28 分析神奇宝贝的变量关系数据

已经记下了两节pandas课，这里有一份官方文档：Pandas基本操作。

需要掌握的基础

seaborn

业务场景

seaborn

盒形图

数据集

相关系数

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import os
import pandas as pd

#比较不同类别的精灵属性值的分布

#查看双变量的数据分布

filepath = '/Users/miraco/PycharmProjects/DataMining/data_pd/pokemon.csv'

cols = ['Name','Type_1','Total','HP','Attack','Defense','Speed','Height_m','Weight_kg','Catch_Rate''']
data_df = pd.read_csv(filepath,usecols= cols)  #可以只取出来指定的列
cln_data_df = data_df.dropna()

print('去除噪声的数据有{}行记录，处理以后有{}行记录'.format(data_df.shape[0], cln_data_df.shape[0]))
plt.rcParams['savefig.dpi'] = 300 #图片像素
plt.rcParams['figure.dpi'] = 300 #分辨率
# 默认的像素：[6.0,4.0]，分辨率为100，图片尺寸为 600&400
# 指定dpi=200，图片尺寸为 1200*800
# 指定dpi=300，图片尺寸为 1800*1200
# 设置figsize可以在不改变分辨率情况下改变比例

#按照type1下各类来看攻击力'Attack'情况
sns.boxplot(x = 'Type_1',y = 'Attack', data = cln_data_df)
plt.xticks(fontsize = 9, rotation = 45)
plt.yticks(rotation = 0 )
plt.xlabel('Type 1')
plt.show()

#二维查看HP和Attack之间的关系
sns.jointplot(x = 'HP',y = 'Attack', data = cln_data_df)
plt.xticks(fontsize = 9, rotation = 45)
plt.yticks(rotation = 0 )
plt.show()

#可视化变量之间的关系：相关系数，
corr_df = cln_data_df.corr()
sns.heatmap(corr_df, annot=True)
plt.xticks(fontsize = 9, rotation = 45)
plt.yticks(rotation = 0 )
plt.show()

运行结果

去除噪声的数据有721行记录，处理以后有721行记录

运行出图

按照type1下各类来看攻击力'Attack'情况，使用sns.boxplot

二维查看HP和Attack之间的关系，使用sns.jointplot

可视化变量之间的关系：相关系数。使用corr()

知识点

image.png

练习：分析房屋价格数据

• 题目描述：分析房屋价格数据

1. 通过盒形图可视化不同卧室个数对应的房屋价格的分布
2. 通过双变量图观察卫生间个数与房屋价格的关系
3. 通过热图可视化变量间的关系

• 题目要求:

• 使用Pandas和Seaborn进行数据分析及可视化

• 数据文件：

• 数据源下载地址：https://video.mugglecode.com/house_data.csv

• house_data.csv，包含了某美国城市的房屋价格。每行记录为单个房屋的数据。

• 共5列数据，分别表示：

1. price: 房屋价格，单位：美元
2. bedrooms: 卧室个数
3. bathrooms: 卫生间个数
4. area: 房屋面积，单位：平方米
5. yr_built：房屋建造的年份

分析

• 问题拆解提示：

1. 如何绘制盒形图？
2. 如何绘制双变量图？
3. 如何计算相关系数？
4. 如何可视化相关系数？

• 问题解决提示：

1. 使用Seaborn模块中的boxplot()(https://seaborn.pydata.org/generated/seaborn.boxplot.html)方法绘制盒形图，主要参数有：

• x: 横轴变量，这里应为bedrooms
• y: 纵轴变量，这里应为price
• data: 数据，通常为DataFrame类型

2. 使用Seaborn中的joinplot()(https://seaborn.pydata.org/generated/seaborn.jointplot.html)方法绘制双变量图，主要参数有；

• x: 变量1，这里应为bathrooms
• y: 变量2，这里应为price
• data: 数据，通常为DataFrame类型

3. 使用Pandas的corr()(https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.corr.html)方法计算没两列数据的相关系数，可更改method参数指定计算相关系数的方法，默认为皮尔逊相关系数；
4. 使用热图可视化相关系数结果，其中热图可使用Seaborn模块中的heatmap()(https://seaborn.pydata.org/generated/seaborn.heatmap.html)方法绘制,主要参数有：

• data: 数据，通常为DataFrame类型，这里为相关系数结果
• annot: 是否在热图中显示数值，默认为False

答案代码

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

#比较不同类别的精灵属性值的分布

#查看双变量的数据分布

filepath = '/Users/miraco/PycharmProjects/DataMining/data_pd/house_data.csv'

cols = ['price','bedrooms','bathrooms','area','yr_built']
data_df = pd.read_csv(filepath,usecols= cols)  #可以只取出来指定的列
cln_data_df = data_df.dropna()

print('去除噪声的数据有{}行记录，处理以后有{}行记录'.format(data_df.shape[0], cln_data_df.shape[0]))
plt.rcParams['savefig.dpi'] = 300 #图片像素
plt.rcParams['figure.dpi'] = 300 #分辨率
# 默认的像素：[6.0,4.0]，分辨率为100，图片尺寸为 600&400
# 指定dpi=200，图片尺寸为 1200*800
# 指定dpi=300，图片尺寸为 1800*1200
# 设置figsize可以在不改变分辨率情况下改变比例

#按照type1下各类来看攻击力'Attack'情况
sns.boxplot(x = 'bedrooms',y = 'price', data = cln_data_df)
plt.xticks(fontsize = 9, rotation = 45)
plt.yticks(rotation = 0 )
plt.xlabel('The number of bedrooms')
plt.show()

#二维查看HP和Attack之间的关系
sns.jointplot(x = 'bathrooms',y = 'price', data = cln_data_df)
plt.xticks(fontsize = 9, rotation = 45)
plt.yticks(rotation = 0 )
plt.show()

#可视化变量之间的关系：相关系数，
corr_df = cln_data_df.corr()
sns.heatmap(corr_df, annot=True)
plt.xticks(fontsize = 9, rotation = 45)
plt.yticks(rotation = 0 )
plt.show()

运行结果

去除噪声的数据有1263行记录，处理以后有1263行记录

图

通过盒形图可视化不同卧室个数对应的房屋价格的分布

通过双变量图观察卫生间个数与房屋价格的关系

通过热图可视化变量间的关系