python數(shù)據(jù)分析&可視化

【目錄】

1.jupyter

2.pandas

2.數(shù)據(jù)分析

3.數(shù)據(jù)展現(xiàn)與報(bào)告撰寫

4.Apriori算法

5.RFM模型

6.NumPy

7.可視化進(jìn)階

8.機(jī)器學(xué)習(xí)導(dǎo)論

（一）Jupyter

(二)pandas

import pandas as pd

1. pandas 庫(kù)的基本數(shù)據(jù)結(jié)構(gòu)

1. Series

①組成

Series 主要由一組數(shù)據(jù)及其對(duì)應(yīng)的索引組成。

②創(chuàng)建

? pd.Series() 就是創(chuàng)建 Series 對(duì)象的方法。這個(gè)方法包含的參數(shù)有很多。

? 主要先講解一種借助列表來(lái)創(chuàng)建 Series 對(duì)象的方法，也就是：pd.Series(data)。當(dāng)我們將列表傳給參數(shù) data 之后，在默認(rèn)情況下，pd.Series(data)會(huì)自動(dòng)為列表中的每一個(gè)元素分配對(duì)應(yīng)的數(shù)字索引。默認(rèn)索引是從 0 開(kāi)始，以 0, 1, 2, 3,… 的形式按序分配給列表中的元素。當(dāng)然，也可以人為設(shè)定 Series 對(duì)象的索引，只不過(guò)這不是這節(jié)課的重點(diǎn)。

輸入;

# 創(chuàng)建Series對(duì)象 surname = pd.Series(['趙', '錢', '孫', '李'], index = ['學(xué)生1', '學(xué)生2', '學(xué)生3', '學(xué)生4']) # 查看surname surname

輸出：

? 但其實(shí)除了列表以外，還有很多其他的方式可以創(chuàng)建Series：

2.DataFrame

①結(jié)構(gòu)

? DataFrame對(duì)象是一種表格型的數(shù)據(jù)結(jié)構(gòu)，包含行索引、列索引以及一組數(shù)據(jù)。

②創(chuàng)建

? 創(chuàng)建 DataFrame 對(duì)象的方法是：pd.DataFrame()。和創(chuàng)建 Series 對(duì)象一樣，創(chuàng)建 DataFrame 對(duì)象的參數(shù)也有很多。這節(jié)課會(huì)主要講解一種借助字典來(lái)創(chuàng)建 DataFrame 對(duì)象的方法，也就是：pd.DataFrame(data)。這里需要將一組數(shù)據(jù)傳給參數(shù) data，數(shù)據(jù)的形式可以是字典。

? 不過(guò)要注意：各鍵所對(duì)的值的長(zhǎng)度如果不相等，就意味著數(shù)據(jù)是長(zhǎng)短不一的，這樣的字典如果傳給了參數(shù)data，則會(huì)報(bào)錯(cuò)。

? 方法一：傳入字典

# 創(chuàng)建 DataFrame 對(duì)象 class_df = pd.DataFrame({'年齡': [25, 18, 23, 18],'性別': ['女', '女', '女', '男']}) # 查看 class_df class_df

? 方法二：傳入n維數(shù)組

# 創(chuàng)建DataFrame對(duì)象 import numpy as np class_df2 = pd.DataFrame(np.array([[25, '女'],[18, '女'],[23, '女'],[18, '男']]),columns = ['年齡', '性別'],index = [1, 2, 3, 4]) # 查看 class_df2 class_df2

? 方法三：傳入多個(gè)嵌套列表

goods_info = [['巧克力', 77.675, '47箱', '廣東佛山倉(cāng)'], ['牛奶', 58.755, '40箱', '廣東揭陽(yáng)倉(cāng)'], ['威化餅干', 7.385, '285盒', '廣西南寧倉(cāng)'], ['火腿腸', 34.823, '20件', '廣西柳州倉(cāng)'], ['巧克力', 62.648, '30箱', '廣東揭陽(yáng)倉(cāng)'], ['牛奶', 45.75, '12箱', '廣西柳州倉(cāng)'], ['威化餅干', 5.235, '148盒', '廣東佛山倉(cāng)'], ['火腿腸', 33.736, '28件', '廣東佛山倉(cāng)'] ]goods_df = pd.DataFrame(goods_info) goods_df

觀察兩個(gè)數(shù)據(jù)的內(nèi)容，可以發(fā)現(xiàn)1.3的區(qū)別。

1）以字典作為數(shù)據(jù)傳入時(shí)，字典的鍵會(huì)作為 DataFrame 對(duì)象的列名顯示，而字典的值會(huì)作為對(duì)象的列數(shù)據(jù)顯示。

2）以嵌套列表作為數(shù)據(jù)傳入時(shí)，列表的元素會(huì)作為 DataFrame 對(duì)象的行數(shù)據(jù)顯示，且會(huì)為數(shù)據(jù)默認(rèn)生成從 0 開(kāi)始的列名。

③列名設(shè)置

1 帶列名直接創(chuàng)建

# 設(shè)置列表 students_info = [['小藍(lán)', '語(yǔ)文', '79'], ['小邱', '數(shù)學(xué)', '83'], ['小李', '英語(yǔ)', '92']]# 使用列表創(chuàng)建 DataFrame 對(duì)象，同時(shí)設(shè)置列名 students_df = pd.DataFrame(students_info, columns=['姓名', '科目', '分?jǐn)?shù)']) students_df

2 補(bǔ)充、修改列名（賦值操作）

# 修改 goods_df 的列名 goods_df.columns = ['名稱', '單價(jià)', '庫(kù)存', '地址'] goods_df

3.Series 對(duì)象和 DataFrame 對(duì)象的聯(lián)系

? DataFrame 對(duì)象可以被看作是由 Series 對(duì)象所組成的。想要驗(yàn)證這層聯(lián)系，可以通過(guò) df['列索引'] 這個(gè)索引操作來(lái)實(shí)現(xiàn)。

2.導(dǎo)入數(shù)據(jù)文件

? pandas 庫(kù)為讀取各種文件類型的數(shù)據(jù)提供了非常簡(jiǎn)便高效的方法。

1.csv

pd.read_csv(path, encoding) 就是其中一種高效讀取 csv 文件的方法，返回的是一個(gè) DataFrame 對(duì)象。這個(gè)方法有很多參數(shù)，這里先介紹兩種最常用的：path，encoding。

? 對(duì)于參數(shù) path，需要傳一個(gè)文件路徑給它?？梢允窍鄬?duì)路徑，也可以是絕對(duì)路徑。對(duì)于參數(shù) encoding，需要傳一個(gè)文件編碼格式給它。文件編碼格式的選取需要根據(jù)所讀文件的編碼格式來(lái)定。

2.excel

? 它可以以 DataFrame 格式讀取 Excel 文件的數(shù)據(jù)，并返回一個(gè) DataFrame 對(duì)象。

3.部分總結(jié)

4.數(shù)據(jù)預(yù)處理

1.數(shù)據(jù)清洗

首先了解一下查看的方法：

• 直接輸入 DataFrame 對(duì)象的名稱能查看數(shù)據(jù)的前后 5 行

• 可以使用df.head()或df.tail()方法查看數(shù)據(jù)。對(duì)DataFrame 對(duì)象使用 df.head() 方法默認(rèn)可以查看數(shù)據(jù)的前 5 行，df.tail() 方法則默認(rèn)可以查看數(shù)據(jù)的后 5 行。當(dāng)然自己加進(jìn)去數(shù)字，就是前、后幾行的意思。

①處理缺失值

**1 查看基本信息 **

? 在實(shí)際的數(shù)據(jù)分析項(xiàng)目中，面對(duì)龐大的數(shù)據(jù)我們自然不能依賴肉眼的觀測(cè)。有一個(gè)工具能幫助我們提煉出基本的數(shù)據(jù)信息，從而能讓我們對(duì)于整體的數(shù)據(jù)有一個(gè)大概的印象。這個(gè)方法就是df.info()。

當(dāng)非空數(shù)據(jù)與數(shù)據(jù)總量不一致時(shí)，說(shuō)明這份數(shù)據(jù)有可能存在缺失值，處理這些缺失值的第一步，就是找到它們。

2 查找缺失值

? 在 pandas 庫(kù)中，我們可以使用 isna() 方法來(lái)查找 DataFrame 對(duì)象以及 Series 對(duì)象中的缺失值。它可以將查找結(jié)果以 DataFrame 對(duì)象或者 Series 對(duì)象的形式進(jìn)行返回。df.isna()返回的是 DataFrame 對(duì)象，Series.isna() 返回的就是 Series 對(duì)象。返回對(duì)象中的內(nèi)容都是布爾值，缺失數(shù)據(jù)會(huì)用 True 來(lái)表示，False 則代表這里的數(shù)據(jù)不缺失。

3 刪除缺失值（！記得一定要進(jìn)行賦值操作，把它重新賦給原來(lái)那個(gè)）

# 刪除所有缺失值 mask_data = mask_data.dropna() # 查看數(shù)據(jù)基本信息總結(jié) mask_data.info()

? 如果我們需要針對(duì)某幾列的缺失數(shù)據(jù)進(jìn)行刪除，就需要用到df.dropna()的 subset 參數(shù)。它可以指定 dropna() 方法刪除一列或多列數(shù)據(jù)中含有缺失值的行。我們可以把要指定的列名寫進(jìn)中括號(hào)[]中，然后賦值給 subset 參數(shù)，就可以限定 dropna() 方法的刪除范圍。

# 刪除'品牌', '上牌時(shí)間', '里程數(shù)(km)', '保值率'四列數(shù)據(jù)缺失的行 test_data = test_data.dropna(subset=['品牌', '上牌時(shí)間', '里程數(shù)(km)', '保值率']) # 查看 test_data 的基本信息總結(jié) test_data.info()

②處理重復(fù)值

1 查找重復(fù)值

? 我們可以直接使用 df.duplicated()（中文意思：重復(fù)的）方法來(lái)查找 DataFrame 對(duì)象中的重復(fù)數(shù)據(jù)。

? 可以看到，這里的返回結(jié)果很長(zhǎng)，我們完全沒(méi)有辦法用肉眼進(jìn)行觀察。

? 我們可以將 mask_data.duplicated() 返回的結(jié)果放入中括號(hào) [] 中，用來(lái)索引 mask_data 數(shù)據(jù)，查看 mask_data 數(shù)據(jù)中重復(fù)的行。

2 刪除重復(fù)行

? 可以使用 pandas 庫(kù)的 df.drop_duplicates() 方法直接刪除 DataFrame 對(duì)象中重復(fù)出現(xiàn)的整行數(shù)據(jù)。

