logo

TechCodeview

Ai-Ml-Ds Cu Python

Analiza datelor cu Python

În acest articol, vom discuta despre cum să facem analiza datelor cu Python. Vom discuta despre toate tipurile de analize de date, adică analiza datelor numerice cu NumPy, date tabulare cu Pandas, vizualizarea datelor Matplotlib și analiza datelor exploratorii.

Analiza datelor cu Python

Analiza datelor este tehnica de colectare, transformare și organizare a datelor pentru a face previziuni viitoare și decizii informate bazate pe date. De asemenea, ajută la găsirea posibilelor soluții pentru o problemă de afaceri. Există șase pași pentru analiza datelor. Sunt:

  • Întrebați sau specificați cerințele de date
  • Pregătiți sau Colectați Date
  • Curățați și procesați
  • A analiza
  • Acțiune
  • Act sau Raport

Analiza datelor cu Python



Notă: Pentru a afla mai multe despre acești pași, consultați pagina noastră NumPy este un pachet de procesare a matricei în Python și oferă un obiect matrice multidimensional de înaltă performanță și instrumente pentru lucrul cu aceste matrice. Este pachetul fundamental pentru calculul științific cu Python.

Matrice în NumPy

NumPy Array este un tabel de elemente (de obicei numere), toate de aceleași tipuri, indexate printr-un tuplu de numere întregi pozitive. În Numpy, numărul de dimensiuni ale matricei se numește rangul matricei. Un tuplu de numere întregi care oferă dimensiunea matricei de-a lungul fiecărei dimensiuni este cunoscut sub numele de forma matricei.

Crearea matricei NumPy

Matricele NumPy pot fi create în mai multe moduri, cu diferite ranguri. De asemenea, poate fi creat folosind diferite tipuri de date, cum ar fi liste, tupluri etc. Tipul matricei rezultate este dedus din tipul de elemente din secvențe. NumPy oferă mai multe funcții pentru a crea matrice cu conținut inițial de substituent. Acestea minimizează necesitatea creșterii matricelor, o operațiune costisitoare.

Creați matrice folosind numpy.empty(shape, dtype=float, order=’C’)

Python3 
import numpy as np b = np.empty(2, dtype = int) print('Matrix b : 
', b) a = np.empty([2, 2], dtype = int) print('
Matrix a : 
', a) c = np.empty([3, 3]) print('
Matrix c : 
', c)

Ieșire:

Goliți Matrix folosind panda

Goliți Matrix folosind panda

Creați matrice folosind numpy.zeros(formă, dtype = Nici unul, ordine = „C”)

Python3 
import numpy as np b = np.zeros(2, dtype = int) print('Matrix b : 
', b) a = np.zeros([2, 2], dtype = int) print('
Matrix a : 
', a) c = np.zeros([3, 3]) print('
Matrix c : 
', c)

Ieșire: 

Matrix b :   [0 0]  Matrix a :   [[0 0]  [0 0]]  Matrix c :   [[0. 0. 0.]  [0. 0. 0.]  [0. 0. 0.]]

Operațiuni pe Numpy Arrays

Operatii aritmetice

  • Plus:
Python3 
import numpy as np # Defining both the matrices a = np.array([5, 72, 13, 100]) b = np.array([2, 5, 10, 30]) # Performing addition using arithmetic operator add_ans = a+b print(add_ans) # Performing addition using numpy function add_ans = np.add(a, b) print(add_ans) # The same functions and operations can be used for # multiple matrices c = np.array([1, 2, 3, 4]) add_ans = a+b+c print(add_ans) add_ans = np.add(a, b, c) print(add_ans)

Ieșire: 

[ 7 77 23 130] [ 7 77 23 130] [ 8 79 26 134] [ 7 77 23 130]
  • Scădere:
Python3 
import numpy as np # Defining both the matrices a = np.array([5, 72, 13, 100]) b = np.array([2, 5, 10, 30]) # Performing subtraction using arithmetic operator sub_ans = a-b print(sub_ans) # Performing subtraction using numpy function sub_ans = np.subtract(a, b) print(sub_ans)

