5个可以帮助Pandas进行数据预解决的可视化图表

数据科学和呆板进修项目标布局化要领从项目方针开始。统一组数据点可以揣度出一些故意义的信息。基于我们所探求的，我们必要存眷数据的另一个方面。一旦我们明晰了方针，我们就应该开始思量我们必要的数据点。这将使我们可以或许专注于最相干的信息集，而忽略也许不重要的数据集。

在实际糊口中，从多个来历网络到的大大都时刻数据都有空缺值、打字错误和其他非常。在举办任何数据说明之前，破除数据是至关重要的。

在本文中，我将接头五个强盛的数据可视化选项，它们可以当即提供数据特性的感受。纵然在正式建模或假设测试使命之前，执行EDA就可以通报大量关于数据和特性之间相关的信息。

第1步-我们将导入pandas、matplotlib、seaborn和NumPy包，我们将行使这些包举办说明。我们必要散点图、自相干图、滞后图僻静行图。

import pandas as pd 

import numpy as np 

import matplotlib.pyplot as plt 

from pandas.plotting import autocorrelation_plot 

import seaborn as sns 

from pandas.plotting import scatter_matrix 

from pandas.plotting import autocorrelation_plot 

from pandas.plotting import parallel_coordinates 

from pandas.plotting import lag_plot 

第2步-在Seaborn包中，有一个内置的小数据集。我们将行使"mpg"、"tips"和"attention"数据举办可视化。数据集是在seaborn中行使load_dataset要领加载的。

"""Download the datasets used in the program """ 

CarDatabase= sns.load_dataset("mpg") 

MealDatabase= sns.load_dataset("tips") 

AttentionDatabase= sns.load_dataset("attention") 

六边形分箱图(hexpin)

我们常常行使散点图来快速把握变量之间的相关。只要图中没有生齿浓密的数据点，得到一个洞察力长短常有辅佐的。在下面的代码中，我们绘制了"mpg"数据齐集"Horsepower" 和"Acceleration"数据点之间的散点图。

plt.scatter(CarDatabase.acceleration ,CarDatabase.horsepower,marker="^")  

plt.show() 

散点图中的点麋集漫衍，从中获取故意义的信息有点坚苦。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!