数据可视化

数据可视化

最快、最有效的方式是通过数据的可视化来加强对数据的理解。

单一图表

1、直方图

 2、密度图

3、箱线图

 #直方图

#由一系列高度不等的纵向条纹或线段表示数据的分布情况

#直观地看到数据是高斯分布、指数分布、偏态分布

from pandas import read_csv

import matplotlib.pyplot as plt

filename = 'pima_data.csv'

names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']

data = read_csv(filename,names=names)

data.hist()

plt.show()

#密度图

#密度图类似于对直方图进行抽象，用平滑的线描述数据的分布

data.plot(kind='density',subplots=True,layout=(3,3),sharex=False)

plt.show()

 #箱线图

#箱线图又称箱形图

#首先画一条中位数线，然后下四分位数和上四分位数画一个盒子，上下各有一条横线，表示上边缘和下边缘

#游离在边缘之外的点为异常值

data.plot(kind='box',subplots=True,layout=(3,3),sharex=False)

plt.show()

 

多重图表

显示不同属性之间的关联关系

1、相关矩阵图

 2、散点矩阵图

 #相关矩阵图

#两个不同属性相互影响的程度

#矩阵图法就是从多维问题的事件中找出成对的因素

import numpy as np

correlations = data.corr()

fig = plt.figure()

ax = fig.add_subplot(111)

cax = ax.matshow(correlations,vmin = -1,vmax = 1)

fig.colorbar(cax)

ticks = np.arange(0,9,1)

ax.set_xticks(ticks)

ax.set_yticks(ticks)

 

ax.set_xticklabels(names)

ax.set_yticklabels(names)

plt.show()

 

from pandas.plotting import scatter_matrix

#散点矩阵图

#表示因变量随自变量变化的趋势

scatter_matrix(data)

plt.show()