Ieșire: 

[ 3 67 3 70] [ 3 67 3 70]
  • Multiplicare:
Python3 
import numpy as np # Defining both the matrices a = np.array([5, 72, 13, 100]) b = np.array([2, 5, 10, 30]) # Performing multiplication using arithmetic # operator mul_ans = a*b print(mul_ans) # Performing multiplication using numpy function mul_ans = np.multiply(a, b) print(mul_ans)

Ieșire: 

[ 10 360 130 3000] [ 10 360 130 3000]
  • Divizia:
Python3 
import numpy as np # Defining both the matrices a = np.array([5, 72, 13, 100]) b = np.array([2, 5, 10, 30]) # Performing division using arithmetic operators div_ans = a/b print(div_ans) # Performing division using numpy functions div_ans = np.divide(a, b) print(div_ans)

Ieșire: 

[ 2.5 14.4 1.3 3.33333333] [ 2.5 14.4 1.3 3.33333333]

Pentru mai multe informații, consultați pagina noastră NumPy – Tutorial operații aritmetice

Indexarea matricei NumPy

Indexarea se poate face în NumPy folosind o matrice ca index. În cazul slice, se returnează o vedere sau o copie superficială a matricei, dar în matricea index este returnată o copie a matricei originale. Matricele Numpy pot fi indexate cu alte matrice sau cu orice altă secvență, cu excepția tuplurilor. Ultimul element este indexat cu -1 secundă ultima cu -2 și așa mai departe.

Indexarea matricei Python NumPy

Python3 
# Python program to demonstrate # the use of index arrays. import numpy as np # Create a sequence of integers from # 10 to 1 with a step of -2 a = np.arange(10, 1, -2) print('
 A sequential array with a negative step: 
',a) # Indexes are specified inside the np.array method. newarr = a[np.array([3, 1, 2 ])] print('
 Elements at these indices are:
',newarr)

Ieșire: 

A sequential array with a negative step:   [10 8 6 4 2]   Elements at these indices are:  [4 8 6]

NumPy Array Slicing

Luați în considerare sintaxa x[obj] unde x este matricea și obj este indexul. Obiectul felie este indexul în cazul feliere de bază . Tăierea de bază are loc atunci când obj este:

  • un obiect felie care are forma start: stop: step
  • un număr întreg
  • sau un tuplu de obiecte slice și numere întregi

Toate matricele generate prin tăierea de bază sunt întotdeauna vizualizarea din matricea originală.

Python3 
# Python program for basic slicing. import numpy as np # Arrange elements from 0 to 19 a = np.arange(20) print('
 Array is:
 ',a) # a[start:stop:step] print('
 a[-8:17:1] = ',a[-8:17:1]) # The : operator means all elements till the end. print('
 a[10:] = ',a[10:])

Ieșire: 

Array is: [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]  a[-8:17:1] = [12 13 14 15 16]  a[10:] = [10 11 12 13 14 15 16 17 18 19]

Elipsis poate fi folosit și împreună cu felierea de bază. Punctele de suspensie (…) este numărul de : obiecte necesare pentru a face un tuplu de selecție de aceeași lungime cu dimensiunile matricei.

Python3 
# Python program for indexing using basic slicing with ellipsis import numpy as np # A 3 dimensional array. b = np.array([[[1, 2, 3],[4, 5, 6]], [[7, 8, 9],[10, 11, 12]]]) print(b[...,1]) #Equivalent to b[: ,: ,1 ]

Ieșire: 

[[ 2 5]  [ 8 11]]

NumPy Array Broadcasting

Termenul de difuzare se referă la modul în care numpy tratează matricele cu dimensiuni diferite în timpul operațiilor aritmetice care conduc la anumite constrângeri, matricea mai mică este difuzată în matricea mai mare, astfel încât acestea să aibă forme compatibile.