? 我們能看見(jiàn) mask_data 的表頭下面是空的，說(shuō)明到這里已經(jīng)沒(méi)有重復(fù)數(shù)據(jù)了。

? 值得一提的是，df.drop_duplicates() 方法并不會(huì)將所有重復(fù)的行都刪除。這里你要弄清重復(fù)出現(xiàn)的行與重復(fù)的行之間的區(qū)別，在 pandas 庫(kù)中只有重復(fù)出現(xiàn)的數(shù)據(jù)才會(huì)被判定為重復(fù)數(shù)據(jù).，df.drop_duplicates() 方法刪除的也都是重復(fù)出現(xiàn)的行，因此所有重復(fù)數(shù)據(jù)的第一行都會(huì)保留。

######③處理異常值

1 檢查異常值

? 介紹一個(gè)檢查數(shù)據(jù)是否存在異常的方法 —— describe()。describe 單詞在英語(yǔ)里是描述的意思，而在 pandas 庫(kù)中 describe() 方法則可以查看 Series 對(duì)象或者DataFrame 對(duì)象的 描述性統(tǒng)計(jì)信息。

? 在計(jì)算機(jī)系統(tǒng)里，e+n 代表的是 10 的 n 次方。

2 抽取數(shù)據(jù)范圍(布爾索引)

? 在pandas庫(kù)中，有一種篩選數(shù)據(jù)的方法叫做布爾索引。之前我們有學(xué)過(guò)使用 df['列索引'] 來(lái)提取某一列的信息。在 pandas 庫(kù)中，我們還可以在 df[] 中通過(guò)表達(dá)式的形式來(lái)提取一定范圍的數(shù)據(jù)。比如我們想選擇 mask_data 數(shù)據(jù)中，單價(jià)一列小于等于 200 的數(shù)據(jù)，就可以設(shè)置條件表達(dá)式 mask_data['單價(jià)'] <= 200。把它加入括號(hào)中索引：mask_data[mask_data['單價(jià)'] <= 200]，就可以選取 mask_data 數(shù)據(jù)中單價(jià)這一列小于等于 200 的數(shù)據(jù)。

# 篩選單價(jià)小于等于 200 的數(shù)據(jù) mask_data = mask_data[mask_data['單價(jià)'] <= 200]

? 要注意，布爾索引用的也是中括號(hào)嗷。

總結(jié)：

2.數(shù)據(jù)整理

1.日期datetime

① 轉(zhuǎn)換日期數(shù)據(jù)

? 在 pandas 庫(kù)中我們可以使用 pd.to_datetime(arg, format) 來(lái)將 DataFrame 對(duì)象或者 Series 對(duì)象的數(shù)據(jù)類型轉(zhuǎn)換成 datetime 類型。其中的 arg 參數(shù)為我們要轉(zhuǎn)換的數(shù)據(jù)，它可以是DataFrame 對(duì)象或 Series 對(duì)象。我們這次要轉(zhuǎn)換的數(shù)據(jù)為 mask_data 中的’日期’字段，所以對(duì)應(yīng)的 arg 參數(shù)就是 mask_data[‘日期’]。format 參數(shù)為 datetime 類型的日期格式，比如說(shuō)這份數(shù)據(jù)，它是以年-月-日的形式出現(xiàn)的，那么它對(duì)應(yīng)的 format 就是 ‘%Y-%m-%d’（year-month-day的縮寫）。

# 轉(zhuǎn)換日期數(shù)據(jù)，并設(shè)置對(duì)應(yīng)的日期格式 date_data = pd.to_datetime(mask_data['日期'], format = '%Y-%m-%d') # 查看 date_data date_data

? 將’日期’字段轉(zhuǎn)換成 datetime 類型后，我們就可以直接從中提取月份信息。

② 提取月份信息

? 這一步需要用到 Series.dt.month。其中的 Series 指的就是剛才日期數(shù)據(jù)轉(zhuǎn)換完后的 Series 對(duì)象，我將它賦值到了變量 date_data。Series.dt 可以把 datetime 類型的數(shù)據(jù)轉(zhuǎn)成一種方便我們提取日期或時(shí)間的對(duì)象。這種對(duì)象包含多種屬性，其中有 year（年）、month（月）、day（日）等。想要獲取這份數(shù)據(jù)的年、月、日的信息，可以通過(guò) Series.dt.year、Series.dt.month 以及 Series.dt.day 來(lái)獲取。

# 提取日期數(shù)據(jù)中的月份信息 month_data = date_data.dt.month

③ 添加新列

? 在 pandas 庫(kù)中，我們可以直接用 df['colname'] = Series 的方式來(lái)為原數(shù)據(jù)添加新的一列。colname 指的是要添加的新列的列名。在這個(gè)案例中，colname 就是月份。也就是說(shuō)直接對(duì)新增的這列數(shù)據(jù)進(jìn)行賦值，就能為 DataFrame 對(duì)象添加新列。因此最后添加’月份’字段到原數(shù)據(jù)的代碼就是：mask_data['月份'] = month_data。

# 將月份數(shù)據(jù)添加到原數(shù)據(jù)中 mask_data['月份'] = month_data # 查看原數(shù)據(jù) mask_data

④ 總結(jié)

2.數(shù)據(jù)排序

①排序sort_values

sort_values() 方法，可以對(duì)指定列進(jìn)行排序操作。（默認(rèn)是升序排列）

#根據(jù)某列的值進(jìn)行升序排序 sorted_goods=newgoods_df.sort_values(by='單價(jià)') #如果我們不想對(duì)上面的數(shù)據(jù)集進(jìn)行排序，只想提取出【單價(jià)】列，單獨(dú)進(jìn)行排序 newgoods_df['單價(jià)'].sort_values()

? 另外，不單是 DataFrame 對(duì)象可以調(diào)用 sort_values() 方法，Series 對(duì)象也能調(diào)用該方法。但要注意的是，使用 DataFrame 對(duì)象調(diào)用 sort_values() 方法時(shí)，可以通過(guò)參數(shù) by 來(lái)指定某一列。而 Series 對(duì)象調(diào)用該函數(shù)時(shí)，函數(shù)沒(méi)有參數(shù) by。原因是 Series 對(duì)象不具備列索引（列名）。這一細(xì)節(jié)點(diǎn)，在書寫代碼時(shí)需要多加留意。

②重置索引

# 重置數(shù)據(jù) sorted_goods 的行索引 reset_goods = sorted_goods.reset_index(drop=True) reset_goods

3.數(shù)據(jù)四舍五入

# 保留【體重】列的數(shù)據(jù)到一位小數(shù) humans_df['體重']=round(humans_df['體重'],1) humans_df

? 這里有兩個(gè)是一定要注意的，一個(gè)是注意第一行是把df里的某一列重新賦值，而不是對(duì)整個(gè)df賦值；還要注意round是獨(dú)立函數(shù)，并不需要跟在什么再加個(gè)點(diǎn)的后面。

4.函數(shù)處理 s.agg(func)

①單個(gè)函數(shù)處理

? 方法 agg() 中的參數(shù) func 可以為自定義的函數(shù)名，這里在使用時(shí)需要注意，傳入自定義的函數(shù)時(shí)，只需要寫上函數(shù)名，不需要加上括號(hào)以及函數(shù)的參數(shù)。

#定義一個(gè)切掉最后一個(gè)字符的函數(shù)（可用來(lái)去掉數(shù)值后的單位） def new_fuc(data):number=data[:-1]return int(number)# 使用 agg() 方法對(duì)【庫(kù)存】列的數(shù)據(jù)進(jìn)行切片處理 reset_goods['庫(kù)存'] = reset_goods['庫(kù)存'].agg(new_func) reset_goods

? 其實(shí)這個(gè)傳入的數(shù)據(jù)類型是要很重視的！！對(duì)吧因?yàn)檫@個(gè)稍微有那么一點(diǎn)點(diǎn)奇怪至少超出我現(xiàn)有的底層邏輯范圍，我暫時(shí)就只能構(gòu)建一下中層邏輯了。

? 雖說(shuō)這個(gè)函數(shù)對(duì)傳入的data切去了最后一個(gè)字符，但我們要認(rèn)清data的本質(zhì)，它是某一列中的一個(gè)，也就是說(shuō)，這是對(duì)待某一個(gè)對(duì)象的函數(shù)，不是對(duì)某一列的函數(shù)，所以必然用不到for i in xxx的循環(huán)去遍歷某一個(gè)列呀，因?yàn)樗诒籥gg使用的時(shí)候就包含了這樣的逐個(gè)取出了。也就是說(shuō)，agg這個(gè)函數(shù)的使用，本身就是對(duì)這一列的每一個(gè)元素逐個(gè)使用了！所以下面這段代碼一定是不對(duì)的！同時(shí)還忘記了非常關(guān)鍵的return!

#錯(cuò)誤代碼示例 ## 定義函數(shù)，以替換【數(shù)量】列的“-”為 0 #def exchange(data): # for i in range(len(data)): # if data[i]='-': # data[i]=0 #foods_df['數(shù)量'].agg(exchange)#正確代碼示范 def exchange(data):if data='-':data=0return data foods_df['數(shù)量'].agg(exchange)

②多個(gè)函數(shù)處理（傳入字典、且只支持部分特定函數(shù)）

# 定義字典 dict_2 !! 注意后面不帶括號(hào)嗷 dict_2 = {'單價(jià)': 'mean', '庫(kù)存': 'sum' } # 同時(shí)計(jì)算各食品的平均單價(jià)和總庫(kù)存量 reset_goods.groupby('名稱').agg(dict_2)

? 代碼可分為3步進(jìn)行理解：

1）使用 reset_goods.groupby('名稱') 讓數(shù)據(jù)按【名稱】列進(jìn)行分組；

2）定義一個(gè)字典 dict_2，字典的鍵為我們需要操作的列名，如 '單價(jià)'、'庫(kù)存'。字典的值為我們需要操作的函數(shù)名，這里我們需要求平均值函數(shù) mean()，求和函數(shù) sum()。（可使用的函數(shù)可參照下表：）同樣需要注意的是，操作的函數(shù)只需要函數(shù)名，不需要函數(shù)名后的括號(hào)以及函數(shù)的參數(shù)。

3）分組后的數(shù)據(jù)調(diào)用 agg() 方法時(shí)，為方法的參數(shù) func 傳入字典 dict_2，可以同時(shí)得到各食品的平均單價(jià)和總庫(kù)存量。

5.數(shù)據(jù)類型轉(zhuǎn)換

? Python 提供了一個(gè) astype() 方法，該方法可以將 Series/DataFrame 對(duì)象轉(zhuǎn)換為指定的數(shù)據(jù)類型。astype() 方法中的參數(shù) dtype，我們可以為其賦上需要的數(shù)據(jù)類型，如 int、str 等。其中，由于參數(shù) dtype 是 astype() 方法的第一個(gè)位置參數(shù)，所以我們?cè)谑褂脮r(shí)無(wú)需寫為 astype(dtype=int)，可以直接寫為 astype(int)。

6.數(shù)據(jù)批量替換

? replace() 方法中的參數(shù) to_replace 可以是一個(gè)字典，字典可以將指定的列數(shù)據(jù)替換為不同的值。

亂入階段小小結(jié)：

5.數(shù)據(jù)寫入

1.csv

? 使用 df.to_csv() 方法，將清洗好的數(shù)據(jù)寫入 csv 文件中。

# 保存清洗干凈的數(shù)據(jù) mask_data.to_csv('./工作/mask_data_clean.csv', encoding = 'utf-8')

?

