一点号数据玩家2小时前
限时干货下载：添加微信公众号“数据玩家「fbigdata」”
回复【7】免费获取【完整数据分析资料！（包括SPSS、SAS、SQL、EXCEL、Project）！】
英文：kaggle
# 首先载入pandas
import pandasaspd
# 我们将载入seaborn,但是因为载入时会有警告出现，因此先载入warnings，忽略警告
import warnings
warnings.filterwarnings("ignore")
import seabornassns
importmatplotlib.pyplotasplt
sns.set(style="white"color_codes=True)
# 载入数据
iris=pd.read_csv("../input/Iris.csv")# 数据现在为 DataFrame格式
# 用head函数看一下数据结构啥样
# 让我们用counts功能看下一共有多少种花
Iris-setosa 50
Iris-virginica 50
Iris-versicolor 50
# 使用 .plot 做散点图
iris.plot(kind="scatter"x="SepalLengthCm"y="SepalWidthCm")#数据为萼片的长和宽 结果如下
# 开始使用seaborn了它能同时显示直方图噢
sns.jointplot(x="SepalLengthCm"y="SepalWidthCm"data=irissize=5)
# 我们还可以用seaborn's FacetGrid 标记不同的种类噢
sns.FacetGrid(irishue="Species"size=5) #hue英文是色彩的意思
.map(plt.scatter"SepalLengthCm""SepalWidthCm")#注意这里的plt哦
4 箱线图！
# Seaborn中的boxplot，可以画箱线图，可以看出不同种类的分布情况
sns.boxplot(x="Species"y="PetalLengthCm"data=iris)
5、
# 利用striplot可以锦上添花，加上散点图
#
# 使振动值jitter=True 使各个散点分开，要不然会是一条直线
#
# 注意这里将坐标图用ax来保存了哦，这样第二次才会在原来的基础上加点
ax=sns.boxplot(x="Species"y="PetalLengthCm"data=iris)
ax=sns.stripplot(x="Species"y="PetalLengthCm"data=irisjitter=Trueedgecolor="gray")
6、小提琴图
# 这图可以变现出密度的分布
sns.violinplot(x="Species"y="PetalLengthCm"data=irissize=6)
# 通过这个曲线图可以看出不同特征值时的分布密度
sns.FacetGrid(irishue="Species"size=6)
.map(sns.kdeplot"PetalLengthCm")
8.大招来了
# pairplot显示不同特征之间的关系
sns.pairplot(iris.drop("Id"axis=1),hue="Species"size=3)
# 修改参数dige_kind
sns.pairplot(iris.drop("Id"axis=1),hue="Species"size=3diag_kind="kde")
# 用Pandas 快速做出每个特征在不同种类下的箱线图
iris.drop("Id"axis=1).boxplot(by="Species"figsize=(126))
他是将高维的点 化为二维的曲线，曲线是一条傅里叶函数的样子，参数项为不同的特征值，臆想出来了自变量t,这样每个点都是一条曲线
# 画图的函数在下面，我们会发现相同种类的线总是缠绵在一起，可以和聚类混在一起噢，事实上他们与欧氏距离是有关系的
frompandas.tools.plotting import andrews_curves
andrews_curves(iris.drop("Id"axis=1),"Species")
# 轮廓图也是看高维数据的一种方法，将不同的特征放在横坐标，然后将各点的特征值放在纵坐标就可以了
frompandas.tools.plotting import parallel_coordinates
parallel_coordinates(iris.drop("Id"axis=1),"Species")
# 这也是一种将高维点表现在二维平面的方法，具体作图方法应该在上面的网址上应该有
frompandas.tools.plotting import radviz