Python資料視覺化探索範例分享

2022-05-22 13:00:38

一、資料視覺化與探索圖

資料視覺化是指用圖形或表格的方式來呈現資料。圖表能夠清楚地呈現資料性質，以及資料間或屬性間的關係，可以輕易地讓人看圖釋義。使用者通過探索圖（Exploratory Graph）可以瞭解資料的特性、尋找資料的趨勢、降低資料的理解門檻。

二、常見的圖表範例

本章主要採用 Pandas 的方式來畫圖，而不是使用 Matplotlib 模組。其實 Pandas 已經把 Matplotlib 的畫圖方法整合到 DataFrame 中，因此在實際應用中，使用者不需要直接參照 Matplotlib 也可以完成畫圖的工作。

1.折線圖

折線圖（line chart）是最基本的圖表，可以用來呈現不同欄位連續資料之間的關係。繪製折線圖使用的是 plot.line() 的方法，可以設定顏色、形狀等引數。在使用上，拆線圖繪製方法完全繼承了 Matplotlib 的用法，所以程式最後也必須呼叫 plt.show() 產生圖，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()

2.散佈圖

散佈圖（Scatter Chart）用於檢視不同欄位離散資料之間的關係。繪製散佈圖使用的是 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)')

3.直方圖、長條圖

直方圖（Histogram Chart）通常用於同一欄位，呈現連續資料的分佈狀況，與直方圖類似的另一種圖是長條圖（Bar Chart），用於檢視同一欄位，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()

4. 圓餅圖、箱形圖

圓餅圖（Pie Chart）可以用於檢視同一欄位各類別所佔的比例，而箱形圖（Box Chart）則用於檢視同一欄位或比較不同欄位資料的分佈差異，如圖 8.7 所示。

df.target.value_counts().plot.pie(legend=True)
df.boxplot(column=['target'],ﬁgsize=(10,5))

資料探索實戰分享:

本節利用兩個真實的資料集實際展示資料探索的幾種手法。

三、社群調查

在美國社群調查（American Community Survey）中，每年約有 350 萬個家庭被問到關於他們是誰及他們如何生活的詳細問題。調查的內容涵蓋了許多主題，包括祖先、教育、工作、交通、網際網路使用和居住。

資料名稱：2013 American Community Survey。

先觀察資料的樣子與特性，以及每個欄位代表的意義、種類和範圍。

# 讀取資料
df = pd.read_csv("./ss13husa.csv")
# 欄位種類數量
df.shape
# (756065,231)
# 欄位數值範圍
df.describe()

先將兩個 ss13pusa.csv 串連起來，這份資料總共包含 30 萬筆資料，3 個欄位：SCHL ( 學歷，School Level)、 PINCP ( 收入，Income) 和 ESR ( 工作狀態，Work Status)。

pusa = pd.read_csv("ss13pusa.csv") pusb = pd.read_csv("ss13pusb.csv")
# 串接兩份資料
col = ['SCHL','PINCP','ESR']
df['ac_survey'] = pd.concat([pusa[col],pusb[col],axis=0)

依據學歷對資料進行分群，觀察不同學歷的數量比例，接著計算他們的平均收入。

group = df['ac_survey'].groupby(by=['SCHL']) print('學歷分佈:' + group.size())
group = ac_survey.groupby(by=['SCHL']) print('平均收入:' +group.mean())

四、波士頓房屋資料集

波士頓房屋資料集（Boston House Price Dataset）包含有關波士頓地區的房屋資訊，包 506 個資料樣本和 13 個特徵維度。

資料名稱：Boston House Price Dataset。

先觀察資料的樣子與特性，以及每個欄位代表的意義、種類和範圍。

可以用直方圖的方式畫出房價（MEDV）的分佈，如圖 8.8 所示。

df = pd.read_csv("./housing.data")
# 欄位種類數量
df.shape
# (506, 14)
#欄位數值範圍df.describe()
import matplotlib.pyplot as plt
df[['MEDV']].plot.hist()
plt.show()

注：圖中英文對應筆者在程式碼中或資料中指定的名字，實踐中讀者可將它們替換成自己需要的文字。

接下來需要知道的是哪些維度與“房價”關係明顯。先用散佈圖的方式來觀察，如圖8.9所示。

# draw scatter chart
df.plot.scatter(x='MEDV', y='RM') .
plt.show()

最後，計算相關係數並用聚類熱圖（Heatmap）來進行視覺呈現，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，表示正向關係；顏色為藍色，表示負向關係；顏色為白色，表示沒有關係。RM 與房價關聯度偏向紅色，為正向關係；LSTAT、PTRATIO 與房價關聯度偏向深藍，為負向關係；CRIM、RAD、AGE 與房價關聯度偏向白色，為沒有關係。

到此這篇關於Python資料視覺化探索範例分享的文章就介紹到這了,更多相關Python資料視覺化內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！