? 打開(kāi)文件后你會(huì)發(fā)現(xiàn)，最左側(cè)多了一列數(shù)據(jù)。這個(gè)數(shù)據(jù)是 DataFrame 對(duì)象的行索引。pandas 庫(kù)將 csv 文件讀取為 DataFrame對(duì)象 時(shí)都會(huì)自動(dòng)生成行索引。所以我們寫入時(shí)也會(huì)把行索引單獨(dú)作為一列寫進(jìn)數(shù)據(jù)文件中。這里我們可以使用 df.to_csv() 方法的 index 參數(shù)來(lái)限制 DataFrame 對(duì)象的行索引是否寫入到 csv 文件。它的默認(rèn)值為 True，會(huì)讓你寫入的 csv 文件包含一列行索引。如果我們把這個(gè)參數(shù)設(shè)置為 index = False 就可以取消寫入行索引，不用將行索引那一列寫入 csv 文件。

# 保存清洗干凈的數(shù)據(jù)，并取消寫入行索引 mask_data.to_csv('./工作/mask_data_clean.csv', index = False)

2.excel

? to_excel() 函數(shù)可以以 DataFrame 格式將數(shù)據(jù)寫入到 Excel 文件。

? 因?yàn)?Excel 表中默認(rèn)有行索引，所以如果數(shù)據(jù)的行索引在工作簿中不具備參考價(jià)值，建議不寫入到工作簿中。

階段性小總結(jié)：

1.基本的數(shù)據(jù)處理

2.較為進(jìn)階的數(shù)據(jù)處理

6. 數(shù)據(jù)分析（分組聚合）

1.單層分組聚合

? 單層分組聚合操作指的是針對(duì)某一個(gè)組進(jìn)行聚合操作。

? df.groupby(by)['列索引'].mean()即為按某列索引分組并求出該組的平均值的方法。

? 注意，那個(gè)by的地方，圓括號(hào)里帶不帶方括號(hào)都可，結(jié)果一樣。但是一定要理解原理，這里的方括號(hào)可行只是因?yàn)榭梢钥醋饕粋€(gè)只有一個(gè)內(nèi)容的列表吧，因?yàn)橛卸鄬臃纸M的存在才導(dǎo)致了它可行，但你可以看到，它絕對(duì)不是作為col那樣的含義，因?yàn)樵诙鄬永镌偬追嚼ㄌ?hào)，它就不行了。

grade_df2 =grade_df.groupby(['性別'])['成績(jī)'].median() grade_df2 = grade_df.groupby('性別')['成績(jī)'].median()

?

? 求平均值只是聚合操作的一種，聚合操作還有很多，幾個(gè)常用的聚合操作方法如下：

2. 多層分組聚合

? 唯一的不同點(diǎn)在于索引的層數(shù)上。層數(shù)的不同體現(xiàn)在參數(shù) by 的賦值方式上。在單層分組聚合操作的時(shí)候，只需要將一個(gè)列索引傳給參數(shù) by 就可以了。而多層分組聚合操作需要傳多個(gè)列索引給參數(shù) by。

? 需要注意的是，這些列索引在傳進(jìn)參數(shù) by 之前，需要先被放進(jìn)一個(gè)“容器”里，這個(gè)容器可以是列表。

# 獲取不同性別的學(xué)生處于不同班級(jí)時(shí)的平均分 grade_df4 = grade_df.groupby(['性別', '班級(jí)'])['成績(jī)'].mean() # 查看grade_df4 grade_df4

? 注意，里面可不能再套方括號(hào)啦。

如果再多一層：

? 雖然通過(guò)多層分組聚合的方法，可以求出不同組別下的學(xué)生考試成績(jī)的情況，但是返回的結(jié)果看起來(lái)卻有些冗雜，所有的組別信息都扎堆出現(xiàn)在了一個(gè) Series 對(duì)象的索引中。

? s.unstack() 函數(shù)就是解決這個(gè)問(wèn)題的常見(jiàn)方法。它可以將一個(gè)多層分組聚合后的 Series 對(duì)象轉(zhuǎn)變成 DataFrame 對(duì)象。

# 對(duì)grade_df5使用unstack函數(shù) grade_df5.unstack()

? s.unstack() 這個(gè)方法是針對(duì)多層分組聚合后的 Series 對(duì)象來(lái)使用的。作用就是將其索引的最后一列轉(zhuǎn)變成 DataFrame 對(duì)象的列索引，而剩下的索引則轉(zhuǎn)變成 DataFrame 對(duì)象的行索引。

# 獲取上圖所示的表格 grade_df6 = grade_df.groupby(['班級(jí)', '眼鏡', '性別'])['成績(jī)'].mean().unstack() # 查看grade_df6 grade_df6

7.數(shù)據(jù)可視化

1.導(dǎo)入中文字體

# 導(dǎo)入matplotlib庫(kù)的pyplot模塊 from matplotlib import pyplot as plt # 設(shè)置中文字體 plt.rcParams['font.family'] = ['Source Han Sans CN']

? plt.rcParams['font.family'] 可以獲取 matplotlib 庫(kù)中的字體，'Source Han Sans CN' 指的是我們課程系統(tǒng)自帶的中文字體。plt.rcParams['font.family'] = ['Source Han Sans CN'] 意味著我們將課程中自帶的中文字體添加到了 matplotlib 的字體庫(kù)中。

? 而不同系統(tǒng)下自帶的中文字體是不一樣的，以下為Windows 和 Mac OS 系統(tǒng)下的常用中文字體。

2.單條折線圖

series.plot(kind='line', figsize=(7, 7), title='此人月考成績(jī)')

? 繪制單條折線圖的代碼是：s.plot()。同樣的，這個(gè)方法有很多可以傳入的參數(shù)，主要的是以下三個(gè)參數(shù)：

3.多條折線圖

# 創(chuàng)建三位學(xué)生成績(jī)的df students_grade = pd.DataFrame({'李健': [80, 85, 89, 91, 88, 95],'王聰': [95, 92, 90, 85, 75, 80],'過(guò)凡': [90, 91, 92, 91, 90, 91]}, index=['2月', '3月', '4月', '5月', '6月', '7月']) # 繪制多條折線圖 students_grade.plot(kind='line', figsize=(7, 7), title='月考成績(jī)')

多條折線圖的繪制方法是：df.plot()。它和單條折線圖相比，最大的區(qū)別就在于：多條折線圖是針對(duì)一個(gè) DataFrame 對(duì)象來(lái)繪制的，而單條折線圖是針對(duì)一個(gè) Series 對(duì)象來(lái)繪制的.df.plot() 默認(rèn)會(huì)將每一列數(shù)據(jù)用 s.plot() 繪制成單條折線圖，然后合并到同一張圖上。而剛才提到的三個(gè)參數(shù)：kind、figsize、title 以及補(bǔ)充給你的幾個(gè)參數(shù)，df.plot() 都是可以沿用的，效果也相同。

4.餅圖

# 導(dǎo)入數(shù)據(jù) my_data = pd.read_csv('./工作/clean_data.csv', encoding='utf-8') # 查看my_data my_data # 獲取行業(yè)的頻率分布 profession = my_data['行業(yè)'].value_counts()/my_data['行業(yè)'].value_counts().sum() # 繪制行業(yè)頻率分布的餅圖 profession.plot(kind='pie', autopct='%.2f%%', figsize=(7, 7), title='行業(yè)頻率分布圖', label='')

5.條形圖

# 獲取崗位的頻率分布 position = my_data['崗位'].value_counts()/my_data['崗位'].value_counts().sum() # 繪制崗位的頻率分布條形圖 position.plot(kind='bar', figsize=(13, 6), title='崗位頻率分布條形圖')

(三)matplotlib

0.數(shù)據(jù)可視化工具

? 首先介紹一下數(shù)據(jù)可視化的主流工具：

? Tableau 和 PowerBI 均為數(shù)據(jù)可視化工具的頭部選手，它們的功能比較接近，主要是制作數(shù)據(jù)看板。其中 Tableau 偏商業(yè)分析，可視化偏標(biāo)準(zhǔn)化，需要付費(fèi)。PowerBI 適合所有類型的用戶，可視化更具定制化，但是自定義和共享儀表板需要付費(fèi)。而 Python 作為一種編程語(yǔ)言，通過(guò)調(diào)用第三方可視化庫(kù)作圖，覆蓋的圖表種類很多，定制化非常強(qiáng)，并且免費(fèi)。再加上 Python 基本涵蓋了數(shù)據(jù)分析的整個(gè)流程：從數(shù)據(jù)處理到數(shù)據(jù)分析，再到數(shù)據(jù)展現(xiàn)。可以說(shuō)是行云流水，一氣呵成。

? 在 Python 中有幾個(gè)常用的第三方可視化庫(kù)：pandas、matplotlib 以及 seaborn。

? 更傾向于推薦 matplotlib 庫(kù)，主要原因是：

1）matplotlib 庫(kù)相較于 pandas 繪圖以及 seaborn 繪圖工具更為底層，因此，matplotlib庫(kù)中的繪圖函數(shù)、參數(shù)相對(duì)更多，我們可以根據(jù)自己的風(fēng)格自由選擇。

2）從應(yīng)用范圍上來(lái)看，在 python 數(shù)據(jù)分析領(lǐng)域，matplotlib 庫(kù)是與 numpy 庫(kù)、pandas 庫(kù)并駕齊驅(qū)的三庫(kù)之一，被稱作 python 數(shù)據(jù)分析的“三劍客”，由此可見(jiàn)其應(yīng)用范圍之廣。

1.導(dǎo)入庫(kù)

from matplotlib import pyplot as plt

2.畫布的生成與保存

? 生成畫布用到的是 pyplot 模塊下的 figure 函數(shù)，即 plt.figure()。其中的參數(shù) figsize 可以控制畫布的長(zhǎng)和寬，一般用元組的形式進(jìn)行賦值。

# 生成畫布，并設(shè)置畫布的大小 plt.figure(figsize=(6, 6))

? 輸出結(jié)果<Figure size 432x432 with 0 Axes>表示生成了一個(gè)空白的畫布對(duì)象。畫布大小為 6 英寸x6 英寸，默認(rèn)分辨率為 72 像素/英寸，所以像素為 432x432。

