资金流入流出预测实践

一、数据探索与分析

首先来看看seaborn这个库的用法，因为我们在作分析的时候，会频繁的使用这个库。

Seaborn是一种基于matplotlib的图形可视化python libraty。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。掌握seaborn能很大程度帮助我们更高效的观察数据与图表，并且更加深入了解它们。

安装seaborn

pip install seaborn
# anaconda 环境中
conda install seaborn

boxplot ：箱型图又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。它能显示出一组数据的最大值、最小值、中位数及上下四分位数。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。图解如下：

先来介绍下箱型图的一些统计学的意义：

1. IQR = Q3-Q1，即上四分位数与下四分位数之间的差，也就是盒子的长度。
2. 最小观测值为min = Q1 - 1.5*IQR，如果存在离群点小于最小观测值，则胡须下限为最小观测值，离群点单独以点汇出。如果没有比最小观测值小的数，则胡须下限为最小值。
3. 最大观测值为max = Q3 +1.5*IQR，如果存在离群点大于最大观测值，则胡须上限为最大观测值，离群点单独以点汇出。如果没有比最大观测值大的数，则胡须上限为最大值。

接下来我们介绍Seaborn中的箱型图的具体实现方法，这是boxplot的API：

seaborn.``boxplot(x=None,y=None,hue=None, data=None, order=None, hue_order=None, orient=None,color=None,palette=None, saturation=0.75,width=0.8,dodge=True,fliersize=5, linewidth=None,whis=1.5,ax=None, kwargs)

• x，y：dataframe中的列名（str）或者矢量数据

• data：dataframe或者数组

• **palette：**调色板，控制图像的色调

• plt.subplot(1, 2, 1)
  sns.boxplot(x="catagory",y="pw",data=data) #左图
  plt.subplot(1, 2, 2)
  sns.boxplot(x="catagory",y="pw",data=data,palette="Set3") #右图
  # 这边使用的是鸢尾花数据集，category代表的是分类，pw则是其中的一个特征。
  

  

• order, hue_order (lists of strings)：用于控制条形图的顺序

  sns.boxplot(x="catagory",y="pw",data=data,palette="Set3",order=[2,1,0]) 
  

  

• orient：“v”|“h” 用于控制图像使水平还是竖直显示（这通常是从输入变量的dtype推断出来的，此参数一般当不传入x、y，只传入data的时候使用）

  plt.subplot(1,2,1)
  sns.boxplot(data=data,orient="v",palette="Set3")  #竖直显示
  plt.subolot(1,2,2)
  sns.boxplot(data=data,orient="h",palette="Set3")  #水平显示 
  

  

violinplot 小提琴图，violinplot与boxplot扮演类似的角色，它显示了定量数据在一个（或多个）分类变量的多个层次上的分布，这些分布可以进行比较。不像箱形图中所有绘图组件都对应于实际数据点，小提琴绘图以基础分布的核密度估计为特征。具体用法如下：

seaborn.``violinplot(x=None, y=None , hue=None , data=None , order=None , hue_order=None , bw=‘scott’ , cut=2 , scale=‘area’ , scale_hue=True , gridsize=100 , width=0.8 , inner=‘box’ , split=False , dodge=True , orient=None , linewidth=None , color=None , palette=None , saturation=0.75 , ax=None , kwargs)

• bw：‘scott’, ‘silverman’, float，控制拟合程度。在计算内核带宽时，可以引用规则的名称（‘scott’, ‘silverman’）或者使用比例（float）。实际内核大小将通过将比例乘以每个bin内数据的标准差来确定；
• cut：空值外壳的延伸超过极值点的密度，float；
• scale：“area”, “count”, “width”，用来缩放每把小提琴的宽度的方法；
• scale_hue：当使用hue分类后，设置为True时，此参数确定是否在主分组变量进行缩放；
• gridsize：设置小提琴图的平滑度，越高越平滑；
• inner：“box”, “quartile”, “point”, “stick”, None,小提琴内部数据点的表示。分别表示：箱子，四分位，点，数据线和不表示；
• split：是否拆分，当设置为True时，绘制经hue分类的每个级别画出一半的小提琴；

barplot 条形图

条形图因为平时见得比较多，也很容易理解，这边就不细说了，直接看看api文档：

seaborn.``barplot(* x=None , y=None , hue=None , data=None , order=None , hue_order=None , estimator=<function mean at 0x105c7d9e0> , ci=95 , n_boot=1000 , units=None , seed=None , orient=None , color=None , palette=None , saturation=0.75 , errcolor=’.26’ , errwidth=None , capsize=None , dodge=True , ax=None , kwargs)

heatmap 热力图。将数据绘制为颜色方格（编码矩阵）

seaborn.``heatmap**(data , vmin=None , vmax=None , cmap=None , center=None , robust=False , annot=None , fmt=’.2g’ , annot_kws=None , linewidths=0 , linecolor=‘white’ , cbar=True , cbar_kws=None , cbar_ax=None , square=False , xticklabels=‘auto’ , yticklabels=‘auto’ , mask=None , ax=None , kwargs)