Să presupunem că avem un set mare de date, fiecare datum este o listă de parametri. În Numpy avem o matrice 2-D, în care fiecare rând este un datum, iar numărul de rânduri este dimensiunea setului de date. Să presupunem că vrem să aplicăm un fel de scalare tuturor acestor date, fiecare parametru primește propriul factor de scalare sau spunem că Fiecare parametru este înmulțit cu un anumit factor.

Doar pentru a înțelege clar, să numărăm caloriile din alimente folosind o descompunere a macronutrienților. Pe scurt, părțile calorice ale alimentelor sunt făcute din grăsimi (9 calorii pe gram), proteine ​​(4 CPG) și carbohidrați (4 CPG). Deci, dacă enumerăm unele alimente (datele noastre) și pentru fiecare aliment listăm defalcarea macro-nutrienților (parametrii), putem apoi înmulți fiecare nutrient cu valoarea sa calorică (aplicați scalarea) pentru a calcula defalcarea calorică a fiecărui aliment.

NumPy Array Broadcasting

Cu această transformare, acum putem calcula tot felul de informații utile. De exemplu, care este numărul total de calorii prezente în unele alimente sau, având în vedere o defalcare a cinei mele, știu câte calorii am primit din proteine ​​și așa mai departe.

Să vedem un mod naiv de a produce acest calcul cu Numpy:

Python3 
import numpy as np macros = np.array([ [0.8, 2.9, 3.9], [52.4, 23.6, 36.5], [55.2, 31.7, 23.9], [14.4, 11, 4.9] ]) # Create a new array filled with zeros, # of the same shape as macros. result = np.zeros_like(macros) cal_per_macro = np.array([3, 3, 8]) # Now multiply each row of macros by # cal_per_macro. In Numpy, `*` is # element-wise multiplication between two arrays. for i in range(macros.shape[0]): result[i, :] = macros[i, :] * cal_per_macro result

Ieșire: 

array([[ 2.4, 8.7, 31.2],  [157.2, 70.8, 292. ],  [165.6, 95.1, 191.2],  [ 43.2, 33. , 39.2]])

Reguli de difuzare: Difuzarea a două matrice împreună urmează aceste reguli:

  • Dacă matricele nu au același rang, atunci înaintează forma matricei de rang inferior cu 1 până când ambele forme au aceeași lungime.
  • Cele două matrice sunt compatibile într-o dimensiune dacă au aceeași dimensiune în dimensiune sau dacă una dintre matrice are dimensiunea 1 în acea dimensiune.
  • Matricele pot fi difuzate împreună dacă sunt compatibile cu toate dimensiunile.
  • După difuzare, fiecare matrice se comportă ca și cum ar avea o formă egală cu maximumul de forme din punct de vedere al elementelor ale celor două matrice de intrare.
  • În orice dimensiune în care o matrice avea o dimensiune de 1 și cealaltă matrice avea o dimensiune mai mare decât 1, prima matrice se comportă ca și cum ar fi copiată de-a lungul acelei dimensiuni.
Python3 
import numpy as np v = np.array([12, 24, 36]) w = np.array([45, 55]) # To compute an outer product we first # reshape v to a column vector of shape 3x1 # then broadcast it against w to yield an output # of shape 3x2 which is the outer product of v and w print(np.reshape(v, (3, 1)) * w) X = np.array([[12, 22, 33], [45, 55, 66]]) # x has shape 2x3 and v has shape (3, ) # so they broadcast to 2x3, print(X + v) # Add a vector to each column of a matrix X has # shape 2x3 and w has shape (2, ) If we transpose X # then it has shape 3x2 and can be broadcast against w # to yield a result of shape 3x2. # Transposing this yields the final result # of shape 2x3 which is the matrix. print((X.T + w).T) # Another solution is to reshape w to be a column # vector of shape 2X1 we can then broadcast it # directly against X to produce the same output. print(X + np.reshape(w, (2, 1))) # Multiply a matrix by a constant, X has shape 2x3. # Numpy treats scalars as arrays of shape(); # these can be broadcast together to shape 2x3. print(X * 2)

Ieșire: 

[[ 540 660]  [1080 1320]  [1620 1980]] [[ 24 46 69]  [ 57 79 102]] [[ 57 67 78]  [100 110 121]] [[ 57 67 78]  [100 110 121]] [[ 24 44 66]  [ 90 110 132]]

Notă: Pentru mai multe informații, consultați pagina noastră Tutorial Python NumPy .

