数据探索（箱型图、KDE分布图、热力图、根据相关系数筛选特征变量）

最新推荐文章于 2024-01-25 15:24:10 发布

聆听我的召唤，菜鸟进化

最新推荐文章于 2024-01-25 15:24:10 发布

阅读量660

点赞数

分类专栏：阿里天池文章标签： python 开发语言后端

本文链接：https://blog.csdn.net/qq_45889931/article/details/121292146

版权

本文详细介绍了如何使用Python进行数据探索，包括绘制箱型图以揭示数据分布的四分位数信息，通过KDE（Kernel Density Estimation）分布图理解连续变量的密度，利用热力图展示变量间的相关性，并基于相关系数筛选特征变量。这些方法对于后端开发人员在处理和理解大量数据时至关重要。

摘要由CSDN通过智能技术生成

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats

import warnings
warnings.filterwarnings("ignore")
#内嵌画图，省略掉plt.show()这一步，直接显示图像。
plt.rc("font",family="SimHei",size="15")  #解决中文乱码问题
# %matplotlib inline  

train_data=pd.read_csv("zhengqi_train.txt",sep="\t",enc