列有关系，怎么分析呢，不用慌，可以直接把每两列的相关性都算出来，再看其中的关系。
pandas里一下就算出来了，还是用上面的例子，计算列两两之间的相关系数：

print(homes.corr())

打印这个函数调用结果，就是一个表：

值越靠近1，表示这两列越相关（列自己和自己肯定是最相关的，值为1）

---

画图的主要部分就学完了，其他各种图表的画法可以举一反三，查接口就行。
后面接着学习pandas对表格的各种常用的操作