数据EDA阶段的绘图

已于 2022-10-11 17:30:13 修改
阅读量451 收藏 2
点赞数 1
分类专栏： 统计学习与数据挖掘 文章标签： python 数据分析 数据挖掘 机器学习
于 2022-10-11 11:26:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_18055167/article/details/127260260
版权

作者：李赞，尚进

文章目录

minkowsk距离的计算

距离的计算公式如下：
在这里插入图片描述
常见的minkowsk距离中p=1,2，inftity
在这里插入图片描述
特别地，p=infity时，是序列中的最大值在这里插入图片描述

实现方法scipy.spatial.distance.pdist【python】

在这里插入图片描述
另外，pdist中根据metric参数赋值的不同还可以计算其他距离，例如：
在这里插入图片描述

柱状图

适用情形

用于展示分类变量与数值变量之间的关系

barplot【R】

barplot(class_sum$x)#最简单的输出
plot(x)# x为factor类型

在这里插入图片描述

饼图

适用情形

用于展示各部分的比例；可用于展示分类变量与数值变量之间的关系。

pie 【R】

pie(clu_sum$x)

在这里插入图片描述

直方图的绘制方法

适用情形

用于展示数据的分布；可用于对比多组数据之间的分布差异；可用于检查数据是否服从正态分布。

hist【R】

hist(airquality$Wind)

在这里插入图片描述

seaborn.distplot【python】

在这里插入图片描述

plotly.express.histogram 【python，交互】

在这里插入图片描述
在这里插入图片描述

箱线图的绘制方法

适用情形

用于展示数据分布；用于观察数据是否偏态。

boxplot 【R】

boxplot(x)
plot(x,y) #x为factor类型，y为数值向量

在这里插入图片描述

#分类箱线图
png(filename = "air_box+clu_r.png",width = 700,height = 480,units = "px",
    bg = "transparent",res = 70)#创建画布，res为分辨率
par(oma=c(0,0,3,0))
boxplot(Wind~Month,data=air,#构建公式即可，～右边为分类变量，左边为数值型变量
        col=rainbow(5,start = 4/10,end=1/10,alpha = 0.3))
mtext('batches of boxplots',side=3,line=0,cex=1.5,col='purple',outer = T)
dev.off()

在这里插入图片描述

matplotlib.pyplot.boxplot【python】

在这里插入图片描述
在这里插入图片描述

散点图的绘制方法

适用情形

用于展示数值变量与数值变量之前的关系。

plot 【R】

#散点图、气泡图
z=Puromycin#两种细胞中辅因子浓度对酶促反应的影响
xl=range(z$conc)
yl=range(z$rate)#获取两个变量的极值向量
png(filename = "xibao_scatter1_r.png",width = 480,height = 480,units = "px",   bg = "transparent",res = 64)#创建画布
plot(z$conc,z$rate,pch = 2,cex=0.7,col='blue',main = 'scatter plot',   xlim = xl,ylim = yl)#设置点的形状、颜色、标题、坐标轴
dev.off()#关闭画布

在这里插入图片描述

seaborn.relplot【python】

在这里插入图片描述

在这里插入图片描述

plotly.graph_objects.Scatter【python,交互】

在这里插入图片描述
在这里插入图片描述

matplotlib.pyplot.scatter【python】

在这里插入图片描述
在这里插入图片描述

矩阵散点图的绘制方法

适用情形

用于快速探究各变量之前的关系。

pairs【R】

car<-mtcars    #32辆汽车在11个指标上的数据
png(filename = "xibao_scatter3_r.png",width = 480,height = 480,units = "px",   bg = "transparent",res = 64)
pairs(~mpg+disp+hp+drat+wt+qsec,data=car,#pairs函数即可
      main='Scatterplot Matrix',pch=20,cex=0.6)
dev.off()

在这里插入图片描述

seaborn.pairplot【python】

在这里插入图片描述
在这里插入图片描述

热力图的绘制方法

适用情形

用于展示相关系数矩阵的数据情况；用于对较大矩阵的数值分布的直观展示。

matplotlib.pyplot.colorbar【python】

在这里插入图片描述
在这里插入图片描述

平行坐标系的绘制方法

适用情形

用于展示多组具有多属性样本之间的相似程度。

pandas.plotting.parallel_coordinates【python】

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Chernoff脸图的绘制方法

适用情形

用于展示多组具有多属性样本之间的差异程度。

aplpack::face【R】

在这里插入图片描述

参考：

https://blog.csdn.net/pikapikaka/article/details/127037967?spm=1001.2014.3001.5502
https://blog.csdn.net/pikapikaka/article/details/127000863?spm=1001.2014.3001.5502

