pandas探索你的数据（七）-可视化

探索泰坦尼克灾难数据

在数据分析的旅程中，可视化数据是一个不可或缺的步骤，它可以帮助我们更好地理解数据、发现趋势和关联。在本篇博客中，我们将使用 Python 中的 pandas、matplotlib 和 seaborn 库，来探索泰坦尼克灾难的数据集，以图表形式呈现数据的各种方面。

步骤1 导入必要的库

首先，我们导入了一些必要的库，包括 pandas 用于数据操作，matplotlib 和 seaborn 用于数据可视化，以及 numpy 用于数值计算。这些库将在整个分析过程中发挥关键作用。

# 运行以下代码
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

%matplotlib inline

步骤2 从以下地址导入数据

在这一步，我们准备导入泰坦尼克灾难的数据，这些数据存储在名为 "train.csv" 的文件中。数据导入是数据分析的第一步，让我们能够开始探索和分析数据。

# 运行以下代码
path7 = 'exercise_data/train.csv'  # train.csv

步骤3 将数据框命名为titanic

我们成功导入数据后，将数据框命名为 "titanic" 并显示前几行数据，以便查看数据的结构和内容。

# 运行以下代码
titanic = pd.read_csv(path7)
titanic.head()

步骤4 将PassengerId设置为索引

在这一步，我们将 "PassengerId" 列设置为数据的索引。这可以帮助我们更容易地访问和操作数据。

# 运行以下代码
titanic.set_index('PassengerId').head()

步骤5 绘制一个展示男女乘客比例的扇形图

通过创建扇形图，我们展示了乘客中男性和女性的比例。这是一个简单而有效的方式来可视化性别分布，并了解男女乘客的比例。

# 运行以下代码
# sum the instances of males and females
males = (titanic['Sex'] == 'male').sum()
females = (titanic['Sex'] == 'female').sum()

# put them into a list called proportions
proportions = [males, females]

# Create a pie chart
plt.pie(
    # using proportions
    proportions,
    
    # with the labels being officer names
    labels = ['Males', 'Females'],
    
    # with no shadows
    shadow = False,
    
    # with colors
    colors = ['blue','red'],
    
    # with one slide exploded out
    explode = (0.15 , 0),
    
    # with the start angle at 90%
    startangle = 90,
    
    # with the percent listed as a fraction
    autopct = '%1.1f%%'
    )

# View the plot drop above
plt.axis('equal')

# Set labels
plt.title("Sex Proportion")

# View the plot
plt.tight_layout()
plt.show()

步骤6 绘制一个展示船票Fare, 与乘客年龄和性别的散点图

在这一步，我们创建了一个散点图，将船票价格 (Fare) 与乘客的年龄和性别进行了比较。这种图表可以帮助我们观察票价与年龄和性别之间的关系。

# 运行以下代码
# creates the plot using
lm = sns.lmplot(x = 'Age', y = 'Fare', data = titanic, hue = 'Sex', fit_reg=False)

# set title
lm.set(title = 'Fare x Age')

# get the axes object and tweak it
axes = lm.axes
axes[0,0].set_ylim(-5,)
axes[0,0].set_xlim(-5,85)

(-5.0, 85.0)

步骤7 有多少人生还？

我们统计了生还乘客的数量，这是泰坦尼克灾难中一个重要的统计指标。在这个数据集中，有342人幸存下来。

# 运行以下代码
titanic.Survived.sum()

342

步骤8 绘制一个展示船票价格的直方图

最后，我们创建了一个直方图，显示了不同船票价格的频率分布。这种图表可以帮助我们了解船票价格的分布情况。

# 运行以下代码
# sort the values from the top to the least value and slice the first 5 items
df = titanic.Fare.sort_values(ascending = False)
df

# create bins interval using numpy
binsVal = np.arange(0,600,10)
binsVal

# create the plot
plt.hist(df, bins = binsVal)

# Set the title and labels
plt.xlabel('Fare')
plt.ylabel('Frequency')
plt.title('Fare Payed Histrogram')

# show the plot
plt.show()

总结

我们介绍了数据可视化的基本步骤，并使用了 matplotlib 和 seaborn 库来创建不同类型的图表。具体来说，我们使用了扇形图展示比例、散点图展示关系、直方图展示分布情况等。这些图表有助于我们更好地理解泰坦尼克灾难数据，探索性别比例、票价分布以及生还人数等方面的信息。

1、Seaborn简介和基本绘图函数

Seaborn 是一个用于数据可视化的 Python 库，它建立在 Matplotlib 的基础之上，提供了更高级、更美观和更方便的绘图功能。以下是 Seaborn 中常用的一些创建图表的函数：