Analizarea datelor folosind Pandas

Python Pandas este utilizat pentru date relaționale sau etichetate și oferă diverse structuri de date pentru manipularea unor astfel de date și serii de timp. Această bibliotecă este construită deasupra bibliotecii NumPy. Acest modul este în general importat ca: 

import pandas as pd

Aici, pd este denumit un alias pentru Pandas. Cu toate acestea, nu este necesar să importați biblioteca folosind aliasul, ci doar ajută la scrierea unui cod mai mic de fiecare dată când este apelată o metodă sau o proprietate. Pandas oferă în general două structuri de date pentru manipularea datelor, acestea sunt:

  • Serie
  • Cadrul de date

Serie:

Seria Pandas este o matrice etichetată unidimensională capabilă să dețină date de orice tip (intreg, șir, float, obiecte Python etc.). Etichetele axelor sunt denumite colectiv indici. Seria Pandas nu este altceva decât o coloană într-o foaie Excel. Etichetele nu trebuie să fie unice, ci trebuie să fie de tip hashable. Obiectul acceptă atât indexarea pe bază de numere întregi, cât și pe etichete și oferă o serie de metode pentru efectuarea operațiunilor care implică indexul.

Seria Pandas

Poate fi creat folosind funcția Series() prin încărcarea setului de date din stocarea existentă, cum ar fi SQL, Bază de date, fișiere CSV, fișiere Excel etc., sau din structuri de date precum liste, dicționare etc.

Seria de creare a pandalor Python

Python3 
import pandas as pd import numpy as np # Creating empty series ser = pd.Series() print(ser) # simple array data = np.array(['g', 'e', 'e', 'k', 's']) ser = pd.Series(data) print(ser)

Ieșire:

seria pnadas

seria pnadas

Cadrul de date:

Pandas DataFrame este o structură de date tabulară bidimensională, care poate varia în funcție de dimensiune, potențial eterogenă, cu axe etichetate (rânduri și coloane). Un cadru de date este o structură de date bidimensională, adică datele sunt aliniate într-un mod tabelar în rânduri și coloane. Pandas DataFrame constă din trei componente principale, date, rânduri și coloane.

Pandas Dataframe

Poate fi creat folosind metoda Dataframe() și, la fel ca o serie, poate fi, de asemenea, din diferite tipuri de fișiere și structuri de date.

Python Pandas creând un cadru de date

Python3 
import pandas as pd # Calling DataFrame constructor df = pd.DataFrame() print(df) # list of strings lst = ['Geeks', 'For', 'Geeks', 'is', 'portal', 'for', 'Geeks'] # Calling DataFrame constructor on list df = pd.DataFrame(lst) df

Ieșire:

Se creează Dataframe din listă

Crearea unui Dataframe din lista Python

Se creează un cadru de date din CSV

Putem creați un cadru de date din CSV fișierele care utilizează read_csv() funcţie.

Python Pandas citește CSV

Python3 
import pandas as pd # Reading the CSV file df = pd.read_csv('Iris.csv') # Printing top 5 rows df.head()

Ieșire:

capul unui cadru de date

capul unui cadru de date

Filtrarea DataFrame

panda dataframe.filter() funcția este utilizată pentru a subseta rânduri sau coloane ale cadrului de date conform etichetelor din indexul specificat. Rețineți că această rutină nu filtrează un cadru de date pe conținutul său. Filtrul este aplicat etichetelor indexului.

