EDA 入门

visualization.py

import matplotlib
matplotlib.use("TkAgg")import pandas as pd
from matplotlib import pyplot as plt
import warningswarnings.filterwarnings('ignore')df = pd.read_csv("diabetes.csv")# look at the first 5 rows of the dataset
print(df.head())df.hist()  
plt.tight_layout()
plt.show()

 数据集下载地址：（需要登陆，没有账号可以注册一个） 

Pima Indians Diabetes Database (kaggle.com)

pd.read_csv()读取数据集，得到的是dataframe类型的数据。

df.head()             读取最开始的5行数据

df.hist()               设置为直方图

plt.tight_layout()  可以解决不同轴域的标签叠在一起的问题。

plt.show()

输出：

   Pregnancies  Glucose   ...     Age  Outcome
0            6      148   ...      50        1
1            1       85   ...      31        0
2            8      183   ...      32        1
3            1       89   ...      21        0
4            0      137   ...      33        1[5 rows x 9 columns]

import matplotlib
matplotlib.use("TkAgg")import pandas as pd
from matplotlib import pyplot as plt
import warningswarnings.filterwarnings('ignore')df = pd.read_csv("diabetes.csv")
# show density plot
# create a subplot of 3 x 3
plt.subplots(3,3,figsize=(20,20))# Plot a density plot for each variable
for idx, col in enumerate(df.columns):ax = plt.subplot(3,3,idx+1)    #选中第idx+1个区域返回ax.yaxis.set_ticklabels([])    #获取当前活跃的的axes然后在上面作图,,隐藏刻度值,但是保留坐标轴标签sns.distplot(df.loc[df.Outcome == 0][col], hist=False, axlabel= False, kde_kws={'linestyle':'-', 'color':'black', 'label':"No Diabetes",'bw': 1.0})sns.distplot(df.loc[df.Outcome == 1][col], hist=False, axlabel= False, kde_kws={'linestyle':'--', 'color':'black', 'label':"Diabetes",'bw': 1.0})ax.set_title(col)# Hide the 9th subplot (bottom right) since there are only 8 plots
plt.subplot(3,3,9).set_visible(False)
plt.tight_layout()
plt.show()

 figsize表示设置图像大小

bw是带宽。你应该调整bw。较大的带宽导致较大的面元大小(例如，平滑的密度函数)，而较小的带宽导致较小的面元(更高的分辨率)。

seaborn.distplot(data, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)

参数说明：

• data: 需要绘制分布图的一维数组或序列，默认为 None。
• bins: 直方图的箱数，一个整数或列表，默认为 None。
• hist: 是否显示直方图，默认为 True
• kde: 是否显示核密度估计图，默认为 True。
• rug: 是否显示rugplot，默认为 False。
• fit: 是否拟合数据分布，默认为 None。
• hist_kws: 直方图的其他参数，如颜色、透明度等，字典类型，默认为 None。
• kde_kws: 密度曲线的其他参数，如颜色、透明度等，字典类型，默认为 None。
• rug_kws: rugplot的其他参数，如颜色、透明度等，字典类型，默认为 None。
• fit_kws: 数据拟合的其他参数，如函数类型、拟合方法等，字典类型，默认为 None。
• color: 整个图的颜色，字符串类型，默认为 None。
• vertical: 是否纵向绘图，布尔类型，默认为 False。
• norm_hist: 直方图是否规范化，默认为 False。
• axlabel: x轴或y轴标签，字符串类型，默认为 None。
• label: 图例的标签，字符串类型，默认为 None。
• ax: 指定绘制的坐标轴，matplotlib坐标轴对象，默认为 None。

输出：

 基于上面的显示，可以做出以下分析：

可以发现哪些因素是强预测因子

哪些曲线符合正态分布（这是我们期望的）

哪个是不可能值，异常的值

---

参考： 

fig, ax = plt.subplots(2, 2, figsize=(20,20)) # 返回一个 Figure实例fig 和一个 AxesSubplot实例ax fig代表整个图像，ax代表坐标轴和画的图，ax是保存 AxesSubplot实例 的 ndarray数组，通过下标获取需要的子区域。

ax[0][0].plot()   # 在第0行的第0个子区域画图
python的matlablib画图库------画布fig和坐标轴ax_python plt dpi ax-CSDN博客

---

1. Pandas库提供了Series DataFrame等类型的对象，可以在matplotlib画图中作为数据来源放入参数中，如axes.plot(Series)
2. 可以对Pandas的对象调用画图方法，如Series.plot(kind='line')，但说到底还是与matplotlib有关的，是pandas自动帮你生成了axes对象。

【matplotlib绘图】Pandas绘图与matplotlib绘图的关联及异同_pandas和matplotlib区别-CSDN博客

---

 python神经网络项目实战