python数据可视化分析总结,基于python的数据可视化

　　本文为大家带来了一些关于python的知识，主要介绍了一些关于数据处理和可视化的相关问题，包括NumPy的初始使用，Matplotlib包的使用以及数据统计的可视化展示等。希望对你有帮助。

　　推荐：python教程

　　00-1010形式是数据的一般表示，但它是机器无法理解的，也就是无法识别的数据，所以我们需要调整形式的形式。

　　常用的机器学习表示是数据矩阵。

　　看这个表，我们发现矩阵中有两种属性，一种是数值型，一种是布尔型。现在让我们建立一个模型来描述这个表：

　　#将数据导入数量矩阵化为np

　　data=np.mat([[1，200，105，3，False]，[2，165，80，2，False]，[3，184.5，120，2，False)，

　　对于数据：中的行，[4，116，70.8，1，False]，[5，270，150，4，True]])row=0

　　row=1 print(row)print(data . size)print(data)这里第一行代码的意思是引入NumPy，重命名为np。第二行，我们使用NumPy中的mat()方法构建一个数据矩阵，row是引入的变量，用来计算行数。

　　这里的大小是指5*5的表格，直接打印数据就能看到数据：

　　00-1010我们还是看最上面的表吧。第二列是房价差异。我们希望直观地看到差异(因为只有数字)，所以希望能够画出来(研究数字差异和异常的方法就是画出数据的分布):

　　将numpy作为NP导入scipy.stats作为stats导入pylab

　　data=np.mat([[1，200，105，3，False]，[2，165，80，2，False]，[3，184.5，120，2，False)，

　　[4，116，70.8，1，False]，[5，270，150，4，True]])coll=[]，用于数据：中的行

　　Coll. append (row [0，1])stats . proplot(coll，plot=pylab) pylab.show()这段代码的结果是生成一个图形：

　　这样我们就能清楚地看到区别。

　　坐标图的要求是通过不同的行和列显示数据的具体值。

　　当然，我们也可以展示坐标图：

　　计算

一、NumPy的初步使用

　　00-1010欧氏距离，用来表示三维空间中两点之间的真实距离。其实公式我们都知道，但是名字听的不多：

　　那么让我们来看看它的实际应用：

　　此表是3个用户对项目的评分：

　　D12表示用户1和用户2之间的相似性，则有：

　　同样，d13:

　　可以看出，用户2与用户1更相似(距离越小，相似度越大)。

　　00-1010余弦角由夹角差计算得出。可以看出，与用户3相比，用户2与用户1更相似(两个目标越相似，其线段形成的角度越小)。

　　00-1010

二、Matplotlib包的使用图形化数据处理

　　第三四分位数与第一四分位数的差距又称为四分差距（IQR）。

　　如果n是项数，则：

　　Q1的位置=(n ^ 1)* 0.25

　　Q2的位置=(n 1)*0.50

　　Q3的位置=(n ^ 1)* 0.75

　　四分位数的例子：关于这个rain.csv，有需要的可以私我要文件，我使用的是亳州市2010-2019年的月份降水情况。

　　从pylab进口*进口熊猫作为

　　pdimport matplotlib.pyplot as plot

　　filepath = ("C:\\Users\\AWAITXM\\Desktop\\rain.csv")# "C:\Users\AWAITXM\Desktop\rain.csv"dataFile = pd.read_csv(filepath)summary = dataFile.describe()print(summary)array = dataFile.iloc[:,:].values

　　boxplot(array)plot.xlabel("year")plot.ylabel("rain")show()以下是plot运行结果：

这个是pandas的运行

这里就可以很清晰的看出来数据的波动范围。
可以看出，不同月份的降水量有很大差距，8月最多，1-4月和10-12月最少。

　　那么每月的降水增减程度如何比较？

from pylab import *import pandas as pdimport matplotlib.pyplot as plot
　　filepath = ("C:\\Users\\AWAITXM\\Desktop\\rain.csv")# "C:\Users\AWAITXM\Desktop\rain.csv"dataFile = pd.read_csv(filepath)summary = dataFile.describe()minRings = -1maxRings = 99nrows = 11for i in range(nrows):
　　 dataRow = dataFile.iloc[i,1:13]
　　 labelColor = ( (dataFile.iloc[i,12] - minRings ) / (maxRings - minRings) )
　　 dataRow.plot(color = plot.cm.RdYlBu(labelColor),alpha = 0.5)plot.xlabel("Attribute")plot.ylabel(("Score"))show()

　　那么每月降水是否相关？

from pylab import *import pandas as pdimport matplotlib.pyplot as plot
　　filepath = ("C:\\Users\\AWAITXM\\Desktop\\rain.csv")# "C:\Users\AWAITXM\Desktop\rain.csv"dataFile = pd.read_csv(filepath)summary = dataFile.describe()corMat = pd.DataFrame(dataFile.iloc[1:20,1:20].corr())plot.pcolor(corMat)plot.show()

　　今天就记录到这里了，我们下次再见！希望本文章对你也有所帮助。

　　推荐学习：python学习教程以上就是深入了解Python数据处理及可视化的详细内容，更多请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。