散点图统计图分析（数据分析50图一）

前言

华罗庚说过

数缺形时少直观,形少数时难入微.

这句话第一次听还是初中数学老师上二次方程课时说的.

最近看到了3blue1brown对线性代数的直观解释感觉豁然开朗,于是我又捡起了儿时对美妙数学的兴趣. 发现一个博客,数据可视化很好的例子,决定花些时间和大家一起解读一下

例程来自:https://www.machinelearningplus.com/plots/matplotlib-histogram-python-examples//

感谢b站UP "菜菜TsaiTsai" 分享这个博客.

正式开始“50图”的学习。首先的一个系列关联图这通常能告诉我们几个事物之间的联系。

例1

import numpy as np import pandas as pd import matplotlib.pyplot as plt # Import dataset midwest = pd.read_csv("midwest_filter.csv") midwest.head() # Prepare Data # Create as many colors as there are unique midwest['category'] categories = np.unique(midwest['category']) #色谱 colors = [plt.cm.tab10(i/float(len(categories)-1)) for i in range(len(categories))] # Draw Plot for Each Category plt.figure(figsize=(16, 10), dpi= 80, facecolor='w', edgecolor='k') for i, category in enumerate(categories): plt.scatter('area', 'poptotal', data=midwest.loc[midwest.category==category, :], s=20, c=colors[i], label=str(category)) # Decorations plt.gca().set(xlim=(0.0, 0.1), ylim=(0, 90000), xlabel='Area', ylabel='Population') plt.xticks(fontsize=12); plt.yticks(fontsize=12) # 返回坐标和标签 plt.title("Scatterplot of Midwest Area vs Population", fontsize=22) plt.legend(fontsize=12) plt.show()

解析

解析下代码流程。

目的，画出不同地区人口和地区面积的点图，y方向表示人口增长方向，x方向表示面积增长方向
导入数据
编码要区分的目标这里是category 不同的地区
绘画，这里使用将每个不同category 对应不同的色点集合
增加一些描述，比如坐标轴的名字，和legend，就是图右上方的标签条

方法参数解释

数据下载 pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")
cm.tab10（） colormap
plt.scatter(）散点绘制方法
必要的 data =midwest.loc[midwest.category==category, :] 表示筛选行中category 的所有数据
loc（），有必要说明，在pandas 中的常用函数。他的底层逻辑是用一个符合条件的 0，1 矩阵与原矩阵相与从而消掉不合条件的行列。

这里我鼓励你动手尝试并观察这个函数如何给你想要行列结果

data = [[1,2,3],[4,5,6]] index = ['a','b'] columns = ['c','d','e'] df = pd.DataFrame(data=data, index=index, columns=columns) ''' c d e a 1 2 3 b 4 5 6 ''' print df.loc['a']