pandas可视化

数据分析DAY06

pandas可视化

​ 底层也是matplotlib

基本绘图

Series数据可视化

Series提供了plot方法以index作为x，以value作为y，完成数据可视化：

ts = pd.Series(np.random.randn(1000),
               index=pd.date_range('1/1/2000', periods=1000))
ts = ts.cumsum()
ts.plot()

DataFrame数据可视化

DataFrame提供了plot方法可以指定某一列作为x，某一列作为y，完成数据可视化：

df3 = pd.DataFrame(np.random.randn(1000, 2), 
                   columns=['B', 'C']).cumsum()
df3['A'] = np.arange(len(df3))
df3.plot(x='A', y='B')

高级绘图

plot()方法可以通过kind关键字参数提供不同的图像类型，包括：

类型	说明
bar or barh	柱状图
hist	直方图
box	箱线图
scatter Series不能使用散点图	散点图
pie Dataframe需要给subplots=True,或指定某一列	饼状图

相关API如下：

# 柱状图
series.plot.bar()
dataFrame.plot.bar()
dataFrame.plot.barh()

直方图

# 直方图
series.plot.hist(alpha=0.5, bins=5)
dataFrame.plot.hist(alpha=0.5, bins=5)

散点图

# 散点图
df.plot.scatter(x='a', y='b', c=col, colormap='');

饼状图

# 饼状图
series.plot.pie(figsize=(6, 6))
dataFrame.plot.pie(subplots=True, figsize=(6, 6), layout=(2, 2))

箱线图

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yB6yBnkt-1617628857330)(C:/Users/xuming/Desktop/20.04%E7%A0%94%E5%8F%91/%E6%96%B0%E7%89%88%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E8%AF%BE%E4%BB%B6/images/%E7%AE%B1%E7%BA%BF%E5%9B%BE.png)]

# 箱线图
# 先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间
df.plot.box()
# 分组箱线图
df.boxplot(by='X')


Q3+1.5QIR  #这组数据的正常数据的上限值
Q1-1.5QIR  #这组数据的正常数据的下限值

#在正常取值范围内的数据，则为异常值，使用小圆点表示

箱线图的指标：
	盒子顶部：Q3
    盒子底部：Q1
    盒子中的绿线：Q2
    盒子的长度（即Q3-Q1的距离=QIR）：表示50%的中心样本数据的分布

箱线图反应一组数据的集中趋势，四分位数的差可以反映一组数据的离散情况：

1. 中位数高，表示平均水平较高；反之则表示平均水平较低。
2. 箱子短，表示数据集中；箱子长，表示数据分散。

项目：分析影响学生成绩的因素

xxxxxxxx

项目：泰坦尼克号生存人员数据分析与可视化

项目：movielens电影数据分析与可视化

...
...
...

项目：二手房源信息数据分析与可视化

...
...
...

项目：电信流失用户数据分析与可视化

...
...
...

数据清洗：

​ 1.检测与处理重复值

​ drop_duplicates去重方法

​ 只对Series和DataFrame有效

​ 该方法不会改变数据的原始排列

​ 1.1 用法 ：

​ DataFrame(Series).drop_duplicates(self,subset=None,keep=‘first’,inplace=False)

​ subset：是表示要去重的列，subset=None,默认表示全部列，只有全部列相同才认为是相同

​ keep:表示数据重复的时，保留的数据

​ first：保留第一个（默认保留第一个）

​ last:保留最后一个

​ False:一个不留

​ inplace:是否修改原数据，默认是False

​ 2.检测与处理缺失值

​ 识别缺失值：isnull (返回值为True,False)

​ 识别非缺失值：notnull (返回值为True,False)

​ 结合sum()函数，可以检测一共有多少缺失值，True=1,False=0

​ 2.1删除法

​ DataFrame.dropna(self,axis=0,how=‘any’,subset=None,inplace=False)

​ axis：轴向 0为删除行，1为删除列，默认为0

			subset：要判断的行/列，如果为None，表示所有行/所有列

​ how：表示的删除形式，any：只要此行/列中，有缺失值，直接删除 all:当全部行/列都为缺失值时，执行删除操作

​ 2.2替换法

​ 2.3差值法

​ 3.检车预处理异常值

se)

​ axis：轴向 0为删除行，1为删除列，默认为0

			subset：要判断的行/列，如果为None，表示所有行/所有列

​ how：表示的删除形式，any：只要此行/列中，有缺失值，直接删除 all:当全部行/列都为缺失值时，执行删除操作

​ 2.2替换法

​ 2.3差值法

​ 3.检车预处理异常值