散点图统计图分析（数据分析50图一）

华罗庚说过

数缺形时少直观,形少数时难入微.

这句话第一次听还是初中数学老师上二次方程课时说的.

最近看到了3blue1brown对线性代数的直观解释感觉豁然开朗,于是我又捡起了儿时对美妙数学的兴趣. 发现一个博客,数据可视化很好的例子,决定花些时间和大家一起解读一下

例程来自:https://www.machinelearningplus.com/plots/matplotlib-histogram-python-examples//

感谢b站UP "菜菜TsaiTsai" 分享这个博客.

正式开始“50图”的学习。首先的一个系列 关联图 这通常能告诉我们几个事物之间的联系。

import numpy as np import pandas as pd import matplotlib.pyplot as plt # Import dataset midwest = pd.read_csv("midwest_filter.csv") ​ midwest.head() # Prepare Data # Create as many colors as there are unique midwest['category'] categories = np.unique(midwest['category']) #色谱 colors = [plt.cm.tab10(i/float(len(categories)-1)) for i in range(len(categories))] ​ # Draw Plot for Each Category plt.figure(figsize=(16, 10), dpi= 80, facecolor='w', edgecolor='k') ​ for i, category in enumerate(categories): plt.scatter('area', 'poptotal', data=midwest.loc[midwest.category==category, :], s=20, c=colors[i], label=str(category)) ​ # Decorations plt.gca().set(xlim=(0.0, 0.1), ylim=(0, 90000), xlabel='Area', ylabel='Population') ​ plt.xticks(fontsize=12); plt.yticks(fontsize=12) # 返回坐标和 标签 plt.title("Scatterplot of Midwest Area vs Population", fontsize=22) plt.legend(fontsize=12) plt.show()

解析

解析下代码流程。

1. 目的，画出不同地区人口和地区面积的点图，y方向表示人口增长方向，x方向表示面积增长方向
2. 导入数据
3. 编码 要区分的目标 这里是category 不同的地区
4. 绘画，这里使用将每个不同category 对应不同的色点集合
5. 增加一些描述，比如坐标轴的名字，和legend，就是图右上方的标签条

方法参数解释

• 数据下载 pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")
• cm.tab10（） colormap
• plt.scatter(） 散点绘制方法
• 必要的 data =midwest.loc[midwest.category==category, :] 表示 筛选行中category 的 所有数据
• loc（），有必要说明，在pandas 中的常用函数。他的底层逻辑是用一个符合条件的 0，1 矩阵与原矩阵相与从而消掉不合条件的行列。

这里我鼓励你动手尝试并观察这个函数如何给你想要行列结果

data = [[1,2,3],[4,5,6]] ​ index = ['a','b'] ​ columns = ['c','d','e'] ​ df = pd.DataFrame(data=data, index=index, columns=columns) ​ ''' ​ c d e ​ a 1 2 3 ​ b 4 5 6 ​ ''' ​ print df.loc['a']

• plt.legend(fontsize=12) 右边边标签 还有些其他的画布设置能让图标更容易被读懂。

图像

应用

分布图的优势在于让我们发现某种密度，这种密度可能就是字面上密度，还可能是一种概率密度。尽管上面的图并看不出太多的区域面积与人口数量有什么必然的关系。但是可以得出一点，研究左下方那一块密集的小区域比研究整个地域来个更加有性价比，不是吗？

例2 气泡图 ——更多的关系等待发现