python生物数据分析_Python学生物统计-数据可视化-学习笔记5

5.1 作图的重要性

在分析一个数据之前, 我们首先要对数据进行检查, 在统计上看一下汇总统计, 比如最大值, 最小值, 中位数, 平均值, 方差, 标准差, 变异系数等等.直方图, 看一下数据的分布情况

箱线图, 看一下数据的分布, 有无异常值

所谓一图胜千言.

python中的作图工具

5.2 散点图

# Import standard packages

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

import scipy.stats as stats

import seaborn as sns

这里生成了500个随机数, 使用plot进行作图

# Generate the data

x = np.random.randn(500)

# Plot-command start ---------------------

plt.plot(x, '.')

# Plot-command end -----------------------

# Show plot

a2 = plt.show()

5.3 直方图

a3 = plt.hist(x,bins=25)

5.4 箱线图

a4 = plt.boxplot(x);

​

练习corn.csv

corn是R包agridat中的smith.corn.uniformity玉米数据, 我们来看一下如何对其可视化?

row col plot year yield

1 20 1 101 95 30.0

2 19 1 102 95 29.1

3 18 1 103 95 25.7

4 17 1 104 95 26.3

5 16 1 105 95 30.3

6 15 1 106 95 31.1

首先, 在R中将其保存为corn.csv, 保存到D盘根目录(方便读取)

library(agridat)

data(smith.corn.uniformity)

dat = smith.corn.uniformity

head(dat)

write.csv(dat,"d:/corn.csv",row.names = F)

用python读取数据, 使用pandas包

import pandas as pd

corn = pd.read_csv("d:/corn.csv")

查看前六行

corn.head()

row col plot year yield 0 20 1 101 95 30.0 1 19 1 102 95 29.1 2 18 1 103 95 25.7 3 17 1 104 95 26.3 4 16 1 105 95 30.3

对产量yield作图

import matplotlib.pyplot as plt

c1 = plt.plot(corn["yield"],".")

c2 = plt.hist(corn["yield"])

c3 = plt.boxplot(corn["yield"])