我的编程空间,编程开发者的网络收藏夹
学习永远不晚

EDA中常用的九个可视化图表介绍和代码示例

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

EDA中常用的九个可视化图表介绍和代码示例

在这篇文章中我们介绍EDA中常用的9个图表,并且针对每个图表给出代码示例。

1、条形图/计数图

显示分类变量的分布。可视化数据集中每个类别的频率或计数。

import seaborn as sns
 import matplotlib.pyplot as plt
 
 
 data = sns.load_dataset('tips')
 sns.countplot(x='day', data=data)
 plt.title('Count of Tips by Day')
 plt.show()

2、箱线图

显示数据中的平均值、中位数、分位数和离群值。比较多个变量的分布。可以识别扩散的数值变量,检测数据集中潜在的异常值。

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.boxplot(x='day', y='total_bill', data=data)
 plt.title('Box Plot of Total Bill by Day')
 plt.show()

3、密度图

作为数据科学家,建议使用密度图而不是直方图,因为我们猜测最佳的装箱数量是有问题的。

密度图可以可视化连续变量的分布。识别数据中的峰值、低谷和总体模式。了解分布的形状并比较多个变量的分布。

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.kdeplot(data['total_bill'], shade=True)
 plt.title('Density Plot of Total Bill')
 plt.show()

4、散点图

探索两个连续变量之间的关系。识别数据中的模式、相关性或集群。

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.scatterplot(x='total_bill', y='tip', data=data)
 plt.title('Scatter Plot of Total Bill vs. Tip')
 plt.show()

5、线型图

在时间序列中显示趋势或模式。表示连续区间内两个连续变量之间的关系,还可以比较连续范围内变量的变化。

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.lineplot(x='total_bill', y='tip', data=data)
 plt.title('Line Plot of Tip Over Total Bill')
 plt.show()

6、热图

显示数值变量的相关矩阵。识别大型数据集中的模式和关系。

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 correlation_matrix = data.corr()
 sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm')
 plt.title('Correlation Heatmap')
 plt.show()

7、小提琴图

结合了箱形图和核密度图的特点,可以可视化一个数值变量在不同类别中的分布。

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.violinplot(x='day', y='total_bill', data=data)
 plt.title('Violin Plot of Total Bill by Day')
 plt.show()

8、子图

为了进行对比,可以在同一图中并排比较多个子图。

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 
 plt.figure(figsize=(12, 8))
 
 plt.subplot(2, 2, 1)
 sns.scatterplot(x='total_bill', y='tip', data=data)
 plt.title('Scatter Plot of Total Bill vs Tip')
 
 plt.subplot(2, 2, 2)
 sns.boxplot(x='day', y='total_bill', data=data)
 plt.title('Box Plot of Total Bill by Day')
 
 plt.subplot(2, 2, 3)
 sns.barplot(x='day', y='total_bill', data=data)
 plt.title('Bar Plot of Total Bill by Day')
 
 plt.subplot(2, 2, 4)
 sns.histplot(data['total_bill'], kde=True)
 plt.title('Histogram of Total Bill')
 
 plt.tight_layout()
 plt.show()

9、关系图

Pairplot在中文中没有特定的翻译,我这里把它称作关系图,因为它是用于绘制变量之间的关系,通过对多个变量进行可视化来探索它们之间的相关性和趋势。

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 
 sns.pairplot(data, hue='day')
 plt.suptitle('Pairplot of Numerical Variables by Day', y=1.02)
 plt.show()

总结

以上就是在EDA中常用的图表,可以看到seaborn是可以非常好用的工具,它基于matplotlib但是更加美观,并且需要编写的代码更少,所以在EDA需要简单的出图的时候可以优先使用它。

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

EDA中常用的九个可视化图表介绍和代码示例

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

EDA中常用的九个可视化图表介绍和代码示例

探索性数据分析(EDA)是数据科学家用来分析和调查数据集并总结其主要特征的一种方法,通常采用数据可视化技术。我们可以说EDA是通过创建可视化和摘要来调查和理解数据集的过程。

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录