基礎分析概述
幾個基礎分析思路：
分布分析
分布分析是研究數據的分布特征和分布類型，分定量數據、定性數據區分基本統計量。
import numpy as np import pandas as pd import matplotlib.pyplot as plt % matplotlib inline
#讀取數據 data = pd.read_csv(r'C:\Users\Administrator\Desktop\python數據分析\深圳羅湖二手房信息.csv', engine = 'python') data.head()
plt.scatter（）散點圖
plt.scatter(data['經度'], data['緯度'], #做個簡單的三角圖，按照經緯度作為它的X Y軸 s = data['房屋單價']/500, #按照房屋的單價來控制圖形的大小 c = data['參考總價'], cmap = 'Reds',#按照參考總價來顯示顏色 alpha = 0.4) #########plt.scatter（）散點圖
plt.scatter() 散點圖
如果有底圖就可以把它的位置給分布出來；點越大代表房屋的單價越高，顏色越深代表總價越高；
通過數據可見，一共8個字段
定量字段：房屋單價，參考首付，參考總價，*經度，*緯度，*房屋編碼
定性字段：小區，朝向
1.極差
#極差 def d_range(df, *cols): krange = [] #空列表，為了保持它的值 for col in cols: crange = df[col].max() - df[col].min() krange.append(crange) return (krange) ##創建函數求極差 key1 = "參考總價" key2 = "參考首付" dr = d_range(data, key1, key2) print("%s極差為：%f \n%s極差為：%f"% ( key1, dr[0], key2, dr[1])) #求出數據對應列的極差
參考總價極差為：175.000000 參考首付極差為：52.500000
從極差中看到銷售的穩定程度
2. 頻率分布情況：定量字段
（① 通過直方圖直接判斷分組組數）
.hist(bins = 8) 直方圖
#頻率分布情況（通過直方圖直接判斷分組組數） data[key1].hist(bins = 8) #參考總價 簡單查看數據分組，確定分組組數 --->>一般8-16組，這里按照8組為參考
可以看出主要集中在160萬以上，60萬以下。
頻率分布的划分方式：直方圖可以快速的看到它的排列情況，把它拆分：分組划分
（②求出分組區間）
pd.cut(data[key1], 10, right = False).value_count(sort=True) sort=True <-等價-> ascending=True
#頻率分布情況，分組區間 ；對參考總價進行分組。 gcut = pd.cut(data[key1], 10, right = False) #分成10份，是否包含末端值選False gcut #type(gcut)-->>Series gcut_count = gcut.value_counts(sort = False) #做一個統計，不排序 gcut_count
# pd.cut(x, bins, right)：按照組數對x分組，且返回一個和x同樣長度的分組dataframe，right → 是否右邊包含，默認True
# 通過groupby查看不同組的數據頻率分布
data['%s分組區間'% key1] = gcut.values data.head()
（③ 求出目標字段下頻率分布的其他統計量 --->>> 頻數，頻率，累計頻率）
分組情況，做累計頻率的分組情況
r_zj = pd.DataFrame(gcut_count)
r_zj
.apply(lambda x:"%.2f%%"% (x*100)) 以百分比顯示
.style.bar(subset = ['頻率', '累計頻率']) 在格子中的條形圖
#區間出現頻率 r_zj = pd.DataFrame(gcut_count) r_zj.rename(columns = {gcut_count.name:'頻數'}, inplace = True) #重命名下，修改頻數字段名 r_zj['頻率'] = r_zj['頻數']/r_zj['頻數'].sum() #計算頻率 r_zj['累計頻率'] = r_zj['頻率'].cumsum() #計算累計頻率 r_zj['頻率%'] = r_zj['頻率'].apply(lambda x:"%.2f%%"% (x*100)) #以百分比顯示頻率 r_zj['累計頻率%'] = r_zj['累計頻率'].apply(lambda x:"%.2f%%"% (x*100)) #以百分比顯示累計頻率 r_zj.style.bar(subset = ['頻率', '累計頻率']) #可視化顯示
（④ 繪制頻率直方圖）
r_zj['頻率'].plot(kind = 'bar',figsize = (12, 2),grid = True,color = 'k',alpha = 0.4 ) 直方圖
for i, j, k in zip(range(x), y, m): plt.text(i - 0.1, j + 0.01, '%i'% k, color = 'k')
#直方圖 r_zj['頻率'].plot(kind = 'bar', figsize = (12, 2), grid = True, color = 'k', alpha = 0.4 ) #plt.title('參考總價分布頻率直方圖') x = len(r_zj) y = r_zj['頻率'] m = r_zj['頻數'] for i, j, k in zip(range(x), y, m): plt.text(i - 0.1, j + 0.01, '%i'% k, color = 'k') #-0.1 、+0.01是調整它的位置的 #添加頻率標簽
頻率分布情況 - 定性字段
（ ① 通過計數統計判斷不同類別的頻率）
# 頻率分布情況 - 定性字段 -->> ① 通過計數統計判斷不同類別的頻率 cx_g = data['朝向'].value_counts(sort = True) print(cx_g) # 可視化顯示 r_cx = pd.DataFrame(cx_g) r_cx.rename(columns ={cx_g.name:'頻數'}, inplace = True) # 修改頻數字段名 r_cx['頻率'] = r_cx / r_cx['頻數'].sum() # 計算頻率 r_cx['累計頻率'] = r_cx['頻率'].cumsum() # 計算累計頻率 r_cx['頻率%'] = r_cx['頻率'].apply(lambda x: "%.2f%%" % (x*100)) # 以百分比顯示頻率 r_cx['累計頻率%'] = r_cx['累計頻率'].apply(lambda x: "%.2f%%" % (x*100)) # 以百分比顯示累計頻率 r_cx.style.bar(subset=['頻率','累計頻率'], color='#d65f5f',width=100)
（ ② 繪制頻率直方圖、餅圖）
.plot 由Series、DataFrame直接繪制圖表； plt.pie() 繪制餅圖
# 頻率分布情況 - 定量字段 # ② 繪制頻率直方圖、餅圖 plt.figure(num = 1,figsize = (12,2)) r_cx['頻率'].plot(kind = 'bar', width = 0.8, rot = 0, color = 'k', grid = True, alpha = 0.5) plt.title('參考總價分布頻率直方圖') # 繪制直方圖 plt.figure(num = 2) plt.pie(r_cx['頻數'], labels = r_cx.index, autopct='%.2f%%', shadow = True) plt.axis('equal') #調整它的形狀 # 繪制餅圖