? 如果要將 jupyter 沙盒中生成的圖形保存到本地，可以用 plt.savefig()對(duì)畫布進(jìn)行保存，這里只需要設(shè)置它的路徑參數(shù)。

# 前面已經(jīng)作完圖了哈 # 保存畫布，并設(shè)置保存路徑 plt.savefig('./工作/各月總訂單量趨勢(shì)圖.png')

3.設(shè)置x/y坐標(biāo)值

1.直接用列表創(chuàng)建series對(duì)象

? x 是指坐標(biāo)點(diǎn)的橫坐標(biāo)（簡(jiǎn)稱 x 坐標(biāo)值），y 是指坐標(biāo)點(diǎn)的縱坐標(biāo)（簡(jiǎn)稱 y 坐標(biāo)值），它們均為可迭代對(duì)象，你可以理解為有序的元素序列，比如 x = (x1, x2, x3, ……, xn)，y = (y1, y2, y3, ……, yn)。

? 這里以 Series 對(duì)象為例設(shè)置 x/y 坐標(biāo)值。

# 設(shè)置 x/y 坐標(biāo)值 x = pd.Series(['第一季度', '第二季度', '第三季度', '第四季度']) y = pd.Series([160, 200, 180, 155])

2.讀取已有的series對(duì)象

# 設(shè)置 x 坐標(biāo)值 x=series.index # 設(shè)置 y 坐標(biāo)值 y=series.values

4.繪制圖表

1.折線圖

# 生成畫布，并設(shè)置畫布的大小 plt.figure(figsize=(6, 6)) # 設(shè)置 x/y 坐標(biāo)值 x = pd.Series(['第一季度', '第二季度', '第三季度', '第四季度']) y = pd.Series([59, 70, 68, 56])# 繪制折線圖，并調(diào)整線條顏色為湖藍(lán)色 plt.plot(x, y, color='dodgerblue')

相關(guān)常用參數(shù)：

matplotlib相關(guān)顏色：

? 參數(shù) marker 可以設(shè)置數(shù)據(jù)標(biāo)記點(diǎn)的形狀，有點(diǎn)、圓、加號(hào)等，常見(jiàn)為字符串類型，有以下這些：

2.柱狀圖

? 和折線圖一樣，繪制柱狀圖也需要設(shè)置 x/y 坐標(biāo)值，不同的是柱狀圖繪圖函數(shù) plt.bar()的參數(shù)是 x 和 height，height 表示柱子的高，對(duì)應(yīng) y 坐標(biāo)值。

# 生成畫布，并設(shè)置畫布的大小 plt.figure(figsize=(6, 6)) # 設(shè)置 x/y 坐標(biāo)值 x = pd.Series(['第一季度', '第二季度', '第三季度', '第四季度']) y = pd.Series([59, 70, 68, 56])# 繪制柱狀圖，并調(diào)整顏色為深橘色，透明度為 60% plt.bar(x, height=y, color='darkorange', alpha=0.6)

3.餅圖

? 餅圖和折線圖、柱狀圖在圖像特征方面差異蠻大的，它只用到了 x 表示餅圖中各個(gè)扇形面積的大小。

# 生成畫布，并設(shè)置畫布的大小 plt.figure(figsize=(6,6)) # 設(shè)置扇形面積值(x值) x=pd.Series([59,70,68,56]) # 設(shè)置百分比小數(shù)的位數(shù)：保留百分比小數(shù)點(diǎn)后兩位 autopct='%.2f%%' # 設(shè)置百分比字體大小和顏色 textprops={'fontsize':12,'color':'black'} # 設(shè)置餅圖的“爆炸效果”：讓扇形遠(yuǎn)離圓心 explode=[0.1,0,0,0] # 設(shè)置不同扇形的顏色 colors=['cornflowerblue', 'salmon', 'yellowgreen', 'orange'] # 繪制餅圖 plt.pie(x,autopct=autopct,textpros=textpros,explode=explode,colors=colors)

?

5.設(shè)置圖表標(biāo)題

? 圖表標(biāo)題默認(rèn)放在圖表頂部，向讀者傳遞圖表的名稱。設(shè)置圖表標(biāo)題用的是 plt.title()函數(shù)，包含兩個(gè)參數(shù)：第一個(gè)參數(shù) label 設(shè)置圖表的標(biāo)題名，常見(jiàn)為字符串類型；第二個(gè)參數(shù) fontsize 設(shè)置標(biāo)題的字體大小，需要向它傳入一個(gè)代表字體大小的數(shù)值。

# 生成畫布，并設(shè)置畫布的大小 plt.figure(figsize=(6, 6)) # 繪制柱狀圖 plt.bar(x, height=y, color='darkorange', alpha=0.6)# 設(shè)置圖表標(biāo)題名及字體大小 plt.title('2020年各季度研發(fā)費(fèi)用分布圖', fontsize=20)

? 稍稍拓展一下，如果想設(shè)置更豐富的字體樣式，可以用 fontdict 參數(shù)代替 fontsize。fontdict 是一個(gè)包含許多參數(shù)的字典，以思源黑體字體為例，詳見(jiàn)以下表格👇。

# 生成畫布，并設(shè)置畫布的大小 plt.figure(figsize=(6, 6)) # 繪制柱狀圖 plt.bar(x, height=y, color='darkorange', alpha=0.6)# 設(shè)置圖表標(biāo)題名及字體大小 plt.title('2020年各季度研發(fā)費(fèi)用分布圖', fontdict={'family': 'Source Han Sans CN', 'color': 'blue', 'weight': 'bold', 'size': 16})

6.設(shè)置坐標(biāo)軸

? 主要考慮坐標(biāo)軸刻度和坐標(biāo)軸標(biāo)題：

1.坐標(biāo)軸刻度

? 設(shè)置 x、y 軸刻度的函數(shù)分別是 plt.xticks()和 plt.yticks()。調(diào)用這兩個(gè)函數(shù)，就可以根據(jù) x、y 坐標(biāo)值自動(dòng)生成 x、y 軸刻度字體大小。

# 生成畫布，并設(shè)置畫布的大小 plt.figure(figsize=(6, 6)) # 設(shè)置 x/y 坐標(biāo)值 x = pd.Series(['第一季度', '第二季度', '第三季度', '第四季度']) y = pd.Series([59, 70, 68, 56]) # 繪制柱狀圖 plt.bar(x, height=y, color='darkorange', alpha=0.6)# 設(shè)置坐標(biāo)軸的刻度字體大小 plt.xticks(fontsize=12) plt.yticks(fontsize=12)

? 當(dāng)然，坐標(biāo)軸刻度是可以自定義的，比如調(diào)整刻度的間隔、標(biāo)簽名稱等。不過(guò)在此先不作過(guò)多贅述。

2.坐標(biāo)軸標(biāo)題

# 設(shè)置坐標(biāo)軸的標(biāo)題名及字體大小 plt.xlabel('季度', fontsize=15) plt.ylabel('研發(fā)費(fèi)用（百萬(wàn)元）', fontsize=15)

? 拓展一下，在上述函數(shù)中還可以添加參數(shù) ha和va，設(shè)置標(biāo)題文本的對(duì)齊方式：與水平對(duì)齊方式有關(guān)的參數(shù) ha，可選’left’、‘right’、'center’等，以及與垂直對(duì)齊方式有關(guān)的參數(shù) va，可選 ‘center’、 ‘top’、 ‘bottom’、 'baseline’等。

7.設(shè)置圖例

? 設(shè)置圖例用到 plt.legend()函數(shù)，其中的參數(shù)labels表示圖例名稱，對(duì)應(yīng)圖中的多個(gè)條件，通常傳入可迭代對(duì)象，比如列表、Series 對(duì)象等。

# 設(shè)置圖例為'研發(fā)費(fèi)用變化'、'研發(fā)費(fèi)用分布' plt.legend(['研發(fā)費(fèi)用變化','研發(fā)費(fèi)用分布'])

8.設(shè)置數(shù)據(jù)標(biāo)簽

? 數(shù)據(jù)標(biāo)簽是指坐標(biāo)點(diǎn)上方顯示的標(biāo)簽，用于呈現(xiàn)每個(gè)坐標(biāo)點(diǎn)的數(shù)據(jù)信息。添加數(shù)據(jù)標(biāo)簽用到 plt.text()函數(shù)，它有幾個(gè)參數(shù)，分別是 x、y、s、ha、va 以及 fontsize。

? 調(diào)用 plt.text()函數(shù)可以在圖表的指定位置添加文本，但是每次只能添加一個(gè)。這里需要重點(diǎn)強(qiáng)調(diào) x、y 的用法，x、y 表示所添加文本的位置，受到函數(shù)本身的屬性限制，常見(jiàn)為數(shù)值或者字符串類型，這與繪圖函數(shù)中 x、y 可以傳入可迭代對(duì)象有很大的差異。

? 更為簡(jiǎn)潔的代碼可以借助 zip()函數(shù)實(shí)現(xiàn)?？梢詫?zip()函數(shù)理解為拉鏈，x=(x1, x2, x3,……, xn)為拉鏈的左邊，y=(y1, y2, y3,……, yn)為拉鏈的右邊，經(jīng)過(guò) zip()函數(shù)，就合并為(x1, y1), (x2, y2), (x3, y3),……,(xn, yn)。

? zip()函數(shù)可以從 x、y 元素序列中依次取出元素，按照順序進(jìn)行一對(duì)一匹配。

# 設(shè)置數(shù)據(jù)標(biāo)簽 for a, b in zip(x, y):plt.text(a, b, b, ha='center', va='bottom', fontsize=12)

9.總結(jié)

? 其實(shí)有的時(shí)候要注意的點(diǎn)是，每個(gè)要傳進(jìn)去的參數(shù)是什么格式，比如數(shù)字、字符串、列表、字典，這些一定要搞清楚了。我覺(jué)得這一切都和維度有關(guān)，比如列表，它是在同一個(gè)維度進(jìn)行縱向延申的，只要封在了一個(gè)列表里，它就是一個(gè)類型的東西，你加進(jìn)去很多個(gè)都是同類型的具體對(duì)應(yīng)不同而已；但是字典就用在多個(gè)維度，比如每一個(gè)東西對(duì)應(yīng)了一個(gè)什么或幾個(gè)什么。所以我感覺(jué)，很多時(shí)候，用列表是為了強(qiáng)調(diào)它們的并列性，防止被認(rèn)為是多個(gè)維度的東西；而用字典傳入是因?yàn)榇_實(shí)是同一事物的多個(gè)維度，所以只能用字典傳入。

階段小結(jié)：

（四）關(guān)聯(lián)分析與Apriori算法

1.關(guān)聯(lián)分析

? 關(guān)聯(lián)分析，是一門分析技術(shù)，用于發(fā)現(xiàn)大量數(shù)據(jù)中，各組數(shù)據(jù)之間的聯(lián)系。

