Python数据可视化的四种浅显要领

数据可视化是任何数据科学或呆板进修项目标一个重要构成部门。人们经常会从试探数据说明(EDA)开始，来深入相识数据，而且建设可视化确实有助于让题目更清楚和更轻易领略，尤其是对付那些较大的高维度数据集。在项目竣事的时辰，可以或许以清楚的、简捷的和令人佩服的方法泛起最终功效，这长短常重要的，让你的用户可以或许领略和大白。

你也许已经看过了我之前的文章《5种快速和简朴的Python数据可视化要领(含代码)》(5 Quick and Easy Data Visualizations in Python with Code)，个中先容了5种根基可视化要领：散点图、线图、柱状图、条形图和箱形图。这五个是简朴而强盛的可视化要领，你绝对可以通过这些要领从数据齐集获得庞大的收成。在本文中，将先容其它4个数据可视化要领，但轻微伟大一些，你可以在看完上一篇文章先容的根基要领之后再用。

热图(Heat Map)

热图是数据的矩阵暗示方法，，个中每个矩阵的值用一种颜色来暗示。差异的颜色代表差异的级别，矩阵指数将两个比拟的列或特性毗连在一路。热图可以很好地表现出多个特性变量之间的相关，由于可以直接把一个级别看作一种颜色。还可以通过调查热图中的一些点来查察每个相关是怎样与数据齐集的其余相关举办较量的。这些颜色简直提供了简朴的暗示方法，由于这长短常直观的。

此刻来看下代码：与matplotlib库对比，seaborn库可用于更高级的图表，凡是也必要更多的组件，如更多的颜色、图形可能变量。Matplotlib库用于表现图表，numpy用于天生数据，而pandas用于节制。画图只是挪用一个简朴的seaborn函数，假如你发明白一些在视觉上很出格的对象，通过这个函数，还可以配置颜色映射。

二维密度图(2D Density Plot)

二维密度图是一维版本的简朴扩展，可以或许看到关于2个变量的概率漫衍。让我们看看下面的二维密度图，右边的刻度用颜色暗示每一点的概率。最高的概率，看下数据集，好像约莫是0.5的巨细和1.4-ish的速率。正如你所看到的，二维密度图对付快速确定命据对付两个变量最齐集的地区很是地明显，而不是像一维密度图那样只齐集一个变量。当你有两个对输出功效很是重要的变量，而且但愿相识它们怎样一路对输出功效漫衍起浸染的时辰，二维密度图尤其得当。

Seaborn的代码超等简朴，我们将通过建设一个偏态漫衍先容它。假如你发明某些颜色和阴影在视觉上更出格，那么大大都的可选参数都是为了看起来更清楚。

蜘蛛图(Spider Plot)

蜘蛛图是表现一对多相关最好的要领之一。也就是说，你可以绘制并查察区别于单个变量或类此外多个变量的值。在蜘蛛图中，一个变量相对付另一个变量的特征是显而易见的，由于面积和长度在一些偏向上变革了。假如你但愿相识几个种别关于这些变量是怎样叠加起来的，可以并排绘制一下。在下图中，很轻易较量三个影戏脚色的差异属性，并相识他们的上风地址!

这次我们将可以或许直接行使matplotlib来建设可视化，而不是用seaborn。必要计较每个属性地址的角度，由于我们但愿它们沿圆周被均匀地脱离开。我们将在每个计较的角度安排标签，然后把值绘制成一个点，该点到中心的间隔取决于它的值或是级别。最后，为了清楚起见，我们将行使半透明的颜色添补由毗连各属性点的线所包括的地区。

树形图(Tree Diagram)

我们从小学就开始行使树形图了，树形图既天然又直观，还易于表明。直接毗连的节点相关亲近，而与有多个毗连的节点不同很大。在下图中，我已经按照统计绘制了一小部门来自Kaggle的Pokemon with stats数据集：

HP、进攻、防止、非凡进攻、非凡防止、速率

因此，与stats wise最匹配的Pokemon将细密毗连在一路。譬喻，我们看到，在顶部，Arbok和Fearow是直接毗连的，并且，假如我们查察数据，Arbok总共有438个，而Fearow有442个，很是靠近。可是一旦我们移动到Raticate，我们获得的总数是413，这与Arbok和Fearow的不同很大，这就是它们被分隔的缘故起因。当我们移动树的时辰，基于相似性，Pokemon被分的组越来越多。在绿色组中的Pokemon彼此之间比赤色组中的更相似，纵然没有直接的绿色毗连。

对付树形图，我们现实上要行使Scipy的。在查察了数据集之后，我们将去掉字符串范例的列。我们这么做只是为了要获得正确的可视化功效，但在实践中，最好是把这些字符串转换因素类变量，为了获得更好的功效和举办较量，我们还配置了数据帧索引，以便可以或许适内地用它作为引用每个节点的列。最后，在Scipy上钩较和绘制树形图长短常简朴的事了。

保举阅读

（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!