全文共2286字，預計學習時長9分鐘

圖源：dayliscrawl

作為數(shù)據(jù)分析對外輸出的關(guān)鍵環(huán)節(jié)，可視化技術(shù)可是數(shù)據(jù)科學家的必備技能之一。各種各樣的圖標花樣繁多，可別被這些炫酷的“造型”嚇退了。

本文將介紹九種不同的可視化技術(shù)，可以用來分析任何數(shù)據(jù)集，并且大多數(shù)都只需要少輸入一行代碼。就兩個字，好用！

加載數(shù)據(jù)集和快速瀏覽數(shù)據(jù)

為簡單起見，使用可從scikit-learn庫加載的Iris數(shù)據(jù)集，輸入以下代碼:

from sklearn.datasets importload_irisimport pandas as pddata = load_iris()df = pd.DataFrame(data['data'], columns=data['feature_names'])df['species'] = data['target']df.head()

可以看到，我們有一個只有5列的數(shù)據(jù)集。使用數(shù)據(jù)框上的info()函數(shù)對其進行快速分析: df.info()

如圖可見，只有150個條目，在任何一列中都沒有丟失值。

此外，還可以看到前四列有浮點值，而最后一列只允許出現(xiàn)整數(shù)。事實上，根據(jù)數(shù)據(jù)集描述，我們知道“物種”列只取三個值，每個值代表一種花。

要確認這一點，可以對該列使用unique()函數(shù)：

df.species.unique()array([0, 1, 2])

確實，“物種”列只取三個值:0、1和2。

了解了數(shù)據(jù)集的基本信息之后就可以進行可視化了。請注意，如果列中缺少一些值，應該對其進行刪除或填充。我們稍后將討論的一些技術(shù)不允許出現(xiàn)丟失值。

線形圖

從一個簡單的線狀圖開始可視化。選中整個數(shù)據(jù)框。

df.plot()

如圖可見，它已經(jīng)根據(jù)索引值(x軸)繪制了不同顏色的所有列值。這是不為函數(shù)提供x軸參數(shù)時的默認行為。

現(xiàn)在看來這個圖不是很有用。如果x軸是一個時間序列，那么線圖是一個很好的選擇。我們可能會在數(shù)據(jù)中看到一些時間上的趨勢。

在本例中，只能看到數(shù)據(jù)是按“物種”列排序的(圖中紫色的步驟)，并且其他列的移動平均值遵循該模式(花瓣長度，特別是紅色標記的花瓣長度)。

散點圖

這是一種將兩個連續(xù)變量之間的關(guān)系可視化的完美圖表。通過散點圖來分析萼片長度和萼片寬度的關(guān)系。

df.plot.scatter(x='sepal length(cm)', y='sepal width (cm)')

為了生成此圖，需要通過其列名來指定圖的x軸和y軸。這個圖表顯示這兩個變量之間沒有很強的相關(guān)性。讓我們來檢查另一對萼片長度和花瓣長度:

df.plot.scatter(x='sepal length(cm)', y='petal length (cm)')

在這種情況下，可以看到當萼片長度增加時，花瓣長度也會增加(當萼片長度大于6厘米時，增加幅度更大)。

餅狀圖

可以使用餅狀圖來可視化目標變量的類計數(shù)。我們將在這里對正在處理的Iris數(shù)據(jù)集進行處理。同樣需要一些輔助函數(shù)，這次使用的是groupby和count。

df.groupby('species').count().plot.pie(y='sepallength (cm)')

這一類目具有完美的比例，因為我們的數(shù)據(jù)集包含每個類的50個條目。

注意，必須在這里使用y參數(shù)并將其設(shè)置為某個列名。這里使用了萼片長度列，但它可以是任何列，因為所有列的計數(shù)都是相同的。

面積圖

還可以為這個數(shù)據(jù)集創(chuàng)建一個面積圖。圖中包括所有有厘米的維度，但是要刪除“物種”列，因為這些在本例中沒有任何意義。

columns = ['sepal length (cm)','petal length (cm)', 'petal width (cm)', 'sepal width (cm)']df[columns].plot.area()