? 交易中的不同物品可稱為一個(gè)項(xiàng)。所以，這4條交易記錄，一共含有4個(gè)項(xiàng)（商品類目）：“薯?xiàng)l”，“可樂(lè)”，“奶茶”，“漢堡”。0個(gè)或多個(gè)項(xiàng)的集合，可稱為一個(gè)項(xiàng)集，一般用{X}的形式表示項(xiàng)集，k 個(gè)項(xiàng)組成的項(xiàng)集，叫 k 項(xiàng)集。

1.支持度

? **支持度(Support)**可以表示項(xiàng)集在事務(wù)中出現(xiàn)的概率（頻率），你也可以理解成顧客對(duì)某一個(gè)項(xiàng)集的“支持程度”。

? {X}的支持度 = {X}在事務(wù)中出現(xiàn)的次數(shù) / 事務(wù)總數(shù)。

? 需要人為地設(shè)定一個(gè)支持度，名為最小支持度，用于篩掉那些不符合需求的項(xiàng)集。被留下來(lái)的項(xiàng)集（≥ 最小支持度），被稱為頻繁項(xiàng)集。

? 有了頻繁項(xiàng)集，就可以生產(chǎn)關(guān)聯(lián)規(guī)則了。關(guān)聯(lián)分析是探索數(shù)據(jù)之間聯(lián)系的技術(shù)，而數(shù)據(jù)之間的聯(lián)系，我們用關(guān)聯(lián)規(guī)則來(lái)表示，表達(dá)式為：{X}→{Y}（X 和 Y 之間不存在相同項(xiàng)）。規(guī)則有順序之分，為了方便描述，我們把規(guī)則前面的項(xiàng)集叫前件，把規(guī)則后面的項(xiàng)集叫后件。但是，怎么知道這種聯(lián)系是否可靠？如果可靠，到底有多可靠？哪個(gè)更可靠？

#####2.置信度

? 置信度(Confidence)可用于衡量關(guān)聯(lián)規(guī)則的可靠程度，表示在前件出現(xiàn)的情況下，后件出現(xiàn)的概率。一般來(lái)說(shuō)，概率越高，規(guī)則的可靠性越強(qiáng)。

? 關(guān)聯(lián)規(guī)則{X}→{Y}的置信度 = {X，Y}的支持度 / {X}的支持度。

? 同為關(guān)聯(lián)規(guī)則，可靠程度有“強(qiáng)”有“弱”。在實(shí)際業(yè)務(wù)中，也需要人為地設(shè)定置信度，名為最小置信度，用于篩掉一些不符合需求的關(guān)聯(lián)規(guī)則。被留下來(lái)的關(guān)聯(lián)規(guī)則（ ≥ 最小置信度），叫做強(qiáng)關(guān)聯(lián)規(guī)則。

? 眾所周知，在自然界，不同物種之間，不僅有“互惠互利”的合作關(guān)系，也有“勢(shì)不兩立”的競(jìng)爭(zhēng)關(guān)系。關(guān)聯(lián)規(guī)則也一樣，既有促進(jìn)關(guān)系，也有抑制關(guān)系。因而，還需引入**提升度(Lift)**對(duì)它們進(jìn)行判斷。

3.提升度

? {X}→{Y}的提升度 = {X}→{Y}的置信度 / {Y}的支持度，意思是評(píng)估 X 的出現(xiàn)，對(duì) Y 出現(xiàn)的影響有多大。

總結(jié)：

2.Apriori算法

? Apriori是用于挖掘出數(shù)據(jù)背后的關(guān)聯(lián)規(guī)則的一種算法，以下簡(jiǎn)寫為 Apr 算法，它的流程可分為兩步（簡(jiǎn)單了解它的運(yùn)作原理即可，無(wú)需深究）：

1.確定最小支持度和最小置信度

? 判斷它們是否“合適”的感覺(jué)很微妙，沒(méi)有特定的標(biāo)準(zhǔn)答案

? 其實(shí)總結(jié)起來(lái)就一個(gè)字：試。一開(kāi)始設(shè)定的最小支持度和置信度和理想狀態(tài)有一定偏差也沒(méi)關(guān)系，后續(xù)再慢慢調(diào)整。

#####2.找出頻繁項(xiàng)集和強(qiáng)關(guān)聯(lián)規(guī)則

######1.頻繁項(xiàng)集

? 這一步，Apr 的算法主要依賴兩個(gè)性質(zhì)：

1）一個(gè)項(xiàng)集如若是頻繁的，那它的非空子集也一定是頻繁的。假如購(gòu)買{薯?xiàng)l，奶茶}的概率都很高，那購(gòu)買{薯?xiàng)l}或{奶茶}的概率肯定也很高；

2）一個(gè)項(xiàng)集如若是非頻繁的，那包含該項(xiàng)集的項(xiàng)集也一定是非頻繁的。假設(shè)購(gòu)買{薯?xiàng)l}的次數(shù)少，那購(gòu)買{薯?xiàng)l，奶茶}的次數(shù)肯定也少。

? 在 Apr 算法出現(xiàn)之前，要找出所有的頻繁項(xiàng)集，就得先枚舉所有的項(xiàng)集，計(jì)算它們的支持度，然后和最小支持度（0.2）進(jìn)行對(duì)比，篩選出頻繁項(xiàng)集。

? 但 Apr 算法不一樣，它對(duì)錯(cuò)誤的“道路”進(jìn)行了提前預(yù)判。一旦找到某個(gè)不滿足條件的“非頻繁項(xiàng)集”，包含該集合的其他項(xiàng)集不需要計(jì)算，更不用對(duì)比，通通繞開(kāi)。

? 憑借新生成的頻繁項(xiàng)集，就可以開(kāi)始“制造”關(guān)聯(lián)規(guī)則了。

2.關(guān)聯(lián)規(guī)則

? 值得注意的是，因?yàn)轭l繁 1 項(xiàng)集只有一個(gè)項(xiàng)，無(wú)法構(gòu)成具有指導(dǎo)意義的關(guān)聯(lián)關(guān)系（≥ 2 項(xiàng)），可直接忽略。

? Apr 算法會(huì)先產(chǎn)生一系列后件項(xiàng)數(shù)為1的關(guān)聯(lián)規(guī)則，與最小置信度進(jìn)行比較，得到一部分強(qiáng)關(guān)聯(lián)規(guī)則。然后，頻繁項(xiàng)集繼續(xù)生成后件項(xiàng)數(shù)為2的關(guān)聯(lián)規(guī)則，再對(duì)它們的置信度進(jìn)行比較，又收獲一批強(qiáng)關(guān)聯(lián)規(guī)則。當(dāng)無(wú)法從剩下的頻繁項(xiàng)集中生成新的關(guān)聯(lián)規(guī)則時(shí)，該過(guò)程就結(jié)束了。

? 關(guān)聯(lián)規(guī)則的支持度，和構(gòu)建規(guī)則的頻繁項(xiàng)集的支持度一致。

? 若是這些強(qiáng)關(guān)聯(lián)規(guī)則正好是你想要的，那就進(jìn)一步計(jì)算它們的提升度。相反，若是你對(duì)篩選出來(lái)的強(qiáng)關(guān)聯(lián)規(guī)則不滿意，那我們就得重新調(diào)整最小支持度和最小置信度，再計(jì)算一次。

? 盡管 Apr 算法已經(jīng)對(duì)原始的關(guān)聯(lián)分析做了優(yōu)化，但手動(dòng)計(jì)算依然繁瑣，特別是當(dāng)我想要調(diào)整最小支持度或者最小置信度的時(shí)候。如果能把 Apr 算法的計(jì)算流程抽象成函數(shù)，將最小支持度、最小置信度和最小提升度設(shè)置成參數(shù)，通過(guò)調(diào)整參數(shù)來(lái)查看關(guān)聯(lián)規(guī)則，想怎么調(diào)就怎么調(diào)就好了。實(shí)際上，Python 早已可以實(shí)現(xiàn)。

3. Python 調(diào)用 apriori 函數(shù)

? 提供這一便利的是apyori模塊下的apriori函數(shù), apyori模塊屬于 Python 的第三方模塊。

from apyori import apriori orders = [['薯?xiàng)l', '可樂(lè)'], ['薯?xiàng)l', '可樂(lè)', '奶茶'], ['漢堡', '薯?xiàng)l', '可樂(lè)'], ['漢堡', '可樂(lè)']] results=apriori(orders,min_support=0.2,min_confidence=0.7) results

? 這段代碼返回的是一串<generator object apriori at 0x7fa21646ec50>，<generator>是一個(gè)生成器對(duì)象，它是一種用于節(jié)省空間的運(yùn)算機(jī)制，可以通過(guò)循環(huán)遍歷的形式對(duì)它里面的數(shù)據(jù)進(jìn)行訪問(wèn)：

for result in results:print(result)

? 得到的是一堆略顯復(fù)雜，但實(shí)際具有很強(qiáng)結(jié)構(gòu)性的東西：（每個(gè)都不過(guò)是自定義元組內(nèi)嵌套列表又在內(nèi)嵌套了一層自定義元組罷遼，逐層提取然后把各個(gè)有意義的數(shù)據(jù)轉(zhuǎn)化成所需的數(shù)據(jù)結(jié)構(gòu)就好）

RelationRecord(items=frozenset({'可樂(lè)'}), support=1.0, ordered_statistics=[OrderedStatistic(items_base=frozenset(), items_add=frozenset({'可樂(lè)'}), confidence=1.0, lift=1.0)]) RelationRecord(items=frozenset({'薯?xiàng)l'}), support=0.75, ordered_statistics=[OrderedStatistic(items_base=frozenset(), items_add=frozenset({'薯?xiàng)l'}), confidence=0.75, lift=1.0)]) RelationRecord(items=frozenset({'奶茶', '可樂(lè)'}), support=0.25, ordered_statistics=[OrderedStatistic(items_base=frozenset({'奶茶'}), items_add=frozenset({'可樂(lè)'}), confidence=1.0, lift=1.0)]) RelationRecord(items=frozenset({'漢堡', '可樂(lè)'}), support=0.5, ordered_statistics=[OrderedStatistic(items_base=frozenset({'漢堡'}), items_add=frozenset({'可樂(lè)'}), confidence=1.0, lift=1.0)]) RelationRecord(items=frozenset({'薯?xiàng)l', '可樂(lè)'}), support=0.75, ordered_statistics=[OrderedStatistic(items_base=frozenset(), items_add=frozenset({'薯?xiàng)l', '可樂(lè)'}), confidence=0.75, lift=1.0), OrderedStatistic(items_base=frozenset({'可樂(lè)'}), items_add=frozenset({'薯?xiàng)l'}), confidence=0.75, lift=1.0), OrderedStatistic(items_base=frozenset({'薯?xiàng)l'}), items_add=frozenset({'可樂(lè)'}), confidence=1.0, lift=1.0)]) RelationRecord(items=frozenset({'薯?xiàng)l', '奶茶'}), support=0.25, ordered_statistics=[OrderedStatistic(items_base=frozenset({'奶茶'}), items_add=frozenset({'薯?xiàng)l'}), confidence=1.0, lift=1.3333333333333333)]) RelationRecord(items=frozenset({'薯?xiàng)l', '奶茶', '可樂(lè)'}), support=0.25, ordered_statistics=[OrderedStatistic(items_base=frozenset({'奶茶'}), items_add=frozenset({'薯?xiàng)l', '可樂(lè)'}), confidence=1.0, lift=1.3333333333333333), OrderedStatistic(items_base=frozenset({'奶茶', '可樂(lè)'}), items_add=frozenset({'薯?xiàng)l'}), confidence=1.0, lift=1.3333333333333333), OrderedStatistic(items_base=frozenset({'薯?xiàng)l', '奶茶'}), items_add=frozenset({'可樂(lè)'}), confidence=1.0, lift=1.0)]) RelationRecord(items=frozenset({'薯?xiàng)l', '漢堡', '可樂(lè)'}), support=0.25, ordered_statistics=[OrderedStatistic(items_base=frozenset({'薯?xiàng)l', '漢堡'}), items_add=frozenset({'可樂(lè)'}), confidence=1.0, lift=1.0)])

