数据可视化

可视化工具

可视化工具有如下几种，seaborn可以看作对matplotlib的高级封装；Plotly可以制作可交互的图片；Bokeh同样也是制作可交互的图片；ggplot是R包ggplot2的python版本，绘制静态图片；Graph visualization with NetworkX用于绘制图数据结构的包。

类别变量可视化

类别变量可视化使用seaborn的catplot函数，可以绘制类别的散点图(stripplot, swarmplot)，类别分布图(boxplot, violinplot, boxenplot)，类别估计图(pointplot, barplot, countplot)

stripplot

catplot kind参数的默认值就是stripplot

"""
  total_bill   tip     sex smoker  day    time  size
0       16.99  1.01  Female     No  Sun  Dinner     2
1       10.34  1.66    Male     No  Sun  Dinner     3
2       21.01  3.50    Male     No  Sun  Dinner     3
3       23.68  3.31    Male     No  Sun  Dinner     2
4       24.59  3.61  Female     No  Sun  Dinner     4
"""
tips = sns.load_dataset("tips")
sns.catplot(x="day", y="total_bill", data=tips);

使用jitter参数控制每个类别的宽度。

1	sns.catplot(x="day", y="total_bill", jitter=False, data=tips);

swarmplot

swarmplot把数据按树形展开，防止重叠，并体现出了数据的分布。类似于琴图。

1	sns.catplot(x="day", y="total_bill", hue="sex", kind="swarm", data=tips);

使用order参数，传入一个list，可以控制类别的先后顺序。

boxplot

关于箱型图，箱型图包括中位数，上四分位数，下四分位数，上限，下限，异常点。分位距IQR=Q3-Q1，异常值是大于Q3+1.5IQR或者小于Q1-1.5IQR范围内的值。

1	sns.catplot(x="day", y="total_bill", kind="box", data=tips);

boxenplot

相对于boxplot，boxenplot展示了更多的信息。

1
2
3

diamonds = sns.load_dataset("diamonds")
sns.catplot(x="color", y="price", kind="boxen",
            data=diamonds.sort_values("color"));

violinplot

琴图结合了箱型图和核密度估计

1 2	sns.catplot(x="total_bill", y="day", hue="time", kind="violin", data=tips);

barplot

1 2	titanic = sns.load_dataset("titanic") sns.catplot(x="sex", y="survived", hue="class", kind="bar", data=titanic);

pointplot

pointplot 在barplot的基础上比较了不同类之间的大小

1	sns.catplot(x="sex", y="survived", hue="class", kind="point", data=titanic);