python数据可视化的一些基本操作

1、导入数据可视化的相关库文件

import pandas as pd
pd.set_option('display.max_column',30)
import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
from pylab import rcParams ##matplotlib
rcParams['figure.figsize'] = 12, 8

2、读入数据

train = pd.read_csv('data/first_round_training_data.csv')[['Parameter'+str(i) for i in range(1,11)]+['Quality_label']]
test = pd.read_csv('data/first_round_testing_data.csv')

3、区分开类别特征和连续特征

　　理解：类别变量就是说特征取值比较少的变量，连续特征值就是说特征连续取值，所有用可视化数据的nunique()

train.nunique().plot(kind='bar')

 

 上图中前四个表示连续特征，后边的都是类别特征，最后两个是标签。

4、可视化特征取值与类别的关系

     理解：这样步骤可以用来看特征中是否有些异常点等。

for i in ['Parameter'+str(i) for i in range(1,11)]:
    sns.scatterplot(x='Quality_label', y=i, data=train)
    plt.title(i)
    plt.show()

 

 。。。。后面还有7张图就不贴了。。

 5、用散点图绘制训练集和测试集的分布，查看异常值

for i in ['Parameter'+str(i) for i in range(1,11)]:
    plt.figure(figsize=(14,8))
    plt.scatter(x=range(len(train)), y=train[i], label='Train')
    plt.scatter(x=range(len(test),len(test)*2), y=test[i], label='Test')
    plt.title(i)
    plt.legend()
    plt.show()

 

 

 

 。。。。。。后面还有几张