• data : 要显示的数据
• vmin, vmax : 显示的数据值的最大和最小的范围
• cmap : matplotlib颜色表名称或对象，或颜色列表，可选从数据值到色彩空间的映射。如果没有提供，默认设置
• center : 指定色彩的中心值
• linewidths : 划分每个单元格的线的宽度。
• linecolor : 划分每个单元格的线的颜色。

kdeplot（核密度估计图）

核密度估计(kernel density estimation)是在概率论中用来估计未知的密度函数，属于非参数检验方法之一。通过核密度估计图可以比较直观的看出数据样本本身的分布特征。具体用法如下：

seaborn.``kdeplot**(data , data2=None , shade=False , vertical=False , kernel=‘gau’ , bw=‘scott’ , gridsize=100 , cut=3 , clip=None , legend=True , cumulative=False , shade_lowest=True , cbar=False , cbar_ax=None , cbar_kws=None , ax=None , kwargs)

绘制简单的一维kde图像

x=np.random.randn(100)  #随机生成100个符合正态分布的数sns.kdeplot(x)

• cut：参数表示绘制的时候，切除带宽往数轴极限数值的多少(默认为3)

  sns.kdeplot(x,cut=0)
  

• cumulative ：是否绘制累积分布

  sns.kdeplot(x,cumulative=True)
  

  

• shade：若为True，则在kde曲线下面的区域中进行阴影处理，color控制曲线及阴影的颜色

  sns.kdeplot(x,shade=True,color="g")
  

  

• vertical：表示以X轴进行绘制还是以Y轴进行绘制

  sns.kdeplot(x,vertical=True)
  

  

displot

displot()集合了matplotlib的hist()与核函数估计kdeplot的功能，增加了rugplot分布观测条显示与利用scipy库fit拟合参数分布的新颖用途。具体用法如下：

seaborn.``distplot(a , bins=None , hist=True , kde=True , rug=False , fit=None , hist_kws=None , kde_kws=None , rug_kws=None , fit_kws=None , color=None , vertical=False , norm_hist=False , axlabel=None , label=None , ax=None)

先介绍一下直方图(Histograms)：

直方图又称质量分布图，它是表示资料变化情况的一种主要工具。用直方图可以解析出资料的规则性，比较直观地看出产品质量特性的分布状态，对于资料分布状况一目了然，便于判断其总体质量分布情况。直方图表示通过沿数据范围形成分箱，然后绘制条以显示落入每个分箱的观测次数的数据分布。

sns.distplot(x,color="g") # 数据还是上面的数据

通过hist和kde参数调节是否显示直方图及核密度估计(默认hist,kde均为True)

import matplotlib.pyplot as plt
plt.subplot(1,3,1)
sns.distplot(x) #左图

plt.subplot(1,3,2)
sns.distplot(x,hist=False) #中图

plt.subplot(1,3,3)
sns.distplot(x,kde=False) #右图

bins：int或list，控制直方图的划分

plt.subplot(1,2,1)
sns.distplot(x,kde=False,bins=20) #左图：分成20个区间
plt.subplot(1,2,2)
sns.distplot(x,kde=False,bins=[x for x in range(4)]) #右图：以0,1,2,3为分割点，形成区间[0,1],[1,2],[2,3]，区间外的值不计入。

rag：控制是否生成观测数值的小细条

plt.subplot(1,2,1)
sns.distplot(x,rug=True) #左图
plt.subplot(1,2,2)
sns.distplot(x) #右图

fit：控制拟合的参数分布图形，能够直观地评估它与观察数据的对应关系(黑色线条为确定的分布)

from scipy.stats import *
sns.distplot(x,hist=False,fit=norm) #拟合标准正态分布

norm_hist：若为True, 则直方图高度显示密度而非计数(含有kde图像中默认为True)

plt.subplot(1,2,1)
sns.distplot(x,norm_hist=True,kde=False) #左图
plt.subplot(1,2,2)
sns.distplot(x,kde=False) #右图

参考博客：

https://www.jianshu.com/p/96977b9869ac

https://www.cnblogs.com/tsingke/p/6565605.html

https://www.jianshu.com/p/844f66d00ac1