數(shù)據(jù)可視化是指用圖形或表格的方式來(lái)呈現(xiàn)數(shù)據(jù)。圖表能夠清楚地呈現(xiàn)數(shù)據(jù)性質(zhì)， 以及數(shù)據(jù)間或?qū)傩蚤g的關(guān)系，可以輕易地讓人看圖釋義。用戶通過(guò)探索圖（Exploratory Graph）可以了解數(shù)據(jù)的特性、尋找數(shù)據(jù)的趨勢(shì)、降低數(shù)據(jù)的理解門檻。 本章主要采用 Pandas 的方式來(lái)畫圖，而不是使用 Matplotlib 模塊。其實(shí) Pandas 已經(jīng)把 Matplotlib 的畫圖方法整合到 DataFrame 中，因此在實(shí)際應(yīng)用中，用戶不需要直接引用 Matplotlib 也可以完成畫圖的工作。 折線圖（line chart）是最基本的圖表，可以用來(lái)呈現(xiàn)不同欄位連續(xù)數(shù)據(jù)之間的關(guān)系。繪制折線圖使用的是 plot.line() 的方法，可以設(shè)置顏色、形狀等參數(shù)。在使用上，拆線圖繪制方法完全繼承了 Matplotlib 的用法，所以程序最后也必須調(diào)用 plt.show() 產(chǎn)生圖，如圖8.4 所示。df_iris[['sepal length (cm)']].plot.line()
plt.show()
ax = df[['sepal length (cm)']].plot.line(color='green',title="Demo",style='--')
ax.set(xlabel="index", ylabel="length")
plt.show()
散布圖（Scatter Chart）用于檢視不同欄位離散數(shù)據(jù)之間的關(guān)系。繪制散布圖使用的是 df.plot.scatter()，如圖8.5所示。df = df_iris
df.plot.scatter(x='sepal length (cm)', y='sepal width (cm)')
from matplotlib import cm
cmap = cm.get_cmap('Spectral')
df.plot.scatter(x='sepal length (cm)',
y='sepal width (cm)',
s=df[['petal length (cm)']]*20,
c=df['target'],
cmap=cmap,
title='different circle size by petal length (cm)')
直方圖（Histogram Chart）通常用于同一欄位，呈現(xiàn)連續(xù)數(shù)據(jù)的分布狀況，與直方圖類似的另一種圖是長(zhǎng)條圖（Bar Chart），用于檢視同一欄位，如圖 8.6 所示。df[['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)','petal width (cm)']].plot.hist()
2 df.target.value_counts().plot.bar()
圓餅圖（Pie Chart）可以用于檢視同一欄位各類別所占的比例，而箱形圖（Box Chart）則用于檢視同一欄位或比較不同欄位數(shù)據(jù)的分布差異，如圖 8.7 所示。df.target.value_counts().plot.pie(legend=True)
df.boxplot(column=['target'],?gsize=(10,5))
數(shù)據(jù)探索實(shí)戰(zhàn)分享
本節(jié)利用兩個(gè)真實(shí)的數(shù)據(jù)集實(shí)際展示數(shù)據(jù)探索的幾種手法。一、2013年美國(guó)社區(qū)調(diào)查 在美國(guó)社區(qū)調(diào)查（American Community Survey）中，每年約有 350 萬(wàn)個(gè)家庭被問(wèn)到關(guān)于他們是誰(shuí)及他們?nèi)绾紊畹脑敿?xì)問(wèn)題。調(diào)查的內(nèi)容涵蓋了許多主題，包括祖先、教育、工作、交通、互聯(lián)網(wǎng)使用和居住。 數(shù)據(jù)來(lái)源：https://www.kaggle.com/census/2013-american-community-survey。 數(shù)據(jù)名稱：2013 American Community Survey。 先觀察數(shù)據(jù)的樣子與特性，以及每個(gè)欄位代表的意義、種類和范圍。# 讀取數(shù)據(jù)
df = pd.read_csv("./ss13husa.csv")
# 欄位種類數(shù)量
df.shape
# (756065,231)
# 欄位數(shù)值范圍
df.describe()
