
我們?cè)诓捎?a href='/map/jiqixuexi/' style='color:#000;font-size:inherit;'>機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)進(jìn)行分析時(shí),首先要對(duì)數(shù)據(jù)進(jìn)行了解,而了解數(shù)據(jù)最快速的方式就是可視化。但是作者可視化采用的方法對(duì)很多data都通用,且采用的是各種圖形的圖矩陣,如直方圖、散點(diǎn)圖矩陣等等。本文就根據(jù)作者的分析來介紹如何運(yùn)用pandas作各種矩陣圖。
(1)數(shù)據(jù)
數(shù)據(jù)為PimaIndians dataset,在作者的代碼中包含該數(shù)據(jù)來源網(wǎng)址,即皮馬印第安人糖尿病數(shù)據(jù)集,樣本個(gè)數(shù)有768個(gè),包含變量有:
Preg:懷孕次數(shù)
Plas:口服葡萄糖耐量試驗(yàn)中血漿葡萄糖濃度為2小時(shí)
Pres:舒張壓(mm Hg)
Skin:三頭肌皮褶厚度(mm)
test :2小時(shí)血清胰島素(μU/ml)
mass:體重指數(shù)(kg /(身高(m))^ 2)
pedi:糖尿病血統(tǒng)功能
age:年齡(歲)
class:類變量(0或1),估計(jì)是性別。
(2)Histograms(直方圖矩陣)
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] #設(shè)置變量名 data = pandas.read_csv(url, names=names) #采用pandas讀取csv數(shù)據(jù) data.hist() plt.show()
但是,我們看到圖形并不協(xié)調(diào),存在變量與坐標(biāo)重疊的情況,我們可以調(diào)整hist()的參數(shù)來解決,包括對(duì)x軸、y軸標(biāo)簽大小的調(diào)節(jié)((xlabelsize,ylabelsize),整個(gè)圖形布局大小的調(diào)節(jié)figsize:
data.hist(xlabelsize=7,ylabelsize=7,figsize=(8,6)) # plt.show()
可以看到每一個(gè)變量的分布情況,其中mass、plas、pres呈現(xiàn)一定的正態(tài)分布,其他除了class之外,基本上左偏。
(3)Density Plots(密度圖矩陣)
原始代碼輸出后仍然存在重疊的地方,在這里加入了對(duì)圖中坐標(biāo)文字fontsize,以及整體布局大小figsize。
(4)箱線圖矩陣(Box and Whisker Plots)
與(3)類似,在這里注意可以共享x軸和y軸,用了sharex=False, sharey=False的命令。
(5)相關(guān)系數(shù)矩陣圖(Correlation Matrix Plot)
import numpy correlations = data.corr() #計(jì)算變量之間的相關(guān)系數(shù)矩陣 # plot correlation matrix fig = plt.figure() #調(diào)用figure創(chuàng)建一個(gè)繪圖對(duì)象 ax = fig.add_subplot(111) cax = ax.matshow(correlations, vmin=-1, vmax=1) #繪制熱力圖,從-1到1 fig.colorbar(cax) #將matshow生成熱力圖設(shè)置為顏色漸變條 ticks = numpy.arange(0,9,1) #生成0-9,步長(zhǎng)為1 ax.set_xticks(ticks) #生成刻度 ax.set_yticks(ticks) ax.set_xticklabels(names) #生成x軸標(biāo)簽 ax.set_yticklabels(names) plt.show()
顏色越深表明二者相關(guān)性越強(qiáng)。
(6)散布圖矩陣(Scatterplot Matrix)
from pandas.tools.plotting import scatter_matrix scatter_matrix(data,figsize=(10,10)) plt.show()
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10