? 先來(lái)簡(jiǎn)單了解一下幾個(gè)陌生的數(shù)據(jù)類型：

• RelationRecord（關(guān)系記錄）和 OrderedStatistic（有序的統(tǒng)計(jì)數(shù)據(jù)）是模塊作者自定義的命名元組（namedtuple），可以理解成一種通過(guò)名稱訪問(wèn)的元組。

• frozenset是一種不可變的集合，使用list()函數(shù)，可以將它轉(zhuǎn)換成我們熟悉的列表形態(tài)。

  然后再來(lái)了解一下數(shù)據(jù)的結(jié)構(gòu)：

• 一條“關(guān)系記錄”（RelationRecord），包含了頻繁項(xiàng)集的基本信息：頻繁項(xiàng)集items，支持度support和統(tǒng)計(jì)列表ordered_statistics。

• 一條“統(tǒng)計(jì)列表”（ordered_statistics），包含了該頻繁項(xiàng)集下構(gòu)建的所有強(qiáng)關(guān)聯(lián)規(guī)則OrderedStatistic。

• 一條“強(qiáng)關(guān)聯(lián)規(guī)則”（OrderedStatistic），包含了該規(guī)則的基本信息：前件items_base，后件items_add，置信度confidence，提升度lift。

  ? 雖然這樣一梳理，數(shù)據(jù)清晰了不少，但這樣的展現(xiàn)形式還是太“反人類”了，需要進(jìn)一步抽取關(guān)鍵信息。抽取的重點(diǎn)，是由前件和后件組成的強(qiáng)關(guān)聯(lián)規(guī)則，以及它們的支持度、置信度、提升度。若找到前件為空集的強(qiáng)關(guān)聯(lián)規(guī)則，那么，這條規(guī)則其實(shí)沒(méi)有什么現(xiàn)實(shí)意義，可直接刪除。

results=apriori(orders,min_support=0.2,min_confidence=0.7) for result in results:support=round(result.support,3)for rule in result.ordered_statistics:head_set=list(rule.item_base)tail_set=list(rule.item_add)if head_set=[]:continuerelated_catogry=str(head_set)+'→'+str(tail_set)confidence=round(rule.confidence,3)lift=round(rule.lift,3)print(related_catogory,support,confidence,lift)

（五）RFM模型

1.模型簡(jiǎn)介

1.原理

1）R（Recency）：最近一次消費(fèi)時(shí)間間隔，指用戶最近一次消費(fèi)時(shí)間距離現(xiàn)在的時(shí)間間隔，上一次消費(fèi)時(shí)間離現(xiàn)在越近，再次消費(fèi)的幾率越大。即 R 值越小，用戶的活躍度越大，用戶的價(jià)值就越高；

2）F（Frequency）：消費(fèi)頻率，指用戶一段時(shí)間內(nèi)消費(fèi)了多少次，購(gòu)買頻率越高，說(shuō)明用戶對(duì)品牌產(chǎn)生一定的信任和情感維系。即 F 值越大，用戶的忠誠(chéng)度就越大，用戶的價(jià)值就越高；

3）M（Monetary）：消費(fèi)金額，指用戶一段時(shí)間內(nèi)的消費(fèi)金額，消費(fèi)金額越高，說(shuō)明用戶對(duì)產(chǎn)品的購(gòu)買力越大。即 M 值越大，用戶的購(gòu)買力就越大，用戶的價(jià)值就越高。

? 這三項(xiàng)數(shù)據(jù)作為衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段，也是 RFM 模型的三個(gè)重要指標(biāo)。

2.作用

? RFM 模型多用于精細(xì)化運(yùn)營(yíng)服務(wù)。

? 如果根據(jù) RFM 模型將用戶細(xì)分為 8 類，還能進(jìn)一步對(duì)不同價(jià)值的用戶使用不同的運(yùn)營(yíng)策略，獲取并保留關(guān)鍵性用戶，針對(duì)價(jià)值高的客戶制定促銷策略。

2.RFM模型構(gòu)建流程

1.計(jì)算R、F、M的值

? 得到 R、F、M 這 3 個(gè)指標(biāo)，一般需要的信息有：用戶名稱/用戶 ID、消費(fèi)記錄（如消費(fèi)時(shí)間、消費(fèi)金額）。

#####2.根據(jù) RFM 的閾值，對(duì)用戶進(jìn)行分類

? 獲得閾值，可以對(duì) RFM 各值采取分區(qū)域評(píng)分，再計(jì)算各值平均數(shù)的方式，該方式會(huì)分為三個(gè)步驟：

1）給 R、F、M 各值按價(jià)值劃分打分區(qū)間（如何定義打分的范圍，需要結(jié)合具體的業(yè)務(wù)來(lái)調(diào)整）

2）計(jì)算價(jià)值的平均值

3）用戶分類（將兩個(gè)用戶的 RFM 值與各值的平均值進(jìn)行對(duì)比。）

? 如果一行里的 R 值打分大于平均值，就標(biāo)記該行的 R 值打分為“高”，反之標(biāo)記為“低”。F、M 值亦是同理。

? 然后，再將標(biāo)記好的 RFM 高低值與用戶分類規(guī)則表進(jìn)行對(duì)比，可以得出用戶屬于哪種類別。

（六）NumPy

1.numpy簡(jiǎn)介

? NumPy 是一個(gè)開(kāi)源的 Python 科學(xué)計(jì)算基礎(chǔ)庫(kù)。

1）在性能方面：NumPy 的計(jì)算操作由預(yù)編譯好的 C 代碼快速執(zhí)行。所以比之 Python，它的運(yùn)算速度常常更快。

2）在存儲(chǔ)方面：NumPy 同樣也設(shè)計(jì)了一個(gè)更好的存儲(chǔ)結(jié)構(gòu)來(lái)提高計(jì)算效率。

? 第一板塊，可以說(shuō)是最基礎(chǔ)的板塊：ndarray 數(shù)組。

? 第二個(gè)板塊：ufunc 通用函數(shù)。就像一套能處理數(shù)組的工具，它能對(duì) NumPy 數(shù)組中的元素逐個(gè)進(jìn)行操作。和 Python 內(nèi)置的 math 模塊類似，它主要用于實(shí)現(xiàn)一些較為基礎(chǔ)的數(shù)組運(yùn)算，例如求和、求平方根等。

? 第三個(gè)板塊是用于科學(xué)計(jì)算的子模塊包。這些子模塊包內(nèi)包括隨機(jī)數(shù)包、線性代數(shù)包，矩陣包等內(nèi)容。這些子模塊包，就像各種能處理數(shù)組的工具包。在這些工具包內(nèi)還有各式各樣的工具來(lái)幫助你完成復(fù)雜的科學(xué)計(jì)算。

導(dǎo)入numpy庫(kù)：

import numpy as np

2.ndarray數(shù)組

1.n維數(shù)據(jù)

① 一維

? 一維數(shù)據(jù)一般由線性方式組織的數(shù)據(jù)構(gòu)成。

② 二維

? 二維數(shù)據(jù)是由多個(gè)一維數(shù)據(jù)構(gòu)成的數(shù)據(jù)，它是一維數(shù)據(jù)的組合。

? 平時(shí)常見(jiàn)的表格同樣也是由多行一維數(shù)據(jù)堆疊而成的。它也是一種典型的二維數(shù)據(jù)。

③三維

? 三維數(shù)據(jù)是由一維數(shù)據(jù)或二維數(shù)據(jù)在一個(gè)新的維度上擴(kuò)展而成的。

? 同為二維數(shù)據(jù)的表格在時(shí)間維度做上拓展后，也可以變成三維數(shù)據(jù)。

2.創(chuàng)建 ndarray

np.array(列表/元組)

傳入一維列表

# 創(chuàng)建一維的列表 list_1 list_1 = [1, 2, 3]# 創(chuàng)建數(shù)組 array_1 array_1 = np.array(list_1) # 查看數(shù)組 array_1 array_1# array([1, 2, 3])

傳入二維列表

# 創(chuàng)建二維的列表 list_2 list_2 = [[0, 0, 0],[10, 10, 10],[20, 20, 20],[30, 30, 30]]# 創(chuàng)建數(shù)組 array_2 array_2 = np.array(list_2) # 查看數(shù)組 array_2 array_2#array([[ 0, 0, 0], # [10, 10, 10], # [20, 20, 20], # [30, 30, 30]])

傳入三維列表

# 創(chuàng)建三維的列表 list_3 list_3 = [[[0, 0, 0],[10, 10, 10],[20, 20, 20],[30, 30, 30]],[[0, 0, 0],[10, 10, 10],[20, 20, 20],[30, 30, 30]],[[0, 0, 0],[10, 10, 10],[20, 20, 20],[30, 30, 30]]]# 創(chuàng)建數(shù)組 array_3 array_3 = np.array(list_3) # 查看數(shù)組 array_3 array_3#array([[[ 0, 0, 0], # [10, 10, 10], # [20, 20, 20], # [30, 30, 30]],# [[ 0, 0, 0], # [10, 10, 10], # [20, 20, 20], # [30, 30, 30]],# [[ 0, 0, 0], # [10, 10, 10], # [20, 20, 20], # [30, 30, 30]]])