這張圖上的測量值是一個接一個的。這個圖表可以讓你直觀地檢查包含在圖表中的每個度量之間的比率。所有的數(shù)值向之后的條目都有一個增長的趨勢。

條形圖

當顯示條目的平均或計數(shù)時，這是一個很好的圖表類型。可以用它來計算數(shù)據(jù)集中每個類型的每個維度的平均值。為此，需要使用groupby和mean函數(shù)。

df.groupby('species').mean().plot.bar()

上圖非常直觀，可以看到不同類型和不同柱的平均測量值存在差異。

箱線圖

箱線圖也是應該用于數(shù)值變量的可視化技術(shù)。它可以為所有的測量列繪制箱線圖(不包括物種列，因為對于這個分類變量來說，箱線圖沒有意義)。

columns = ['sepal length (cm)', 'petallength (cm)', 'petal width (cm)', 'sepal width (cm)']df[columns].plot.box()plt.xticks(rotation='vertical')

如圖所示，所有的箱線圖都畫在同一張圖上。由于沒有太多的變量來表示，所以這對我們來說是很好的。注意，必須旋轉(zhuǎn)x標簽，不這樣做標簽的名稱會相互重疊。

柱狀圖

柱狀圖對于任何連續(xù)變量來說都是一個完美的可視化技術(shù)。讓我們從簡單的hist函數(shù)開始。

import matplotlib.pyplot as pltdf.hist()plt.tight_layout()

可以看到，這會為數(shù)據(jù)集中的每個數(shù)值變量生成一個柱狀圖。要制作圖表，就不得不添加一些額外的代碼行。這是我調(diào)用tight_layout函數(shù)的第一個導入行和最后一行。如果不添加這個，標簽和子圖名可能會重疊并且不可見。

核密度函數(shù)

與柱狀圖類似，可以使用核密度函數(shù):

df.plot.kde(subplots=True,figsize=(5,9))

它給出了與柱狀圖相似的結(jié)果。必須在這里指定一個圖形大小，否則圖形會在垂直方向上被壓得太厲害。

此外，還將subplots參數(shù)設(shè)置為True，因為在默認情況下，所有的列都會顯示在同一個圖表上。

散點矩陣圖

這是我最喜歡的數(shù)據(jù)分析的可視化技術(shù)之一，因為它可以對數(shù)據(jù)集中的所有數(shù)值及其相關(guān)性進行快速分析。

默認情況下，它將為數(shù)據(jù)幀中的所有數(shù)字變量對的散點圖和所有數(shù)字變量的柱狀圖。

from pandas.plotting importscatter_matrixscatter_matrix(df, figsize=(10, 10))

你將得到這個繪制精美的平面圖，只用一行代碼就能告訴你很多關(guān)于數(shù)據(jù)集的信息。在這組數(shù)據(jù)中，只需掃一眼就能發(fā)現(xiàn)這組數(shù)據(jù)中的一些變量之間的相關(guān)性。唯一需要設(shè)置的附加參數(shù)是數(shù)字尺寸，這是因為圖中的地塊非常小，默認的圖表尺寸很小。

可視化技術(shù)是你在數(shù)據(jù)分析的修煉道路上必不可少的一關(guān)，試試將這些知識應用到你所選擇的數(shù)據(jù)集。把數(shù)據(jù)玩出花，其實很簡單。

留言點贊關(guān)注

我們一起分享AI學習與發(fā)展的干貨

如轉(zhuǎn)載，請后臺留言，遵守轉(zhuǎn)載規(guī)范

總結(jié)

以上是生活随笔為你收集整理的scatter函数_散点图、箱线图、核密度函数……数据分析必备的9种可视化图表的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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