pandas 数据分析 相关性_Python实战：红酒数据分析

本文运用常见的Python包对红酒的通用数据集进行分析和可视化展示。这个数据集有1599个样本，12个变量，其中11个变量是红酒的理化性质，1个变量是红酒的品质评分（10分制）。首先我们需要调用要使用的包，也可以做一些基本绘图设置，然后就可以读取数据进行数据分析。

# 导入需要用到的包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import pandas_profiling

# 在notebook中画图
%matplotlib inline

# 精度设定
pd.set_option('precision',3)

# 颜色设定
color= sns.color_palette()

# 数据导入
data=pd.read_csv("E:awinequality-red.csv",sep=';')
data.head(5)

结果输出如下：

  fixed acidity  volatile acidity  citric acid  ...  sulphates  alcohol  quality
0            7.4              0.70         0.00  ...       0.56      9.4        5
1            7.8              0.88         0.00  ...       0.68      9.8        5
2            7.8              0.76         0.04  ...       0.65      9.8        5
3           11.2              0.28         0.56  ...       0.58      9.8        6
4            7.4              0.70         0.00  ...       0.56      9.4        5

[5 rows x 12 columns]

一、使用pandas-profiling进行探索性数据分析

Pandas-profiling是数据质量探索的主要工具包，主要用来研究各个单变量数据的分布以及变量之间的相关关系分析。它首先对数据简单进行了一个统计性描述，会提示每个变量的缺失值情况，然后其中rejected表示由于和其他的变量之间的相关性很高，可以剔除该变量。此外还会告诉每个变量的分布。

# 数据探索html报告
profile = pandas_profiling.ProfileReport(data)
profile.to_file("winequality-red_output_file.html")

探索性数据分析HTML报告

从报告结果来看，数据没有缺失值，12个变量均是数值型变量。同时每个变量均有详细的描述性统计和分布可视化展示，红酒品质变量(quality)数据集中范围是3到8，绝大部分的红酒品质是5或6，其他变量分布这里不进行详细的描述。从相关性分析来看，红酒的品质(quality)与酒精(alcohol)、挥发性酸(volatile acidity)相关性最高。

我们也可以做个性化的单变量、双变量、多变量分析来深入探索这个数据，具体见下面三小节。

二、单变量分析

1、样本概况及简单描述性统计

首先通过.info()查看数据集变量的数据类型及样本概况，通过.describe()进行简单的描述性统计。

# 数据概览
data.info()

结果输出如下：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1599 entries, 0 to 1598
Data columns (total 12 columns):
fixed acidity           1599 non-null float64
volatile acidity        1599 non-null float64
citric acid             1599 non-null float64
residual sugar          1599 non-null float64
chlorides               1599 non-null float64
free sulfur dioxide     1599 non-null float64
total sulfur dioxide    1599 non-null float64
density                 1599 non-null float64
pH                      1599 non-null float64
sulphates               1599 non-null float64
alcohol                 1599 non-null float64
quality                 1599 non-null int64
dtypes: float