Python 数据可视化分析（一）

Python 数据可视化分析

使用到的扩展库：

import warnings
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
warnings.filterwarnings('ignore')

Tips:
（1）warnings库：用于提示警告（可有可无）
（2）numpy库：支持数组的维度运算与矩阵运算。
（3）pandas库：提供了各种分析结构化数据的方法，通常和numpy结合使用
（4）matplotlib.pyplot库：可视化绘图库
（5）sns.set()：是matplotlib库的进阶版，提供了更多可视化操作

---

单变量可视化（即只关注一个变量分析其特征）

通常采用直方图和密度图来表示可视化的单变量数据

• 使用hist()方法来绘制直方图

    df.hist(figsize=(10,4)) // 创建一个尺寸是10x4的直方图

• 使用plot()方法创建密度图

    // 创建一个尺寸为10x4的密度图
    df.plot(kind='density', figsize=(10, 4))

• 使用seaborn的distplot()方法同时显示直方图与密度图

    // sns即seaborn库
    sns.distplot(df['Total intl calls'])

• 使用seanborn的boxplot()方法创建箱型图

    // x 表示横坐标的数据  ； data 表示数据源
    sns.boxplot(x='Total intl calls', data=df)

• 使用violinplot()创建提琴形图

    // 创建一个小提琴图
    sns.violinplot(data=df['Total intl calls'], figsize=(6, 4))

• 使用describe()方法获取分布的精确数值统计

    df.describe()

describe()的输出基本上是自解释性的，25%，50% 和 75% 是相应的百分数

• 使用 value_counts()方法得到一张频率表

    df.value_counts()

• 条形图使用 seaborn 的countplot()函数。让我们来画出两个分类变量的分布。

    sns.countplot(x='Customer service calls', data=df, figsize(12, 4))

…