以FIFA球员数据集为例，详解3大酷炫可视化技巧

只保存最好的球队(保存波尔图足球俱乐部只是为了让样本越发多样化)和最常见的国籍。

俱乐部偏亏得很洪流平上反应了“国籍”：相识前者有助于猜测后者。

由图可知，英国球员更也许效力于切尔西队或曼联队，而不是在巴塞罗那队、拜仁慕尼黑队或波尔图队。

同理，克莱姆V系数也也捕捉到了同样的信息。

假如全部俱乐部拥有的球员的国籍比例沟通，那么克莱姆V系数则为0。

假如每个俱乐部偏好单一国籍的球员，则克莱姆系数V==1，譬喻，全部的英国球员在曼联队效力，全部的德国球员在拜仁慕尼黑队效力等等。

在全部其他环境下，范畴则为[0,1]。

3. 数值变量和分类变量

对持续分类案例行使相干比率。

在不涉及太大都学的环境下，该变量用于离散水平的权衡。

假如给定一个数字，就能找出它的种别吗?

譬喻，假设数据齐集有“SprintSpeed”和“Position”两列分类，那么：

• 守门员：58(De Gea)、52(T. Courtois)、58(M. Neuer)、 43(G. Buffon)
• 中后卫：68(D. Godin)、59(V. Kompany)、73(S. Umtiti)、 75(M. Benatia)
• 先锋：91(C.Ronaldo)、94(G. Bale)、80(S.Aguero)、 76(R. Lewandowski)

由上可知，这些数字很好地猜测了他们所处的位置，因此相干性很高。

假如某球员冲刺速率高出85，那么该球员必定是先锋。

这个比率也在[0,1]之间。

执行此操纵的代码取自dython包，代码不会许多，最终功效如下：

player_dfplayer_df = player_df.fillna(0) 
results = associations(player_df,nominal_columns=catcols,return_results=True) 

分类vs.分类、分类vs.数值、数值vs.数值，这些使图表更为风趣。

很美，不是吗?

只要看看数据，就能对足球有云云多的相识，譬喻：

• 球员的位置与运球手段高度相干。总不能让梅西踢后卫吧!
• 值与传球和控球的相干性比运球更高。法则是永久传球，正如内马尔的传球。
• “俱乐部”和“收入”有很高的相干性而且可猜测。
• “体型”与“踢球偏好的脚”高度相干。这是否意味着假如某球员是瘦子，就很也许喜好用左脚踢球?这也许没啥现实意义，必要进一法式查。

另外，通过这个简朴的图表，就能找到上述这么多信息，这在没有分类变量的典范相干图中是见不到的。

各人可深入研究这张图表，获得更多故意义的功效，但要害是图表能让各人在实际糊口中更轻易找到某种纪律。

散点图矩阵

固然前文谈到了许多相干性，但它是一个幻化无常的指标，为了让各人领略，我们来看一个例子。

“Anscombe四重奏”由四个相干性险些近似于1的数据集构成，但具有很是差异的数据漫衍，而且在绘制时泛起出很是差异的结果。

Anscombe四重奏：相干性变革无常

因此，偶然绘制相干数据变得至关重要，而且必要单独查察漫衍。

此刻数据齐集有许多列，把它们全都绘制成图形会很艰辛。

着实只需几行代码就可以办理。

filtered_player_df = player_df[(player_df['Club'].isin(['FC Barcelona', 'Paris Saint-Germain', 
       'Manchester United', 'Manchester City', 'Chelsea', 'Real Madrid','FC Porto','FC Bayern München'])) &  
                      (player_df['Nationality'].isin(['England', 'Brazil', 'Argentina', 
       'Brazil', 'Italy','Spain','Germany']))  
                     ] 
# Single line to create pairplot 
g = sns.pairplot(filtered_player_df[['Value','SprintSpeed','Potential','Wage']]) 

（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!