Python資料分析以及可視化

標籤：each   dia   parallel   種類   屬性   sns   str   分析   ==   

引入網址：https://www.kaggle.com/benhamner/d/uciml/iris/python-data-visualizations/notebook

 

import matplotlib.pyplot as plt

import seaborn as sns

import pandas as pd

匯入資料：

iris=pd.read_csv(‘E:\\data\\Iris.csv‘)

iris.head()

 

作長條圖：

plt.hist(iris[‘SepalLengthCm‘],bins=15)

plt.xlabel(‘SepalLengthCm‘)

plt.ylabel(‘quantity‘)

plt.title(‘distribution of SepalLengthCm‘)

plt.show()

作散佈圖：

但是這樣的圖並沒有將其中的不同種類話=花的顏色標明出來。所以我們使用另一種方式，通過Species來分類

 

小提琴圖

箱型圖：

ax=sns.boxplot(x="Species",y="SepalWidthCm",data=iris)

這裡使用jitter=True使得所有點不全落在中間的這條垂直線上

ax=sns.boxplot(x="Species",y="SepalWidthCm",data=iris)

ax=sns.stripplot(x="Species",y="SepalWidthCm",data=iris,jitter=True,edgecolor="gray")

kdeplot:單變數之間的聯絡，並通過一個核密度評估變數潛在的特徵

顯示兩個變數之間的聯絡：

通過diag_kind=‘kde‘顯示雙變數間的核密度並用其估計其特徵

boxplot_1:通過Species將變數間的各個特徵分離出來

Andrews curves:安德魯曲線使用樣本的屬性作為傅裡葉變換的係數

 

Radviz:多變數可視化,每一個特徵都在一個平面上顯示出來，樣本通過圈上的點與之像聯絡起來

parallel_coordinates通過平行座標進行多變數可視化：對於資料樣本的每一個特徵，我們通過在座標軸上設定特徵並通過畫線的方式來進行設定

Python資料分析以及可視化