ちいゆ的数据修炼之路（一）

Python

关于EDA和Visualization:

两个常用的可视化package：matplotlib 和 seaborn
相关链接：

• matplotlib用户指南
• seaborn介绍

后者可视为前者的一个上层api，且支持pandas数据类型

seaborn中几个方便的绘图函数:

• jointplot: 同时显示二元散点图和各自的频率图

jointplot_age_fare.jpg

• boxplot: 箱图，将二元分布按横轴（离散，通常是categorical）展开，观察纵轴变量的（一维）分布
• stripplot: 用途类似箱图，可以叠加分布散点，利用jitter = True可以避免散点重合
• violinplot: “小提琴”图，图的功能类似箱图，可横向比较纵轴分布，主要采用kernel density estimation（KDE）方法完成目标分布的近似

box-strip-violin-plot_sex_age.jpg

• kdeplot: 用KDE绘制密度曲线图

stacked_bar_chart_sex_survived.jpg kdeplot_sex_survived.jpg

• FacetGrid: 网格图。事实上这是一个seaborn类，通过指定数据（dataframe）以及其他参数之后实例化，绘图需要结合后续的类方法如.map()指定图的种类和.add_legend()加图例。适用于数据有不止一个需要展开的类别变量的情况，实例化网格对象时的三个属性row, col和hue均可作为展开方向
• pairplot: 基于FacetGrid的二元关系网格图，可以快捷绘制变量间的二元相关图矩阵——散点（非对角单元格），频率分布/KDE（对角单元格）
• heatmap: 热力图，热力图可以将单元格的数值连续映射为指定色段，适用于需要观察矩形表（即行和列分别对应一个离散变量）单元格数值分布的情况
  heatmap_sex_survived.jpg

其他多元可视化方法：

pandas中的andrew_curves（傅里叶级数）和parallel_coordinates

参考链接：

Python数据可视化
Kaggle泰坦尼克数据集