通过海底地块和 Matplotlib 可视化最大似然数据集
原文:https://www . geesforgeks . org/visualizing-ml-dataset-through-seaborn-plots-and-matplotlib/
处理数据有时会有点无聊。将原始数据转换成可理解的格式是整个过程中最重要的部分之一,那么为什么只停留在数字上呢,因为我们可以将数据可视化为令人惊叹的图形,这些图形可以在 python 中获取。这篇文章将重点探讨那些能让你的预处理之旅变得有趣的情节。
Seaborn 和 Matplotlib 为我们提供了无数诱人的图表,通过这些图表,人们可以轻松地分析弱点,以更深的理解探索数据,并最终通过不同的算法对数据进行训练后,获得对数据的深刻洞察和最高的准确性。
让我们浏览一下我们的数据集:数据集(36 行)包含 6 个要素和 2 个类(存活的= 1,未存活的= 0),我们将基于此绘制特定的图表。数据集链接–点击此处获取完整数据集
1。KDE 情节:好的,在浏览了数据集之后,我们可以有一个问题。哪个年龄组的人数最多?为了回答这个问题,我们需要视觉效果,我们的 KDE 图进入画面,它只是一个密度图。因此,让我们从导入所需的库开始,并使用它的函数来绘制图表。
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
# KDE plot
sns.kdeplot(dataset["Age"], color = "green",
shade = True)
plt.show()
plt.figure()
输出:
2。所以现在我们已经清楚地了解了人数与年龄组的分布情况,这里我们可以看到 20-40 岁年龄组的人数最多,所以让我们来检查一下。
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
# Checking the count of Age Group 20-40
dataset.Age[(dataset["Age"] >= 20) & (dataset["Age"] <= 40)].count()
输出:
26
3。深入挖掘视觉效果,了解公平与年龄的变化,它们之间的关系,让我们简单地使用不同类型的 kdeplot 来看看,现在将有二元密度,我们将只添加 Y 变量(公平)。
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
sns.kdeplot(dataset["Age"], dataset["Fare"], shade = True)
plt.show()
plt.figure()
输出:
4。稍微研究一下这个图,我们看到 20-30 岁年龄段的颜色强度最大,准确的说是 100-200 之间,让我们来检查一下
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
# Checking The Variation Between Fare And Age
dataset.Age[((dataset["Fare"] >= 100) &
(dataset["Fare"]<=200)) &
((dataset["Age"]>=20) &
dataset["Age"]<=40)].count()
输出:
16
5。我们也可以通过使用 seaborn 的 distplot()模块来为 kdeplot 添加一个直方图:
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
# Histogram+Density Plot
sns.distplot(dataset["Age"], color = "green")
plt.show()
plt.figure()
输出:
6。嗯。如果你想知道男性对女性的比例,我们可以在 KDE 本身画出同样的图:
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
# Adding Two Plots In One
sns.kdeplot(dataset[dataset.Gender == 'Female']['Age'],
color = "blue")
sns.kdeplot(dataset[dataset.Gender == 'Male']['Age'],
color = "orange", shade = True)
plt.show()
plt.figure()
输出:
7。从图中我们可以看到,从 12 岁到 40 岁,计数有所增加,让我们检查一下
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
# showing that there are more Male's Between Age Of 12-40
dataset.Gender[((dataset["Age"] >= 12) &
(dataset["Age"] <= 40)) &
(dataset["Gender"] == "Male")].count()
dataset.Gender[((dataset["Age"] >= 12) &
(dataset["Age"] <= 40)) &
(dataset["Gender"] == "Female")].count()
输出:
17
15
8。VIOLIN PLOT : 我们已经谈了很多特性,现在我们来谈谈存活率对特性的依赖。为此,我们将使用一个经典的小提琴情节,顾名思义,它描绘了与小提琴的音乐波相同的视觉效果。基本上,小提琴图用于可视化数据的分布及其概率密度。
存活率和年龄有什么关系?让我们直观地分析一下:
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
sns.violinplot(x = 'Survived', y = 'Age', data = dataset,
palette = {0 : "yellow", 1 : "orange"});
plt.show()
plt.figure()
输出:
说明:我们在图中看到的白点为中值,中间粗黑条代表四分位数 区间。从中延伸出来的细黑线代表数据中的上(最大)和下(最小)相邻值。 快速浏览一下,我们发现在[10-20 岁]之间,存活率稍高(存活==1)。
9。让我们再画一张存活率与性别和年龄的关系图
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
sns.violinplot(x = "Gender", y = "Age", hue = "Survived",
data = dataset,
palette = {0 : "yellow", 1 : "orange"})
plt.show()
plt.figure()
这里还有一个属性是色调,它指的是存活的二进制值。
输出:
10。CATPLOT : 简单来说,CATPLOT 显示一个、两个或三个分类变量类别的频率(或可选的分数或百分比)。
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
# Plot a nested barplot to show survival for Siblings and Gender
g = sns.catplot(x = "Siblings", y = "Survived", hue = "Gender", data = dataset,
height = 6, kind = "bar", palette = "muted")
g.despine(lef t= True)
g.set_ylabels("Survival Probability")
plt.show()
这里 sns.despine 是用来去掉剧情的顶部和右侧刺的,我们来看看。
输出:
在这里,我们可以清楚地看到兄弟姐妹的性别生存概率。
11 。现在,在我们看到的数据集中,票有三个类别,这是基于票价的,让我们找到它(参考这个图,我为票添加了一个类别列)
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
# Based On Fare There Are 3 Types Of Tickets
sns.catplot(x = "PassType", y = "Fare", data = dataset)
plt.show()
plt.figure()
输出:
利用这一点,我们得出结论,应该为门票定义类别
12 时。与存活率的关系:
Python 3
# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
sns.catplot(x="PassType", y="Fare", hue="Survived",kind="swarm",data=dataset)
plt.show()
plt.figure()
输出:
由此,我们对门票的存活率与票价的关系有了清晰的认识。
版权属于:月萌API www.moonapi.com,转载请注明出处