EDA中常用的九个可视化图表介绍和代码示例
|
探索性数据分析(EDA)是数据科学家用来分析和调查数据集并总结其主要特征的一种方法，通常采用数据可视化技术。我们可以说EDA是通过创建可视化和摘要来调查和理解数据集的过程。 探索性数据分析(EDA)是数据科学家用来分析和调查数据集并总结其主要特征的一种方法，通常采用数据可视化技术。我们可以说EDA是通过创建可视化和摘要来调查和理解数据集的过程。EDA是我们询问数据问题的一种方式，可以找出关于数据的所有信息，并理解它为什么是这样的(即识别趋势、模式、异常等)。 在这篇文章中我们介绍EDA中常用的9个图表，并且针对每个图表给出代码示例。 1、条形图/计数图 显示分类变量的分布。可视化数据集中每个类别的频率或计数。 复制 import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('tips') sns.countplot(x='day', data=data) plt.title('Count of Tips by Day') plt.show() 2、箱线图 显示数据中的平均值、中位数、分位数和离群值。比较多个变量的分布。可以识别扩散的数值变量，检测数据集中潜在的异常值。 复制 import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('tips') sns.boxplot(x='day', y='total_bill', data=data) plt.title('Box Plot of Total Bill by Day') plt.show() 3、密度图 作为数据科学家，建议使用密度图而不是直方图，因为我们猜测最佳的装箱数量是有问题的。 密度图可以可视化连续变量的分布。识别数据中的峰值、低谷和总体模式。了解分布的形状并比较多个变量的分布。 复制 import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('tips') sns.kdeplot(data['total_bill'], shade=True) plt.title('Density Plot of Total Bill') plt.show() 4、散点图 探索两个连续变量之间的关系。识别数据中的模式、相关性或集群。 复制 import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('tips') sns.scatterplot(x='total_bill', y='tip', data=data) plt.title('Scatter Plot of Total Bill vs. Tip') plt.show() 5、线型图 在时间序列中显示趋势或模式。表示连续区间内两个连续变量之间的关系，还可以比较连续范围内变量的变化。 复制 import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('tips') sns.lineplot(x='total_bill', y='tip', data=data) plt.title('Line Plot of Tip Over Total Bill') plt.show() 6、热图 显示数值变量的相关矩阵。识别大型数据集中的模式和关系。 复制 import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('tips') correlation_matrix = data.corr() sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm') plt.title('Correlation Heatmap') plt.show() 结合了箱形图和核密度图的特点，可以可视化一个数值变量在不同类别中的分布。 复制 import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('tips') sns.violinplot(x='day', y='total_bill', data=data) plt.title('Violin Plot of Total Bill by Day') plt.show() 为了进行对比，可以在同一图中并排比较多个子图。 复制 import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('tips') plt.figure(figsize=(12, 8)) plt.subplot(2, 2, 1) sns.scatterplot(x='total_bill', y='tip', data=data) plt.title('Scatter Plot of Total Bill vs Tip') plt.subplot(2, 2, 2) sns.boxplot(x='day', y='total_bill', data=data) plt.title('Box Plot of Total Bill by Day') plt.subplot(2, 2, 3) sns.barplot(x='day', y='total_bill', data=data) plt.title('Bar Plot of Total Bill by Day') plt.subplot(2, 2, 4) sns.histplot(data['total_bill'], kde=True) plt.title('Histogram of Total Bill') plt.tight_layout() plt.show() 9、关系图 Pairplot在中文中没有特定的翻译，我这里把它称作关系图，因为它是用于绘制变量之间的关系，通过对多个变量进行可视化来探索它们之间的相关性和趋势。 复制 import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('tips') sns.pairplot(data, hue='day') plt.suptitle('Pairplot of Numerical Variables by Day', y=1.02) plt.show() 总结 以上就是在EDA中常用的图表，可以看到seaborn是可以非常好用的工具，它基于matplotlib但是更加美观，并且需要编写的代码更少，所以在EDA需要简单的出图的时候可以优先使用它。 （编辑：济南站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |