以FIFA球员数据集为例，详解3大酷炫可视化技巧

可视化令数据一览无余。然而，乐成的数据可视化每每很难实现。另外，向更多受众泛起这些可视化的数据，也必要淹灭更多时刻和精神。

各人都知道怎样建造条形图、散点图和直方图，但却不注重美化它们。这在无形中会侵害我们在偕行和上级心中的靠得住性。

另外，代码重用也很重要。你该不会想每次会见数据集都从新开始吧?操作一些可重用的图形能更快地找到你想要的信息。

本文涉及三个适用的可视化器材：

• 图形分类相干性
• 散点图矩阵
• 行使Seaborn的分类散点图注释和图注释

总的来说，本文会教各人建造一些悦目又顶用的图表。

本文将行使kaggle上的国际足联2019年完备的球员数据集，其最新版数据库包罗了每个注册在内的球员的具体信息。

因为该数据集有很多列，因此我们只存眷分类列和持续列的子集。

import numpy as np 
import pandas as pd 
import seaborn as sns 
import matplotlib.pyplot as plt 
%matplotlib inline 
# We dont Probably need the Gridlines. Do we? If yes comment this line 
sns.set(style="ticks") 
player_df = pd.read_csv("../input/data.csv") 
numcols = [ 
 'Overall', 
 'Potential', 
'Crossing','Finishing',  'ShortPassing',  'Dribbling','LongPassing', 'BallControl', 'Acceleration', 
       'SprintSpeed', 'Agility',  'Stamina', 
 'Value','Wage'] 
catcols = ['Name','Club','Nationality','Preferred Foot','Position','Body Type'] 
# Subset the columns 
player_dfplayer_df = player_df[numcols+ catcols] 
# Few rows of data 
player_df.head(5) 

球员数据

固然该数据名目精采，可是由于人为和值列是以欧元为单元，并包括字符串，必要举办一些预处理赏罚，才气使它们为后续说明提供数值。

def wage_split(x): 
    try: 
        return int(x.split("K")[0][1:]) 
    except: 
        return 0 
player_df['Wage'] = player_df['Wage'].apply(lambda x : wage_split(x)) 
def value_split(x): 
    try: 
        if 'M' in x: 
            return float(x.split("M")[0][1:]) 
        elif 'K' in x: 
            return float(x.split("K")[0][1:])/1000 
    except: 
        return 0 
player_df['Value'] = player_df['Value'].apply(lambda x : value_split(x)) 

图形分类相干性

简朴来说，相干性是权衡两个变量怎样一路行为的指标。

譬喻，在实际糊口中，收入与支出呈正相干，个中一个变量跟着另一个变量的增进而增进。

进修后果和电子游戏的行使呈负相干，个中一个变量的增进意味着另一个变量的镌汰。

因此假如猜测变量与方针变量呈正相干或负相干，那么该变量就有研究代价。

研究差异变量之间的相干性对付领略数据很是故意义。

行使Seaborn即可轻松建设出相等不错的相关图。

corr = player_df.corr() 
g = sns.heatmap(corr,  vmax=.3, center=0, 
            square=True, linewidths=.5, cbar_kws={"shrink": .5}, annot=True, fmt='.2f', cmap='coolwarm') 
sns.despine() 
g.figure.set_size_inches(14,10) 
 
plt.show() 

全部的分类变量都去哪了?

你有留意到什么题目吗?

有题目，由于该图仅计较了数值列之间的相干性。

假如方针变量是club或position，会呈现什么环境?

假如想获得三种差异环境之间的相干性，可行使以下相干性怀抱来计较。

1. 数值变量

该变量可通过Pearson相干性的方法获得，用于怀抱两个变量怎样一路行为，范畴为[-1，1]。

2. 分类变量

行使克莱姆V系数来分类案例。该系数是两个离散变量之间的彼此关联，并与具有两个或多条理的变量一路行使。它也是一个对称的怀抱，由于变量的次序无关紧急，即克莱姆(A,B)==克莱姆(B，A)。

譬喻，在数据齐集，Club和Nationality必然有某种关联。

可用堆叠图来验证这一点，这是领略分类变量和分类变量间漫衍的一个绝佳要领，由于在该数据中有许多国籍和俱乐部，以是行使数据的子集。

（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!