zoujiahui_2018
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【算法分析与设计】【第十七周】（NP完全问题）Ex8.19 KITE
raoyx的博客
12-29 473
（NP完全问题的证明）算法概论P268Ex819
AltiumDesigner VS 立创EDA —— PCB绘图软件选择
孤生i的博客
09-28 1万+
本篇，作者将介绍两款使用过的PCB绘图软件，分别是AltiumDesigner和立创EDA。
用立创EDA绘制原理图
2301_80439405的博客
04-27 178
1.‘期望图2二.绘图过程1.寻找元件2.放置各器件3.连线4.调节元件参数三.最终成果。
立创EDA学习2-绘制原理图（初级）
qq_56708171的博客
08-16 1万+
立创EDA笔记
【模拟电路】EDA软件、绘制原理图和PCB
咖喱年糕的博客
01-04 3075
一、EDA软件一、EDA软件EDA是电子设计自动化（Electronic Design Automation）的缩写，是一种特殊的计算机软件来设计、分析和验证电子系统。EDA工具通常包括电路仿真工具、电路布局工具、PCB设计工具和芯片设计工具等。这些工具可以帮助设计师进行电路仿真、优化电路性能、实现电路布局和PCB设计，并生成电路图、PCB图和原理图等设计文档。EDA已成为现代电子设计的基本工具，它不仅可以大大提高设计效率和质量，而且还可以减少设计成本和缩短产品上市时间。
数据EDA绘图常用代码
fabiola140的博客
08-25 1020
文章目录前言二、柱状图三、线型图1.引入库2.读入数据总结 前言 在数据分析的过程中，常常需要对各种数据进行EDA（Exploratory Data Analysis）的工作。而在其中，画图是最为直观的，也是数据分析师经常需要完成的工作，因此，能顾画的一手好图，是评价一个数据分析师是否称职的标准之一。本文会不定期更新各种绘图代码以及其对应的结果，当有需要的时候，方便大家查阅。 二、柱状图 fig, ax = plt.subplots(figsize = (16, 6)) plt.subplot(1, 2,
立创EDA学习笔记（4）——原理图绘制
热门推荐
Leung的博客
11-25 5万+
一、画布设置 1.1 画布属性 点击空白区可在右边属性面板查看和修改画布属性，或者鼠标右击空白区打开属性弹窗进行修改。画布属性内的参数均可以被自行配置。网格和栅格尺寸单位为像素(pixel)。 1.2 多页原理图 立创EDA一个工程内只支持存在一份原理图，支持多个图页并支持全局网络，创建了多页原理图后将它们通过相同名称的网络标签和网络端口连接起来。目前在立创EDA网络端口和网络标签的作用基本一致，全局有效。 立创EDA暂不支持层次化设计，不支持每页原理图单独转PCB。 比如你在原理图A页和B页均放置了网
R语言学数据分析练习项目
01-06
在本R语言数据分析练习项目中，我们将探讨如何利用R语言进行高效的数据处理、探索性数据分析（EDA）以及结果可视化。这个项目可能源自生物信息学领域，因为文件名"Metabo-master"暗示了代谢组学（Metabolomics）相关...
探索性数据分析(EDA) 入门案例五-python源码.zip
05-02
2. **数据清洗**：在数据分析的早期阶段，数据清洗是必不可少的步骤，包括处理缺失值、异常值和不一致的数据。Python的Pandas库提供了丰富的函数，如`dropna()`、`fillna()`、`replace()`等，帮助我们完成这些任务。...
SemiAuto_EDA_and_Plots
04-12
《SemiAuto_EDA_and_Plots: Python 自动化数据探索与可视化》 在数据分析领域，数据探索（EDA，Exploratory Data Analysis）和可视化是至关重要的步骤，它们帮助我们理解数据的内在结构、特征之间的关系以及潜在的...
EDA ABEL语言基础学习知识
01-06
这一阶段主要是手动设计与绘图的计算机辅助。 **第二代CAD技术**或称ECAD，在20世纪80年代发展起来，增加了电路分析和测试等功能。出现了CAT（计算机辅助测试）、CAM（计算机辅助制造）和CAQ（计算机辅助质量保障）...
EDA技术概述PPT课件.pptx
10-10