1. sns.scatterplot(): 用于创建散点图，展示两个变量之间的关系。

2. sns.lineplot(): 绘制线图，通常用于显示时间序列数据的趋势。

3. sns.barplot(): 创建条形图，用于比较不同类别之间的数值关系。

4. sns.countplot(): 绘制计数图，用于显示每个类别的频数或计数。

5. sns.boxplot(): 绘制箱线图，展示数据的分布和异常值。

6. sns.violinplot(): 创建小提琴图，结合了箱线图和核密度估计，用于展示数据分布。

7. sns.heatmap(): 生成热力图，通常用于显示相关性矩阵或二维数据的值分布。

8. sns.pairplot(): 创建成对关系图，展示数据集中多个变量之间的散点图和直方图。

9. sns.distplot(): 绘制单变量的分布图，包括直方图和核密度估计。

10. sns.jointplot(): 创建联合图，同时显示两个变量的单变量分布和二维关系。

11. sns.lmplot(): 绘制线性回归模型的散点图和回归线。

12. sns.catplot(): 用于创建分类图，可以包括多个子图，通常用于比较不同组或类别之间的关系。

13. sns.relplot(): 绘制关系图，用于可视化两个或多个变量之间的关系。

2、前文中所用的Seaborn

以前文所使用的lmplot为例：sns.lmplot() 是 Seaborn 库中用于创建线性回归模型图的函数。它通常用于可视化两个变量之间的线性关系，同时可以添加回归线和置信区间。

sns.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, height=5, aspect=1, markers='o', scatter_kws=None, line_kws=None)

参数说明：

• x 和 y：分别是数据框中的列名，用于表示 x 轴和 y 轴上的变量。

• data：要使用的数据框，包含 x 和 y 列。

• hue：可选参数，用于根据某一列的不同取值给数据点着色，通常用于表示分类变量。

• col 和 row：可选参数，用于在多个子图中绘制不同的图表，通常用于表示分类变量。

• palette：可选参数，用于指定颜色调色板，用于着色数据点或线条。

• height：图的高度。

• aspect：图的纵横比。

• markers：可选参数，用于指定数据点的标记样式。

• scatter_kws 和 line_kws：可选参数，用于传递给散点图和回归线的其他参数。

sns.lmplot() 函数的作用是绘制散点图，并根据数据拟合一个线性回归模型。它通常用于研究两个连续变量之间的关系，以及回归模型的拟合情况。

import seaborn as sns
import matplotlib.pyplot as plt

# 创建一个示例数据框
data = sns.load_dataset("tips")

# 使用lmplot绘制散点图和回归线
sns.lmplot(x="total_bill", y="tip", data=data)

# 添加回归线的置信区间
sns.lmplot(x="total_bill", y="tip", data=data, ci=None)

# 使用hue参数根据分类变量着色
sns.lmplot(x="total_bill", y="tip", data=data, hue="sex")

# 使用col和row参数创建多个子图
sns.lmplot(x="total_bill", y="tip", data=data, col="time", row="sex")

# 自定义标记样式和颜色
sns.lmplot(x="total_bill", y="tip", data=data, markers=["o", "x"], palette="Set1")

plt.show()

3、Seaborn的样式控制

Seaborn 允许你控制图形的样式和外观，以使你的数据可视化更加美观和易于理解。你可以使用 Seaborn 提供的各种样式设置和主题来自定义图形的外观。

1. 样式设置（Style Set）： Seaborn 提供了不同的样式设置，通过 sns.set_style() 函数可以进行切换。常用的样式设置包括 "whitegrid"、"darkgrid"、"white"、"dark" 和 "ticks"。每种样式设置具有不同的背景和网格线样式，你可以根据需要选择合适的样式。

   import seaborn as sns
   
   # 使用不同的样式设置
   sns.set_style("whitegrid")
   sns.set_style("darkgrid")
   sns.set_style("white")
   sns.set_style("dark")
   sns.set_style("ticks")
   

2. 图形主题（Themes）： 通过 sns.set_theme() 函数，你可以选择不同的图形主题，包括 "darkgrid"、"whitegrid"、"dark"、"white" 和 "ticks"，这与样式设置类似。不同的主题将影响整个图形的外观。

   import seaborn as sns
   
   # 使用不同的图形主题
   sns.set_theme(style="darkgrid")
   sns.set_theme(style="whitegrid")
   sns.set_theme(style="dark")
   sns.set_theme(style="white")
   sns.set_theme(style="ticks")
   

3. 颜色调色板（Color Palettes）： Seaborn 提供了各种颜色调色板，用于指定图形中的颜色。你可以使用 sns.color_palette() 函数来自定义颜色调色板，也可以使用已经定义好的颜色调色板，如 "deep"、"pastel"、"dark" 等。

   import seaborn as sns
   
   # 使用不同的颜色调色板
   sns.color_palette("deep")
   sns.color_palette("pastel")
   sns.color_palette("dark")
   

4. 坐标轴刻度（Axis Ticks）： 你可以通过 sns.set_context() 函数来控制坐标轴刻度的大小和字体。可选的上下文包括 "paper"、"notebook"、"talk" 和 "poster"。

   import seaborn as sns
   
   # 设置坐标轴刻度的上下文
   sns.set_context("paper")
   sns.set_context("notebook")
   sns.set_context("talk")
   sns.set_context("poster")
   

这些控制样式的方法可以根据你的需求来自定义 Seaborn 图形的外观，使其更符合你的数据可视化目标和审美标准。你可以根据具体情况组合使用这些设置来创建最适合你的图形样式。

本文由mdnice多平台发布