如果想做数据分析的，建议收藏，Python数据可视化图（附代码）

最新推荐文章于 2024-08-21 17:39:34 发布

其实还好啦

最新推荐文章于 2024-08-21 17:39:34 发布

阅读量1.5k

点赞数 1

分类专栏：数据分析文章标签：可视化 Python 数据分析

本文链接：https://blog.csdn.net/qq_46614154/article/details/106123710

版权

本文介绍了Python数据可视化的四种方法：树状图用于根据相似性组织数据；聚类图展示了数据的分组结构；安德鲁斯曲线用于检测数字特征的固有分组；平行坐标图则有助于评估特征在区分组别中的作用。通过实例展示了如何使用这些方法，并提供了相关代码。

摘要由CSDN通过智能技术生成

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

1、树状图

树状图根据给定的距离度量将相似的点组合在一起，并根据该点的相似性将它们组织成树状链接。

import scipy.cluster.hierarchy as shc

# Import Data
df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/USArrests.csv')

# Plot
plt.figure(figsize=(16, 10), dpi= 80)  
plt.title("USArrests Dendograms", fontsize=22)  
dend = shc.dendrogram(shc.linkage(df[['Murder', 'Assault', 'UrbanPop', 'Rape']], method='ward'), labels=df.State.values, color_threshold=100)  
plt.xticks(fontsize=12)
plt.show()

2、聚类图

群集图可用于划分属于同一群集的点。下面是一个示例性示例，根据USArrests数据集将美国各州分为5个组。该聚类图使用“谋杀”和“攻击”列作为X轴和Y轴。或者，