Python數據可視化探索實例分享

Posted on by

一、數據可視化與探索圖

數據可視化是指用圖形或表格的方式來呈現數據。圖表能夠清楚地呈現數據性質， 以及數據間或屬性間的關系，可以輕易地讓人看圖釋義。用戶通過探索圖（Exploratory Graph）可以瞭解數據的特性、尋找數據的趨勢、降低數據的理解門檻。

二、常見的圖表實例

本章主要采用 Pandas 的方式來畫圖，而不是使用 Matplotlib 模塊。其實 Pandas 已經把 Matplotlib 的畫圖方法整合到 DataFrame 中，因此在實際應用中，用戶不需要直接引用 Matplotlib 也可以完成畫圖的工作。

1.折線圖

折線圖（line chart）是最基本的圖表，可以用來呈現不同欄位連續數據之間的關系。繪制折線圖使用的是 plot.line() 的方法，可以設置顏色、形狀等參數。在使用上，拆線圖繪制方法完全繼承瞭 Matplotlib 的用法，所以程序最後也必須調用 plt.show() 產生圖，如圖8.4 所示。

df_iris[['sepal length (cm)']].plot.line()
plt.show()
ax = df[['sepal length (cm)']].plot.line(color='green',title="Demo",style='--')
ax.set(xlabel="index", ylabel="length")
plt.show()

2.散佈圖

散佈圖（Scatter Chart）用於檢視不同欄位離散數據之間的關系。繪制散佈圖使用的是 df.plot.scatter()，如圖8.5所示。

df = df_iris
df.plot.scatter(x='sepal length (cm)', y='sepal width (cm)')
from matplotlib import cm
cmap = cm.get_cmap('Spectral')
df.plot.scatter(x='sepal length (cm)',
          y='sepal width (cm)',
          s=df[['petal length (cm)']]*20,
          c=df['target'],
          cmap=cmap,
          title='different circle size by petal length (cm)')

3.直方圖、長條圖

直方圖（Histogram Chart）通常用於同一欄位，呈現連續數據的分佈狀況，與直方圖類似的另一種圖是長條圖（Bar Chart），用於檢視同一欄位，如圖 8.6 所示。

df[['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)','petal width (cm)']].plot.hist()
2 df.target.value_counts().plot.bar()

4. 圓餅圖、箱形圖

圓餅圖（Pie Chart）可以用於檢視同一欄位各類別所占的比例，而箱形圖（Box Chart）則用於檢視同一欄位或比較不同欄位數據的分佈差異，如圖 8.7 所示。

df.target.value_counts().plot.pie(legend=True)
df.boxplot(column=['target'],figsize=(10,5))

數據探索實戰分享:

本節利用兩個真實的數據集實際展示數據探索的幾種手法。

三、社區調查

在美國社區調查（American Community Survey）中，每年約有 350 萬個傢庭被問到關於他們是誰及他們如何生活的詳細問題。調查的內容涵蓋瞭許多主題，包括祖先、教育、工作、交通、互聯網使用和居住。

數據名稱：2013 American Community Survey。

先觀察數據的樣子與特性，以及每個欄位代表的意義、種類和范圍。

# 讀取數據
df = pd.read_csv("./ss13husa.csv")
# 欄位種類數量
df.shape
# (756065,231)
# 欄位數值范圍
df.describe()

先將兩個 ss13pusa.csv 串連起來，這份數據總共包含 30 萬筆數據，3 個欄位：SCHL ( 學歷，School Level)、 PINCP ( 收入，Income) 和 ESR ( 工作狀態，Work Status)。

pusa = pd.read_csv("ss13pusa.csv") pusb = pd.read_csv("ss13pusb.csv")
# 串接兩份數據
col = ['SCHL','PINCP','ESR']
df['ac_survey'] = pd.concat([pusa[col],pusb[col],axis=0)

依據學歷對數據進行分群，觀察不同學歷的數量比例，接著計算他們的平均收入。

group = df['ac_survey'].groupby(by=['SCHL']) print('學歷分佈:' + group.size())
group = ac_survey.groupby(by=['SCHL']) print('平均收入:' +group.mean())

四、波士頓房屋數據集

波士頓房屋數據集（Boston House Price Dataset）包含有關波士頓地區的房屋信息， 包 506 個數據樣本和 13 個特征維度。

數據名稱：Boston House Price Dataset。

先觀察數據的樣子與特性，以及每個欄位代表的意義、種類和范圍。

可以用直方圖的方式畫出房價（MEDV）的分佈，如圖 8.8 所示。

df = pd.read_csv("./housing.data")
# 欄位種類數量
df.shape
# (506, 14)
#欄位數值范圍df.describe()
import matplotlib.pyplot as plt
df[['MEDV']].plot.hist()
plt.show()

註：圖中英文對應筆者在代碼中或數據中指定的名字，實踐中讀者可將它們替換成自己需要的文字。

接下來需要知道的是哪些維度與“房價”關系明顯。先用散佈圖的方式來觀察，如圖8.9所示。

# draw scatter chart
df.plot.scatter(x='MEDV', y='RM') .
plt.show()

最後，計算相關系數並用聚類熱圖（Heatmap）來進行視覺呈現，如圖 8.10 所示。

# compute pearson correlation
corr = df.corr()
# draw  heatmap
import seaborn as sns
corr = df.corr()
sns.heatmap(corr)
plt.show()

顏色為紅色，表示正向關系；顏色為藍色，表示負向關系；顏色為白色，表示沒有關系。RM 與房價關聯度偏向紅色，為正向關系；LSTAT、PTRATIO 與房價關聯度偏向深藍， 為負向關系；CRIM、RAD、AGE 與房價關聯度偏向白色，為沒有關系。

到此這篇關於Python數據可視化探索實例分享的文章就介紹到這瞭,更多相關Python數據可視化內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：