python可视化

python可视化

变量分布

hist是直方图的缩写，bins表示有多少个直方图。

df['col'].hist(bins=50, figsize=(12,5),grid=False)

sns.distplot(train['col'])

seaborn会自动拟合一条曲线。

双变量联系

画房屋面积和价格之间的x-y图

sns.jointplot(x='area_house', y='price', data=train, alpha=0.3, size=4)

或是直接查看Pearson系数：

columns = train.columns.values.tolist()
train.corr()['price'][columns].sort_values(ascending=False).plot(
    kind='barh', figsize=(12,6)
)

解析一下，columns是列的名称，train.corr()返回一个DataFrame，里面全是corr，
选出其中的一个Series: train.corr()['price'][columns]，排序以后，再画图。

离散变量和连续变量之间的关系

离散值对连续取值的影响程度。

比如构造二值，判断这个构造合不合理，就是看这个二值有没有区分度。

from scipy.stats import pointbiserialr
plt.figure(figsize=(15,6)) # 设置sns要画的大小
sns.boxplot(y='repaired', x = 'price', data=train, orient='h') # 

会自动根据分的类计算不同类的箱线图。