Python Pandas Filter Dataframe

Python3 
import pandas as pd # Reading the CSV file df = pd.read_csv('Iris.csv') # applying filter function df.filter(['Species', 'SepalLengthCm', 'SepalLengthCm']).head()

Ieșire:

Aplicarea filtrului pe setul de date

Aplicarea filtrului pe setul de date

Sortarea DataFrame

Pentru a sorta cadrul de date în panda, funcția sort_values() este folosit. Pandas sort_values() poate sorta cadrul de date în ordine Crescătoare sau Descrescătoare.

Python Pandas Sortează cadrul de date în ordine crescătoare

Ieșire:

Setul de date sortat pe baza unei valori de coloană

Setul de date sortat pe baza unei valori de coloană

Pandas GroupBy

A se grupa cu este un concept destul de simplu. Putem crea o grupare de categorii și aplicam o funcție categoriilor. În proiectele reale de știință a datelor, veți avea de-a face cu cantități mari de date și veți încerca lucruri din nou și din nou, așa că pentru eficiență, folosim conceptul Groupby. Groupby se referă în principal la un proces care implică unul sau mai mulți dintre următorii pași:

  • Despicare: Este un proces în care împărțim datele în grup, aplicând anumite condiții asupra seturilor de date.
  • Punerea în aplicare: Este un proces în care aplicăm o funcție fiecărui grup în mod independent.
  • Combinând: Este un proces în care combinăm diferite seturi de date după aplicarea groupby și rezultatele într-o structură de date.

Următoarea imagine va ajuta la înțelegerea procesului implicat în conceptul Groupby.

1. Grupați valorile unice din coloana Echipă

Metoda Pandas Groupby

2. Acum există o găleată pentru fiecare grup

3. Aruncă celelalte date în găleți

Pandas GroupBy

4. Aplicați o funcție pe coloana de greutate a fiecărei găleți.

Aplicarea funcției pe coloana de greutate a fiecărei coloane

Python Pandas GroupBy

Python3 
# importing pandas module import pandas as pd # Define a dictionary containing employee data data1 = {'Name': ['Jai', 'Anuj', 'Jai', 'Princi', 'Gaurav', 'Anuj', 'Princi', 'Abhi'], 'Age': [27, 24, 22, 32, 33, 36, 27, 32], 'Address': ['Nagpur', 'Kanpur', 'Allahabad', 'Kannuaj', 'Jaunpur', 'Kanpur', 'Allahabad', 'Aligarh'], 'Qualification': ['Msc', 'MA', 'MCA', 'Phd', 'B.Tech', 'B.com', 'Msc', 'MA']} # Convert the dictionary into DataFrame df = pd.DataFrame(data1) print('Original Dataframe') display(df) # applying groupby() function to # group the data on Name value. gk = df.groupby('Name') # Let's print the first entries # in all the groups formed. print('After Creating Groups') gk.first()

Ieșire:

panda groupby

panda groupby

Aplicarea funcției la grup:

După împărțirea unei date într-un grup, aplicăm câte o funcție fiecărui grup, astfel încât să efectuăm câteva operații care sunt:

  • Agregare: Este un proces în care calculăm o statistică rezumativă (sau statistici) despre fiecare grup. De exemplu, Calculați sume sau medii de grup
  • Transformare: Este un proces în care efectuăm unele calcule specifice grupului și returnăm un index similar. De exemplu, completarea NA în grupuri cu o valoare derivată din fiecare grup
  • Filtrare: Este un proces în care aruncăm unele grupuri, conform unui calcul în funcție de grup care evaluează Adevărat sau Fals. De exemplu, filtrarea datelor pe baza sumei sau a mediei grupului

Agregarea panda

Agregare este un proces în care calculăm o statistică sumar despre fiecare grup. Funcția agregată returnează o singură valoare agregată pentru fiecare grup. După împărțirea datelor în grupuri folosind funcția groupby, pot fi efectuate mai multe operațiuni de agregare asupra datelor grupate.

