本文主要来自阿里云AI训练营python的宝可梦数据分析
主要掌握三大库:Pandas, Seaborn, Matplotlib。Pandas是基于NumPy提供高性能易用数据类型和分析工具,Seaborn是基于Matplotlib的图形可视化python包,Matplotlib是python的绘图库。其实基础还有NumPy
第一步:下载数据,读取数据(引入模块是必须的)
!wget -O pokemon_data.csv https://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csv
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
df = pd.read_csv("./pokemon_data.csv")
第二步:观察样本数据的基本情况(缺失值情况)
df.head()
df.info()
# 计算出每个特征有多少百分比是缺失的
percent_missing = df.isnull().sum() * 100 / len(df) #缺失值加总除以样本列的长度*100
missing_value_df = pd.DataFrame({
'column_name': df.columns,
'percent_missing': percent_missing
}) #把列名与缺失值比例作为DataFrame
# 查看Top10缺失的
missing_value_df.sort_values(by='percent_missing', ascending=False).head(10)
第三步:单独特征行的“代数”查看每个宝可梦的数量
# 查看各代口袋妖怪的数量
df['generation'].value_counts().plot.bar()
# 查看每个系口袋妖怪的数量
df['type1'].value_counts().sort_values(ascending=True).plot.barh()
第四步:相关性分析热力图
# 相关性热力图分析
plt.subplots(figsize=(20,15))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df.corr()
sns.heatmap(corr,
xticklabels=corr.columns.values,
yticklabels=corr.columns.values)
第五步:拿出6个基本指标去量化,并相关性分析利用热力图
interested = ['hp','attack','defense','sp_attack','sp_defense','speed']
sns.pairplot(df[interested])
# 通过相关性分析heatmap分析五个基础属性
plt.subplots(figsize=(10,8))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df[interested].corr()
sns.heatmap(corr,
xticklabels=corr.columns.values,
yticklabels=corr.columns.values,
annot=True, fmt="f",cmap="YlGnBu")
第六步:根据基本指标加总得到总值(其实也可以进一步加权赋值)
for c in interested:
df[c] = df[c].astype(float)
df = df.assign(total_stats = df[interested].sum(axis=1))
# 种族值分布
total_stats = df.total_stats
plt.hist(total_stats,bins=35)
plt.xlabel('total_stats')
plt.ylabel('Frequency')
第七步总值与标准做对比,选取神兽
df[df.total_stats>=525].shape
不同属性的种族值分布
# 不同属性的种族值分布
plt.subplots(figsize=(20,12))
ax = sns.violinplot(x="type1", y="total_stats",
data=df, palette="muted")