? 除了 array() 方法，NumPy 還提供了其他辦法來(lái)創(chuàng)建數(shù)組,有需要時(shí)，可以再補(bǔ)充學(xué)習(xí)。以下表格內(nèi)提到的方法各有優(yōu)劣。而在使用時(shí)，我們可以根據(jù)實(shí)際情況來(lái)選擇對(duì)應(yīng)的方法創(chuàng)建數(shù)組。

? 補(bǔ)充一點(diǎn)，不同于 Python ，ndarray 數(shù)組要求所有的元素類型相同。所以，通過(guò) array() 方法創(chuàng)建數(shù)組時(shí)，傳入的數(shù)據(jù)參數(shù)需要統(tǒng)一其內(nèi)部元素的數(shù)據(jù)類型。

3.ndarray的特征

1.維度（ndim.shape.size）

①相關(guān)概念

? 先明確兩個(gè)概念：軸（axis）、秩（rank）

1）軸（axis）簡(jiǎn)單來(lái)說(shuō)就是維度。在實(shí)際使用時(shí)，我們會(huì)用從 0 開(kāi)始的數(shù)字表示不同的維度，像：axis = 0、axis = 1、axis = 2 等。

2）秩（rank）比較好理解，就是指維度的數(shù)量。

數(shù)組每次新增的軸，也就是最外圍的維度，都為 0。

②查看屬性

? 3 個(gè)可用于查看數(shù)組維度信息的屬性，它們分別是：shape、ndim、size。

1）shape 屬性表示數(shù)組的形狀，即各個(gè)維度上的數(shù)據(jù)長(zhǎng)度。當(dāng)你調(diào)用它時(shí)，會(huì)返回一個(gè)元組作為結(jié)果。

# 查看數(shù)組 array_2 array_2#array([[ 0, 0, 0], # [10, 10, 10], # [20, 20, 20], # [30, 30, 30]])# 調(diào)用屬性 shape，查看數(shù)組形狀 array_2.shape#(4, 3)

? 一定要注意，這個(gè)排列順序是從axis=0開(kāi)始的，但是axis=0對(duì)應(yīng)的始終是最新加進(jìn)去的那一個(gè)維度（上圖其實(shí)表達(dá)的已經(jīng)很直觀了）。如果從它形式上的格式來(lái)理解，就是從最外面一層中括號(hào)開(kāi)始剝，最外面第一層剝開(kāi)有幾個(gè)并列的，它在axis=0上的長(zhǎng)度就是幾，再往里剝，axis逐漸變大。

2）ndim 屬性能表示軸/維度的數(shù)量，調(diào)用 ndim 屬性后，代碼會(huì)以整數(shù)形式返回?cái)?shù)組的維度數(shù)量。

# 查看數(shù)組 array_2 array_2#array([[ 0, 0, 0], # [10, 10, 10], # [20, 20, 20], # [30, 30, 30]])# 調(diào)用屬性 ndim，查看數(shù)組的維度數(shù)量 array_2.ndim#2

size 屬性表示數(shù)組元素的個(gè)數(shù)，例如一個(gè) n 行 m 列的二維數(shù)組的元素個(gè)數(shù)就是 n * m。

# 調(diào)用屬性 size，查看數(shù)組的元素個(gè)數(shù) array_2.size#12

? 其實(shí)可以說(shuō)，size屬性對(duì)應(yīng)的那個(gè)數(shù)字，就是shape屬性里的幾個(gè)數(shù)字相乘。

小總結(jié)：

2.索引

? 同 Python 的列表類似，ndarray 數(shù)組也有能對(duì)元素進(jìn)行索引操作的特點(diǎn)。索引操作用于獲取數(shù)組中特定位置的元素。

①普通索引

? 一維數(shù)組中，單個(gè)元素的索引會(huì)與列表的索引很相似。數(shù)組中的元素會(huì)有從 0 開(kāi)始的數(shù)字作為其索引下標(biāo)。

array_1[索引值]

? 多維數(shù)組中的單個(gè)元素的索引，其實(shí)也和列表的嵌套索引很類似。在每條軸的方向上，我們分別取一個(gè)索引值，然后用逗號(hào)分割即可。

array_1[索引值0,索引值1] array_1[索引值0,索引值1,索引值2]

? 不過(guò)還是要注意，這個(gè)順序還是按照axis從0到n的順序從左到右的。也就是說(shuō)，依然是比低一階所新增的那個(gè)維度是0，或者說(shuō)是最外面的那一層括號(hào)是axis=0。

②布爾索引

# 打印布爾數(shù)組方便查看 print(array_2 < 20)#[[ True True True] # [ True True True] # [False False False] # [False False False]]# 用布爾數(shù)組索引數(shù)組 array_2 中的特定元素 array_2[array_2 < 20]#array([ 0, 0, 0, 10, 10, 10])

? 要注意嗷，這里使用布爾索引就和位置毫無(wú)關(guān)系啦！它只取決于各位置上元素是否滿足條件，而與位置坐標(biāo)無(wú)關(guān)，賦值True/False以后，其值為True的會(huì)被提取出來(lái)。（其實(shí)跟前面那個(gè)pd里對(duì)df的操作挺相似的。）

③切片

? 切片是獲取數(shù)組元素子集的過(guò)程。它和列表的切片有點(diǎn)類似，簡(jiǎn)單來(lái)說(shuō)，就是取出兩個(gè)索引中間夾著的元素。

? 一維數(shù)組：

ndarray[起點(diǎn)索引值: 終點(diǎn)索引值（取值時(shí)不包括）: 步長(zhǎng)]

? n維數(shù)組就是中間用逗號(hào)隔開(kāi)了，還是要注意誰(shuí)是axis=0就好。

#利用索引配合切片來(lái)取該數(shù)組中所有第二行的元素 #array([[[0.2, 0.2, 0.2], # [0.3, 0.3, 0.3], # [0.4, 0.4, 0.4], # [0.5, 0.5, 0.5]],# [[0.2, 0.2, 0.2], # [0.3, 0.3, 0.3], # [0.4, 0.4, 0.4], # [0.5, 0.5, 0.5]],# [[0.2, 0.2, 0.2], # [0.3, 0.3, 0.3], # [0.4, 0.4, 0.4], # [0.5, 0.5, 0.5]]])# 切片取數(shù)組 array_b 中的目標(biāo)元素 array_b[:, 1, :]

方法：只要想象那個(gè)空間圖就好了。

3.元素的數(shù)據(jù)類型

在 ndarray 數(shù)組中，常見(jiàn)的元素?cái)?shù)據(jù)類型有：

? 不同于 Python，這里整數(shù)、浮點(diǎn)數(shù)等都被區(qū)分為了各種位的長(zhǎng)度。位的長(zhǎng)度這個(gè)概念涉及一些計(jì)算機(jī)底層的理論，我們這里先暫時(shí)不去理解它。只需要知道之所以 NumPy 要如此精細(xì)管理 ndarray 的元素類型，是因?yàn)檫@樣有助于它合理使用存儲(chǔ)空間并優(yōu)化性能。

4.向量運(yùn)算

1）兩個(gè)數(shù)組 a 和 b 形狀相同，即滿足a.shape == b.shape時(shí)。此時(shí)，兩個(gè)數(shù)組在加減乘除后，它們內(nèi)部對(duì)應(yīng)位置的元素會(huì)一一對(duì)應(yīng)做加減乘除。

2）數(shù)組與一個(gè)形狀不一樣的數(shù)據(jù)進(jìn)行運(yùn)算時(shí)。但在這種情況下進(jìn)行運(yùn)算，不是隨便兩個(gè)形狀不一樣的數(shù)組都能進(jìn)行運(yùn)算的。

? 關(guān)于這一點(diǎn)，NumPy 有一套計(jì)算規(guī)則叫“廣播”（Broadcast）。把官方說(shuō)明翻譯過(guò)來(lái)就是：兩個(gè)形狀不同數(shù)組間運(yùn)算時(shí)，它們對(duì)應(yīng)維度的長(zhǎng)度必須相同，或者其中一方為 1（這是和常規(guī)計(jì)算好像不太一樣的！！），才可以運(yùn)算成功，否則就會(huì)報(bào)錯(cuò)。

4.總結(jié)

（七）Seaborn

1.seaborn概述

1.介紹

1）Relational（關(guān)系）可以用來(lái)展示定量數(shù)據(jù)之間關(guān)系的趨勢(shì)，如離散程度或者數(shù)據(jù)隨時(shí)間變化的情況。

2）Distribution（分布）可以用來(lái)展示定量數(shù)據(jù)的分布信息，比如頻數(shù)分布情況，數(shù)據(jù)的形態(tài)等。
3）Categorical（分類）可以用來(lái)展示定性數(shù)據(jù)之間的分布或關(guān)系之類的信息，比如不同類別數(shù)據(jù)的大小，分布情況等。

? 其他的，如：Regression（回歸） 可用于畫出線性回歸圖形，Matrix（矩陣）可以畫熱力圖和聚類圖，Multiple（復(fù)合）可以用多個(gè)子圖或者二元圖實(shí)現(xiàn)不同條件之間的關(guān)系、頻數(shù)分布等功能。

2.導(dǎo)入&中文字體調(diào)整

import seaborn as sns import matplotlib.pyplot as plt # 設(shè)置中文字體(這一段在前面已經(jīng)比較具體的整理過(guò)了) plt.rcParams['font.sans-serif'] = ['Source Han Sans CN']

2.Relational 中的常見(jiàn)圖形

1.散點(diǎn)圖

1.介紹

? 散點(diǎn)圖可以比較直觀地觀察變量 x 與變量 y 之間的相互影響程度。對(duì)于那些變量之間存在密切關(guān)系，但是這些關(guān)系又不像數(shù)學(xué)或物理公式那樣能夠精確表達(dá)的，散點(diǎn)圖是一種很好的圖形工具。

? 在散點(diǎn)圖中，如果變量之間不存在線性關(guān)系，則表現(xiàn)為隨機(jī)分布的離散的點(diǎn)；如果變量間存在某種線性關(guān)系，那么大部分的數(shù)據(jù)點(diǎn)就會(huì)相對(duì)密集并以某種形態(tài)呈現(xiàn)。

? 在觀察散點(diǎn)圖的時(shí)候，還有一個(gè)概念需要我們理解——離群點(diǎn)。當(dāng)變量間存在某種線性關(guān)系時(shí)，大部分的數(shù)據(jù)點(diǎn)會(huì)表現(xiàn)出相對(duì)密集的形態(tài)，但總有幾個(gè)不合群的數(shù)據(jù)點(diǎn)離集群較遠(yuǎn)，我們可以稱這些點(diǎn)為離群點(diǎn)或異常點(diǎn)。