Python Pandas Aggregation

Python3 
# importing pandas module import pandas as pd # importing numpy as np import numpy as np # Define a dictionary containing employee data data1 = {'Name': ['Jai', 'Anuj', 'Jai', 'Princi', 'Gaurav', 'Anuj', 'Princi', 'Abhi'], 'Age': [27, 24, 22, 32, 33, 36, 27, 32], 'Address': ['Nagpur', 'Kanpur', 'Allahabad', 'Kannuaj', 'Jaunpur', 'Kanpur', 'Allahabad', 'Aligarh'], 'Qualification': ['Msc', 'MA', 'MCA', 'Phd', 'B.Tech', 'B.com', 'Msc', 'MA']} # Convert the dictionary into DataFrame df = pd.DataFrame(data1) # performing aggregation using # aggregate method grp1 = df.groupby('Name') grp1.aggregate(np.sum)

Ieșire:

Utilizarea funcției de sumă agregată pe setul de date

Utilizarea funcției de sumă agregată pe setul de date

Concatenarea DataFrame

Pentru a conecta cadrul de date, folosim concat() funcție care ajută la concatenarea cadrului de date. Această funcție face toate sarcinile grele de a efectua operațiuni de concatenare împreună cu o axă de obiecte Pandas în timp ce efectuează logica setată opțională (unire sau intersecție) a indicilor (dacă există) pe celelalte axe.

Python Pandas Concatena Dataframe

Python3 
# importing pandas module import pandas as pd # Define a dictionary containing employee data data1 = {'key': ['K0', 'K1', 'K2', 'K3'], 'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'], 'Age':[27, 24, 22, 32],} # Define a dictionary containing employee data data2 = {'key': ['K0', 'K1', 'K2', 'K3'], 'Address':['Nagpur', 'Kanpur', 'Allahabad', 'Kannuaj'], 'Qualification':['Btech', 'B.A', 'Bcom', 'B.hons']} # Convert the dictionary into DataFrame df = pd.DataFrame(data1) # Convert the dictionary into DataFrame df1 = pd.DataFrame(data2) display(df, df1) # combining series and dataframe res = pd.concat([df, df1], axis=1) res

Ieșire:

Îmbinarea DataFrame

Când trebuie să combinăm DataFrame foarte mari, îmbinările servesc ca o modalitate puternică de a efectua rapid aceste operațiuni. Îmbinările pot fi făcute numai pe două DataFrames la un moment dat, notate ca tabele din stânga și din dreapta. Cheia este coloana comună pe care vor fi unite cele două DataFrames. Este o practică bună să folosiți chei care au valori unice în întreaga coloană pentru a evita duplicarea neintenționată a valorilor rândurilor. Panda oferă o singură funcție, combina() , ca punct de intrare pentru toate operațiunile standard de îmbinare a bazei de date între obiectele DataFrame.

Există patru moduri de bază de a gestiona îmbinarea (intern, stânga, dreapta și exterior), în funcție de rândurile care trebuie să-și păstreze datele.

Îmbinați Daframe Python Pandas

Python Pandas Merge Dataframe

Python3 
# importing pandas module import pandas as pd # Define a dictionary containing employee data data1 = {'key': ['K0', 'K1', 'K2', 'K3'], 'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'], 'Age':[27, 24, 22, 32],} # Define a dictionary containing employee data data2 = {'key': ['K0', 'K1', 'K2', 'K3'], 'Address':['Nagpur', 'Kanpur', 'Allahabad', 'Kannuaj'], 'Qualification':['Btech', 'B.A', 'Bcom', 'B.hons']} # Convert the dictionary into DataFrame df = pd.DataFrame(data1) # Convert the dictionary into DataFrame df1 = pd.DataFrame(data2) display(df, df1) # using .merge() function res = pd.merge(df, df1, on='key') res

Ieșire:

Concatinarea a două seturi de date

Concatinarea a două seturi de date

Conectarea la DataFrame

Pentru a ne alătura cadrul de date, folosim .a te alatura() această funcție este utilizată pentru combinarea coloanelor a două DataFrame potențial indexate diferit într-un singur DataFrame rezultat.