先將兩個(gè) ss13pusa.csv 串連起來(lái)，這份數(shù)據(jù)總共包含 30 萬(wàn)筆數(shù)據(jù)，3 個(gè)欄位：SCHL ( 學(xué)歷，School Level)、 PINCP ( 收入，Income) 和 ESR ( 工作狀態(tài)，Work Status)。pusa = pd.read_csv("ss13pusa.csv") pusb = pd.read_csv("ss13pusb.csv")
# 串接兩份數(shù)據(jù)
col = ['SCHL','PINCP','ESR']
df['ac_survey'] = pd.concat([pusa[col],pusb[col],axis=0)
依據(jù)學(xué)歷對(duì)數(shù)據(jù)進(jìn)行分群，觀察不同學(xué)歷的數(shù)量比例，接著計(jì)算他們的平均收入。group = df['ac_survey'].groupby(by=['SCHL']) print('學(xué)歷分布:' + group.size())
group = ac_survey.groupby(by=['SCHL']) print('平均收入:' +group.mean())
波士頓房屋數(shù)據(jù)集（Boston House Price Dataset）包含有關(guān)波士頓地區(qū)的房屋信息， 包 506 個(gè)數(shù)據(jù)樣本和 13 個(gè)特征維度。 數(shù)據(jù)來(lái)源：https://archive.ics.uci.edu/ml/machine-learning-databases/housing/。 數(shù)據(jù)名稱：Boston House Price Dataset。 先觀察數(shù)據(jù)的樣子與特性，以及每個(gè)欄位代表的意義、種類和范圍。 可以用直方圖的方式畫出房?jī)r(jià)（MEDV）的分布，如圖 8.8 所示。df = pd.read_csv("./housing.data")
# 欄位種類數(shù)量
df.shape
# (506, 14)
#欄位數(shù)值范圍df.describe()
import matplotlib.pyplot as plt
df[['MEDV']].plot.hist()
plt.show()
注：圖中英文對(duì)應(yīng)筆者在代碼中或數(shù)據(jù)中指定的名字，實(shí)踐中讀者可將它們替換成自己需要的文字。 接下來(lái)需要知道的是哪些維度與“房?jī)r(jià)”關(guān)系明顯。先用散布圖的方式來(lái)觀察，如圖8.9所示。# draw scatter chart
df.plot.scatter(x='MEDV', y='RM') .
plt.show()
最后，計(jì)算相關(guān)系數(shù)并用聚類熱圖（Heatmap）來(lái)進(jìn)行視覺呈現(xiàn)，如圖 8.10 所示。# compute pearson correlation
corr = df.corr()
# draw heatmap
import seaborn as sns
corr = df.corr()
sns.heatmap(corr)
plt.show()
顏色為紅色，表示正向關(guān)系；顏色為藍(lán)色，表示負(fù)向關(guān)系；顏色為白色，表示沒有關(guān)系。RM 與房?jī)r(jià)關(guān)聯(lián)度偏向紅色，為正向關(guān)系；LSTAT、PTRATIO 與房?jī)r(jià)關(guān)聯(lián)度偏向深藍(lán)， 為負(fù)向關(guān)系；CRIM、RAD、AGE 與房?jī)r(jià)關(guān)聯(lián)度偏向白色，為沒有關(guān)系。 聲明：本文選自清華大學(xué)出版社的《深入淺出python數(shù)據(jù)分析》一書，略有修改，經(jīng)出版社授權(quán)刊登于此。內(nèi)容簡(jiǎn)介：本書將從基礎(chǔ)的 Python 編程開始，以數(shù)據(jù)分析的流程為主軸一步一步地解析，然后展開介紹數(shù)據(jù)收集、數(shù)據(jù)前處理、特征工程、探索式分析等。本書系統(tǒng)性地從函數(shù)庫(kù)開始學(xué)習(xí)，并拓展到不同的應(yīng)用場(chǎng)景。本書實(shí)用性強(qiáng)，提供數(shù)據(jù)分析所必需的編程技能的培訓(xùn)，以及常見第三方軟件和庫(kù)的使用方法；以數(shù)據(jù)科學(xué)家、數(shù)據(jù)分析師等數(shù)據(jù)應(yīng)用工作的實(shí)踐經(jīng)驗(yàn)作為培養(yǎng)目標(biāo)，適合對(duì) Python與數(shù)據(jù)分析有興趣的人閱讀。
點(diǎn)擊上方名片，后臺(tái)回復(fù)【數(shù)據(jù)分析】進(jìn)行抽獎(jiǎng)
峰哥送5本《深入淺出Python數(shù)據(jù)分析》