2.語(yǔ)法

? 官方文檔推薦我們使用 seaborn.relplot() 這個(gè)函數(shù)來(lái)畫散點(diǎn)圖，記憶的話很容易，relplot 其實(shí)是 Relational Plot（關(guān)系圖形）的縮寫，我們要畫的圖是散點(diǎn)圖，散點(diǎn)圖屬于關(guān)系圖形，腦中建立起這樣的聯(lián)系，就不用去死記硬背函數(shù)名了。seaborn.relplot() 的語(yǔ)法和常用參數(shù)如下圖所示：

? 其中，參數(shù) x、y 和 data 都是必選參數(shù)，x 和 y 一般為連續(xù)數(shù)據(jù)，可以理解為上面說(shuō)的變量 x 和變量 y；data 指的是需要展示的數(shù)據(jù)集，推薦先把數(shù)據(jù)通過(guò) pandas 讀取成 DataFrame 類型后再傳給參數(shù) data。

? 可選參數(shù)hue，通過(guò)圖中的不同顏色表示不同含義，可以讓我們?cè)趫D中添加一個(gè)維度。

? 可選參數(shù) size，它會(huì)根據(jù)傳入數(shù)據(jù)的大小在散點(diǎn)圖中生成大小不同的點(diǎn)。比如，我們把 ‘身高’ 傳給這個(gè)參數(shù)，那么在生成的圖形中，身高越大，點(diǎn)也就越大，反之亦然。

? 可選參數(shù)style，它可以在某一維度上，用點(diǎn)的不同形狀區(qū)分?jǐn)?shù)據(jù)。

? 還有一個(gè)可選參數(shù) kind，被我隱藏掉了，其值默認(rèn)為 'scatter'（散點(diǎn)圖）。在畫散點(diǎn)圖時(shí)，可以不用寫這個(gè)參數(shù)。

import pandas as pd student_info=pd.read_csv('./source-data/學(xué)生信息.csv') sns.relplot(x='身高',y='體重',data=student_info,hue='性別',size='體重',style='班級(jí)')

? 小tips:根據(jù)科學(xué)研究，人的眼睛對(duì)顏色比對(duì)形狀更敏感，因此，在做可視化時(shí)，我們可以優(yōu)先考慮使用顏色來(lái)區(qū)分不同的數(shù)據(jù)。

2.折線圖

? 折線圖也可以反映數(shù)據(jù)間的關(guān)系，只不過(guò)它一般使用時(shí)間維度作為 X 軸，數(shù)值維度作為 Y 軸。當(dāng)我們想要了解某一維度在時(shí)間上的規(guī)律或者趨勢(shì)時(shí)，用折線圖是個(gè)比較不錯(cuò)的選擇。relplot() 函數(shù)也是可以畫出折線圖的，基本的折線圖只需要在必選參數(shù)的基礎(chǔ)上，寫上我們剛才隱藏的參數(shù) kind='line' 即可。

population = pd.read_csv('./source-data/人口_sim.csv') sns.relplot(x='年份', y='年末總?cè)丝?萬(wàn)人)', data=population, kind='line')

3.Distribution中的常見(jiàn)圖形

? 本節(jié)將著重于直方圖的相關(guān)知識(shí)和語(yǔ)法，至于其他涉及較復(fù)雜統(tǒng)計(jì)知識(shí)的圖形，暫時(shí)先不講。

1.直方圖概念

? 直方圖用于展示定量數(shù)據(jù)的分布情況，我們可以通過(guò)直方圖來(lái)觀察數(shù)據(jù)分布的大體形狀，比如：數(shù)據(jù)分布是否對(duì)稱，是右偏還是左偏等。

? 如果數(shù)據(jù)分布大體對(duì)稱的話，圖形會(huì)呈現(xiàn)出中間高，兩邊低，左右近似對(duì)稱的特點(diǎn)，就像上圖中間所示形狀一樣。

? 如果數(shù)據(jù)的眾數(shù) < 中位數(shù) < 平均數(shù)，那么分布大體就會(huì)呈現(xiàn)出右偏分布的情況，形狀上類似上圖左側(cè)部分。

? 如果數(shù)據(jù)的眾數(shù) > 中位數(shù) > 平均數(shù)，那么分布大體就會(huì)呈現(xiàn)出左偏分布的情況，形狀上類似上圖右側(cè)部分。

2.直方圖語(yǔ)法

? 必選參數(shù) x 和 data，與之前學(xué)過(guò)的一樣。x 一般為連續(xù)數(shù)據(jù)，data 指的是我們要展示的數(shù)據(jù)集。值得注意的是，在直方圖的函數(shù)中，少了必選參數(shù) y，這是直方圖定義造成的結(jié)果。

titanic_info = pd.read_csv('./source-data/泰坦尼克乘客信息.csv') titanic_infosns.displot(x='乘客年齡', data=titanic_info,hue='乘客性別' )

4.Categorical中的常見(jiàn)圖形

? 我們今天只學(xué)習(xí)箱型圖的相關(guān)知識(shí)和對(duì)應(yīng)語(yǔ)法。

1.箱型圖概念

? 箱型圖又稱盒須圖、盒式圖或箱線圖，它可以反映一組數(shù)據(jù)的分布特點(diǎn)，如分布是否對(duì)稱，是否存在異常值，但其更適合對(duì)多組數(shù)據(jù)（分類數(shù)據(jù)）的分布特征進(jìn)行比較。

? 當(dāng)一個(gè)數(shù)據(jù)集同時(shí)包含分類變量和連續(xù)變量時(shí)，箱形圖可以提供連續(xù)變量隨著分類變量改變而變化的信息。它使用了5個(gè)關(guān)鍵數(shù)值對(duì)分布進(jìn)行概括，即一組數(shù)據(jù)的上相鄰值、下相鄰值、第一四分位數(shù)、中位數(shù)和第三四分位數(shù)。至于數(shù)據(jù)集中的異常值，則會(huì)被繪制成單獨(dú)的點(diǎn)。

? 通過(guò)觀察箱型圖，我們可以直觀地了解到中位數(shù)，上相鄰值和下相鄰值這幾個(gè)描述數(shù)據(jù)分布情況的關(guān)鍵值，也可以清晰地看到數(shù)據(jù)集中是否存在異常值。如下圖所示，假如中位數(shù)在箱子中間位置的話，就說(shuō)明這些數(shù)據(jù)是對(duì)稱分布的；箱子的長(zhǎng)短也能體現(xiàn)分布情況，箱子較長(zhǎng)意味著分布比較分散，若箱子很短，則數(shù)據(jù)分布得較為集中。

2.箱型圖語(yǔ)法

? 值得注意的是，我們必須將控制圖形類別的參數(shù) kind 寫為 kind='box'，這樣才能畫出最基本的箱型圖。kind 的其他值還可以是：‘strip’ 對(duì)應(yīng)的分布散點(diǎn)圖，‘swarm’ 對(duì)應(yīng)的分簇散點(diǎn)圖，‘violin’ 對(duì)應(yīng)的小提琴圖，‘boxen’ 對(duì)應(yīng)的增強(qiáng)箱型圖，‘point’ 對(duì)應(yīng)的點(diǎn)圖，‘bar’ 對(duì)應(yīng)的條形圖和 ‘count’ 對(duì)應(yīng)的計(jì)數(shù)圖。

? 可以先將類型按照一定順序存在列表中，再將這個(gè)列表傳給參數(shù) order，這樣就可以讓類別按照一定順序從左到右依次排列了。

chart_df = pd.read_csv('./source-data/購(gòu)物表.csv') chart_df.head() # 創(chuàng)建順序列表 order_list order_list=['配飾', '鞋子', '衣服', '日用品', '書籍', '食品'] # 將順序列表傳給參數(shù) order sns.catplot(x='類型', y='價(jià)格', data=chart_df, kind='box',order=order_list)

總結(jié)：

5.簡(jiǎn)單介紹軸級(jí)和圖級(jí)

? 上面我們討論的所有圖形，是 Seaborn 根據(jù)統(tǒng)計(jì)學(xué)知識(shí)這一維度進(jìn)行分類的。其實(shí) Seaborn 對(duì)于圖形還有另一種分類的維度——是否將數(shù)據(jù)繪制到坐標(biāo)軸上，按照此維度，Seaborn 的圖形還可以劃分為：axes-level（軸級(jí)） 和 figure-level（圖級(jí)）。我們剛才講過(guò)的所有函數(shù)（relplot()、displot() 和 catplot()）其實(shí)都屬于 figure-level（圖級(jí)），這些函數(shù)都可以通過(guò)改變參數(shù)kind 的值來(lái)畫出不同的圖形。

? 簡(jiǎn)單介紹散點(diǎn)圖、直方圖和箱型圖對(duì)應(yīng)的 axes-level（軸級(jí)） 函數(shù)：

6.可視化庫(kù)拓展

1.seaborn

可以繼續(xù)閱讀官方文檔學(xué)習(xí)，其文檔結(jié)構(gòu)十分清晰；

? 但是，Matplotlib 和 Seaborn 生成的圖形，多有一種科技論文或?qū)W術(shù)期刊的風(fēng)格，看起來(lái)有點(diǎn)嚴(yán)肅，而且都是些靜態(tài)的圖片，沒(méi)法交互。

? 所以，再簡(jiǎn)單介紹兩個(gè)可交互的可視化庫(kù)，有興趣的話可以自學(xué)。

2.Plotly

? Plotly 是著名的開(kāi)源交互式繪圖工具。它包含眾多的圖形種類，支持統(tǒng)計(jì)、金融、地理、科技、三維繪圖等共計(jì)40余種交互式圖表的繪制。默認(rèn)樣式生成的圖片如下所示，可以發(fā)現(xiàn)，圖片中是有交互欄的，更棒的是，當(dāng)鼠標(biāo)移動(dòng)到圖形上時(shí)，會(huì)顯示出具體的數(shù)值，這比 Seaborn 要方便很多。Plotly 畫出的圖形配色生動(dòng)，支持交互，又在圖形上方添加了交互欄，總體來(lái)說(shuō)，是一種比較優(yōu)秀的可視化庫(kù)。但其官方文檔略微復(fù)雜，且網(wǎng)上的中文資料較少，自學(xué)起來(lái)可能會(huì)有一定的難度。

3.Pyecharts

? Pyecharts是基于 Echarts 開(kāi)發(fā)的一個(gè)用于生成 Echarts 圖表的類庫(kù)，同樣支持交互操作。Echarts 是百度開(kāi)源的一個(gè)數(shù)據(jù)可視化 JS 庫(kù)，憑借著良好的交互性，精巧的圖表設(shè)計(jì)，得到了眾多開(kāi)發(fā)者的認(rèn)可。而Pyecharts，實(shí)際上就是 Echarts 與 Python 的對(duì)接，支持 30 多種圖表。更重要的是，Pyecharts 的官方文檔是由中文撰寫的，自學(xué)起來(lái)沒(méi)有什么障礙.

總結(jié)：

總結(jié)

以上是生活随笔為你收集整理的python数据分析可视化的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。