Python Pandas se alătură Dataframe-ului

Python3 
# importing pandas module import pandas as pd # Define a dictionary containing employee data data1 = {'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'], 'Age':[27, 24, 22, 32]} # Define a dictionary containing employee data data2 = {'Address':['Allahabad', 'Kannuaj', 'Allahabad', 'Kannuaj'], 'Qualification':['MCA', 'Phd', 'Bcom', 'B.hons']} # Convert the dictionary into DataFrame df = pd.DataFrame(data1,index=['K0', 'K1', 'K2', 'K3']) # Convert the dictionary into DataFrame df1 = pd.DataFrame(data2, index=['K0', 'K2', 'K3', 'K4']) display(df, df1) # joining dataframe res = df.join(df1) res

Ieșire:

Unirea a două seturi de date

Pentru mai multe informații, consultați pagina noastră Panda fuzionarea, alăturarea și concatenarea tutorial

Pentru un ghid complet despre Pandas, consultați Tutorial panda .

Vizualizare cu Matplotlib

Matplotlib este ușor de utilizat și o bibliotecă de vizualizare uimitoare în Python. Este construit pe matrice NumPy și proiectat să funcționeze cu stiva SciPy mai largă și constă din mai multe diagrame, cum ar fi linie, bară, împrăștiere, histogramă etc.

Pyplot

Pyplot este un modul Matplotlib care oferă o interfață asemănătoare MATLAB. Pyplot oferă funcții care interacționează cu figura, adică creează o figură, decorează parcela cu etichete și creează o zonă de trasare într-o figură.

Python3 
# Python program to show pyplot module import matplotlib.pyplot as plt plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) plt.axis([0, 6, 0, 20]) plt.show()

Ieșire:

Diagramă cu bare

A bar plot sau diagramă cu bare este un grafic care reprezintă categoria de date cu bare dreptunghiulare cu lungimi și înălțimi proporționale cu valorile pe care le reprezintă. Graficele cu bare pot fi trasate orizontal sau vertical. O diagramă cu bare descrie comparațiile dintre categoriile discrete. Poate fi creat folosind metoda bar().

Diagramă cu bare Python Matplotlib

Aici vom folosi numai setul de date iris

Python3 
import matplotlib.pyplot as plt import pandas as pd df = pd.read_csv('Iris.csv') # This will plot a simple bar chart plt.bar(df['Species'], df['SepalLengthCm']) # Title to the plot plt.title('Iris Dataset') # Adding the legends plt.legend(['bar']) plt.show()

Ieșire:

Diagramă cu bare folosind biblioteca matplotlib

Diagramă cu bare folosind biblioteca matplotlib

Histograme

A histogramă este folosit practic pentru a reprezenta date sub forma unor grupuri. Este un tip de diagramă cu bare în care axa X reprezintă intervalele bin, în timp ce axa Y oferă informații despre frecvență. Pentru a crea o histogramă, primul pas este să creați un bin al intervalelor, apoi să distribuiți întregul interval de valori într-o serie de intervale și să numărați valorile care se încadrează în fiecare dintre intervale. Binele sunt clar identificate ca intervale de variabile consecutive, care nu se suprapun. The hist() funcția este utilizată pentru a calcula și a crea o histogramă a lui x.

Histograma Python Matplotlib

Python3 
import matplotlib.pyplot as plt import pandas as pd df = pd.read_csv('Iris.csv') plt.hist(df['SepalLengthCm']) # Title to the plot plt.title('Histogram') # Adding the legends plt.legend(['SepalLengthCm']) plt.show()

Ieșire:

Histplot folosind biblioteca matplotlib

Graficul de dispersie

Diagramele de dispersie sunt folosite pentru a observa relația dintre variabile și folosesc puncte pentru a reprezenta relația dintre ele. The împrăștia() metoda din biblioteca matplotlib este folosită pentru a desena un grafic de dispersie.

