EDA可视化图表实战：介绍与代码示例

探索性数据分析(EDA)是数据科学家用来分析和调查数据集并总结其主要特征的一种方法，通常采用数据可视化技术。我们可以说EDA是通过创建可视化和摘要来调查和理解数据集的过程。EDA是我们询问数据问题的一种方式，可以找出关于数据的所有信息，并理解它为什么是这样的(即识别趋势、模式、异常等)。

在这篇文章中我们介绍EDA中常用的9个图表，并且针对每个图表给出代码示例。

1、条形图/计数图

显示分类变量的分布。可视化数据集中每个类别的频率或计数。

复制

import seaborn as sns
 import matplotlib.pyplot as plt
 
 
 data = sns.load_dataset('tips')
 sns.countplot(x='day', data=data)
 plt.title('Count of Tips by Day')
 plt.show()
 

2、箱线图

显示数据中的平均值、中位数、分位数和离群值。比较多个变量的分布。可以识别扩散的数值变量，检测数据集中潜在的异常值。

复制

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.boxplot(x='day', y='total_bill', data=data)
 plt.title('Box Plot of Total Bill by Day')
 plt.show()
 

3、密度图

作为数据科学家，建议使用密度图而不是直方图，因为我们猜测最佳的装箱数量是有问题的。

密度图可以可视化连续变量的分布。识别数据中的峰值、低谷和总体模式。了解分布的形状并比较多个变量的分布。

复制

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.kdeplot(data['total_bill'], shade=True)
 plt.title('Density Plot of Total Bill')
 plt.show()
 

4、散点图

探索两个连续变量之间的关系。识别数据中的模式、相关性或集群。

复制

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.scatterplot(x='total_bill', y='tip', data=data)
 plt.title('Scatter Plot of Total Bill vs. Tip')
 plt.show()
 

5、线型图

在时间序列中显示趋势或模式。表示连续区间内两个连续变量之间的关系，还可以比较连续范围内变量的变化。

复制

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.lineplot(x='total_bill', y='tip', data=data)
 plt.title('Line Plot of Tip Over Total Bill')
 plt.show()
 

6、热图

显示数值变量的相关矩阵。识别大型数据集中的模式和关系。

复制

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 correlation_matrix = data.corr()
 sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm')
 plt.title('Correlation Heatmap')
 plt.show()
 

7、小提琴图

结合了箱形图和核密度图的特点，可以可视化一个数值变量在不同类别中的分布。

复制

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 sns.violinplot(x='day', y='total_bill', data=data)
 plt.title('Violin Plot of Total Bill by Day')
 plt.show()
 

8、子图

为了进行对比，可以在同一图中并排比较多个子图。

复制

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 
 plt.figure(figsize=(12, 8))
 
 plt.subplot(2, 2, 1)
 sns.scatterplot(x='total_bill', y='tip', data=data)
 plt.title('Scatter Plot of Total Bill vs Tip')
 
 plt.subplot(2, 2, 2)
 sns.boxplot(x='day', y='total_bill', data=data)
 plt.title('Box Plot of Total Bill by Day')
 
 plt.subplot(2, 2, 3)
 sns.barplot(x='day', y='total_bill', data=data)
 plt.title('Bar Plot of Total Bill by Day')
 
 plt.subplot(2, 2, 4)
 sns.histplot(data['total_bill'], kde=True)
 plt.title('Histogram of Total Bill')
 
 plt.tight_layout()
 plt.show()
 

9、关系图

Pairplot在中文中没有特定的翻译，我这里把它称作关系图，因为它是用于绘制变量之间的关系，通过对多个变量进行可视化来探索它们之间的相关性和趋势。

复制

import seaborn as sns
 import matplotlib.pyplot as plt
 
 data = sns.load_dataset('tips')
 
 sns.pairplot(data, hue='day')
 plt.suptitle('Pairplot of Numerical Variables by Day', y=1.02)
 plt.show()
 

总结

以上就是在EDA中常用的图表，可以看到seaborn是可以非常好用的工具，它基于matplotlib但是更加美观，并且需要编写的代码更少，所以在EDA需要简单的出图的时候可以优先使用它。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删