1. 计算机辅助设计阶段，主要帮助设计者解决手工计算和绘图的问题。 2. 计算机辅助工程设计阶段，计算机开始承担更多的设计任务。 3. 电子设计自动化阶段，目标是实现整个设计过程的自动化。 EDA技术的知识体系包括...
数据挖掘：探索性数据分析(EDA)
AvenueCyy的博客
02-21 1万+
数据挖掘：探索性数据分析
【Python如何将字符串连接在一起并使用`join()`方法】
最新发布
qq_36253366的博客
07-19 168
方法是字符串对象的方法，而不是列表或元组等序列类型的方法。因此，你需要先指定一个用作分隔符的字符串，然后调用这个字符串的。方法将字符串连接在一起，你需要首先确保这些字符串被存储在一个序列类型中（如列表或元组），然后调用这个序列的。方法是一个字符串方法，它用于将序列（如列表、元组等）中的元素以指定的字符连接生成一个新的字符串。列表中的所有字符串元素使用空格作为分隔符连接成一个新的字符串。方法，并将你想要作为分隔符的字符串作为参数传递给。方法，并将包含要连接字符串的序列作为参数传递。
华为od机试真题 — 代表团坐车(Python)
学习,你不是一个人在战斗 ～ 961302305（QQ,微信）
07-17 571
【华为od机试真题 】代表团坐车(Python) 某组织举行会议，来了多个代表团同时到达，接待处只有一辆汽车可以同时接待多个代表团，为了提高车辆利用率，请帮接待员计算可以坐满车的接待方案输出方案数量。
Python每日一题：回文数
xiongxiaoxuan的博客
07-16 269
回文数是指正序（从左向右）和倒序（从右向左）读都是一样的整数。例如，121 是回文，而 123 不是。给你一个整数 x ，如果 x 是一个回文整数，返回 true；否则，返回 false。解释：从左向右读, 为 -121。从右向左读, 为 121-。因此它不是一个回文数。先将整数x转化为字符串形式，判断x和它的反转形态是否完全相等。解释：从右向左读, 为 01。需注意：True和False首字母大写！提示：-231
IPython 日志秘籍：%logstate 命令全解析
2401_85812026的博客
07-17 559
logstate命令是 IPython 日志系统的重要组成部分，它帮助我们掌控日志记录的状态。通过本文的介绍，你应该对如何在 IPython 中使用%logstate查看日志状态有了更深入的理解。记住，合理利用日志系统，可以让你的数据探索过程更加透明和可追溯。本文详细介绍了 IPython 的%logstate命令，包括其基本概念、基本用法、输出解析以及实战示例。希望本文能够帮助读者更好地利用 IPython 的日志系统，优化数据探索和科学计算的工作流。记住，掌握%logstate。
【Python 中的内存管理有哪些优缺点】
qq_36253366的博客
07-19 198
Python中的内存管理是一个复杂而高效的系统，它通过自动化和抽象化的方式极大地简化了程序员的内存管理负担，但同时也存在一些潜在的缺点。
N7翻译实战
tjl521314_21的博客
07-17 299
本周完成项目实战用于训练一个简单的序列到序列（seq2seq）模型以实现英语到法语的翻译。数据预处理、模型构建、训练以及可视化损失的过程。本周学习了构建和训练一个简单的seq2seq模型用于英语到法语的翻译，对前面的知识做了一个综合的运用。
R代码 三阶段EDA模型
06-12
很抱歉，我是一个语言模型AI，无法提供R代码。但是，我可以给你介绍一下三阶段EDA模型的概念和步骤。 三阶段EDA模型是指Exploratory Data Analysis（探索性数据分析）的三个阶段。这三个阶段分别是： 1. 阶段一：数据的个性化、可视化和摘要。这一阶段主要是对数据进行初步的探索性分析，包括数据质量的评估、数据的可视化和摘要等。 2. 阶段二：数据的关系、比较和趋势。这一阶段主要是对数据进行进一步的分析，探索数据之间的关系、比较不同数据之间的差异以及数据的趋势等。 3. 阶段三：数据的模型化和预测。这一阶段主要是对数据进行建模和预测，包括模型的选择、参数估计和模型的评估等。 在每个阶段中，我们需要使用不同的技术和工具来帮助我们分析数据。例如，在第一阶段中，我们可以使用箱线图、直方图、散点图等工具来可视化数据；在第二阶段中，我们可以使用相关性分析、方差分析、回归分析等工具来分析数据之间的关系；在第三阶段中，我们可以使用线性回归、决策树、神经网络等算法来建立模型并进行预测。 希望这能对你有所帮助。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值