Graficul de dispersie Python Matplotlib

Python3 
import matplotlib.pyplot as plt import pandas as pd df = pd.read_csv('Iris.csv') plt.scatter(df['Species'], df['SepalLengthCm']) # Title to the plot plt.title('Scatter Plot') # Adding the legends plt.legend(['SepalLengthCm']) plt.show()

Ieșire:

Graficul de dispersie folosind biblioteca matplotlib

Graficul de dispersie folosind biblioteca matplotlib

Box Plot

A boxplot ,Corelație cunoscută și sub numele de diagramă cutie și mustăți. Este o reprezentare vizuală foarte bună atunci când vine vorba de măsurarea distribuției datelor. Trasează în mod clar valorile mediane, valorile aberante și quartilele. Înțelegerea distribuției datelor este un alt factor important care duce la o mai bună construcție a modelelor. Dacă datele au valori aberante, diagrama cu casete este o modalitate recomandată de a le identifica și de a lua măsurile necesare. Diagrama cu casete și mustăți arată cum sunt răspândite datele. Cinci informații sunt incluse în general în diagramă

  • Minimul este afișat în extrema stângă a diagramei, la sfârșitul „muștaților” din stânga
  • Prima cuartilă, Q1, este extrema stângă a casetei (mustața din stânga)
  • Mediana este afișată ca o linie în centrul casetei
  • A treia cuartilă, Q3, afișată în partea dreaptă extremă a casetei (mustată din dreapta)
  • Maximul este în extrema dreaptă a casetei

Reprezentarea box plot

Intervalul dintre quartile

Intervalul dintre quartile

Ilustrare box plot

Ilustrare box plot

Python Matplotlib Box Plot

Python3 
import matplotlib.pyplot as plt import pandas as pd df = pd.read_csv('Iris.csv') plt.boxplot(df['SepalWidthCm']) # Title to the plot plt.title('Box Plot') # Adding the legends plt.legend(['SepalWidthCm']) plt.show()

Ieșire:

Boxplot folosind biblioteca matplotlib

Boxplot folosind biblioteca matplotlib

Hărți de corelație

O hartă termică 2-D este un instrument de vizualizare a datelor care ajută la reprezentarea mărimii fenomenului sub formă de culori. O hartă termică de corelație este o hartă termică care arată o matrice de corelație 2D între două dimensiuni discrete, folosind celule colorate pentru a reprezenta date de la o scară de obicei monocromatică. Valorile primei dimensiuni apar ca rânduri ale tabelului, în timp ce a doua dimensiune este o coloană. Culoarea celulei este proporțională cu numărul de măsurători care se potrivesc cu valoarea dimensională. Acest lucru face că hărțile de corelație sunt ideale pentru analiza datelor, deoarece face modelele ușor de citit și evidențiază diferențele și variațiile din aceleași date. O hartă termică de corelație, ca o hartă termică obișnuită, este asistată de o bară de culori care face datele ușor de citit și de înțeles.

Notă: Datele de aici trebuie transmise cu metoda corr() pentru a genera o hartă termică de corelație. De asemenea, corr() în sine elimină coloanele care nu vor fi de nici un folos în timp ce generează o hartă termică de corelare și le selectează pe cele care pot fi utilizate.

Harta termică de corelație Python Matplotlib

Python3 
import matplotlib.pyplot as plt import pandas as pd df = pd.read_csv('Iris.csv') plt.imshow(df.corr() , cmap = 'autumn' , interpolation = 'nearest' ) plt.title('Heat Map') plt.show()

Ieșire:

Hartă termică folosind biblioteca matplotlib

Hartă termică folosind biblioteca matplotlib

Pentru mai multe informații despre vizualizarea datelor, consultați tutorialele noastre de mai jos -

Distribuie

S-Ar Putea Să Vă Placă

Care colegii obțin scorul SAT?

Care colegii obțin scorul SAT?

Compoziția relațiilor

Compoziția relațiilor

Top Articole

Categorie

Blog Conversie Java Matematica Colecții Java Diferențele Șir Java

Articole Interesante