python数据分析基础和利用python进行数据分析,利用python进行数据分析简书

　　Python数据分析-第三条注释1.交叉分析

　　2.分组分析

　　1.交叉分析交叉分析的含义是在纵向分析和横向分析的基础上，从交叉和立体的角度，由浅入深，由低级到高级的分析方法。这种方法虽然复杂，但弥补了“碎片化”分析方法带来的偏差。

　　其实主要用法是：用来分析两个变量之间的关系。交叉分析一定要和假设检验连用会更好

　　首先，作者的理解是交叉分析一定是二维的，它需要两个因素。否则，如果不能穿越，可以做成透视表。这两个因素一个是行，一个是列，然后进行假设检验，确定P值是否小于0.0.5，这样就更清楚了。

　　编程实现：采用的是T检验假设*第一步，提取数据

　　import pandas as PD import numpy as NP import scipy . stats as SSI import matplotlib . py plot as pltimport seaborn as SNS #设置图片的字体font _ scale SNS . Set _ context(font _ scale=1.5)df=PD . read _ CSV(。/data/HR . CSV )# grouping indexes获取分组数据的索引，Subscript # DP _ indicators=df . group by(by= department )。指标#取出左销售的值#loc:按行标签索引行数据#iloc:按行号索引行数据sales _ values=df [left]。iloc [dp _ indicators [sales]]。values#取出left的technical technical _ values=df[ left ]的值。iloc [dp _ indicators [技术]]。值*第二步，T检验

　　#输出这两个变量的t检验的p值ss . ttest _ ind()[1]print(ss . ttest _ ind(sales _ values，technical _ values)[1])#然后将部门数据分组，根据分组，两两找出一个因子的p值#取出按部门分组的键名DP _ keys=list(DP _ indexes . keys())#初始化一个矩阵dp_t_mat=np.zeros ([len (DP _ keys))， Len(dp_keys)])#对于范围内I的每个数据的便利性(Len(dp_keys)):对于范围内j(len(DP _ keys)):# tTest p _ value=ss . tTest _ ind(df[ left ]。 iloc [dp _ indicators [dp。值，\ df [left]。iloc [dp _ indicators [dp _ keys [j]]。values][1]# t检验的p值小于0.05，给出-1，这意味着如果p _ value 0.05: dp _ t _

　　# drawing SNS.heatmap (dp _ t _ mat，xticklabels=dp _ keys，yticklabels=dp _ keys) plt.show()

　　*第三步，绘图

　　#构建数据透视表pd.pivot_table()#values=left 。我们看到的值是左，横坐标指标设置为promotion_last_5years，然后指定一个薪资。#纵坐标列表示Work _ accident，聚合方法aggfunc设置为average。是函数piv_tb=pd.pivot _ table (df，values= left ，index=[promotion _ last _ 5 years ， salary]，\ columns=[work _ accident]，aggfunc=np.mean) #绘制最小值vmin，最大值vmax，颜色cmap SNS.heatmap (PIV _ TB，vmin=0，VMAX=1，cmap=SNS . color _ palette( red ，n _ colors=256)) PLT.show()

　　2.分组分析*利用透视表，交叉分析是指根据研究要求对对象(问卷、特征、现实)进行分类分组，使同一组内对象之间的差异小于各对象之间的差异，然后进行分析研究的方法。

　　分组分析一般用条形图绘制，主要用seaborn模块的barplot()和countplot()条形图函数绘制。

　　下面是barplot()和countplot()的区别：*分组分析的含义：

　　表示条形图数值变量的估计值和每个矩形高度的中心趋势，并通过使用误差线提供关于估计值周围的不确定性的一些指示。具体用法如下：*barplot(条形图)

　　计数图可视为分类直方图，而非量化变量。的基本api和选项与barplot()相同，因此您可以比较嵌套变量中的计数。(工作原理是对输入的数据进行分类，条形图显示每个分类的编号。)具体用法如下：

　　seaborn . count plot(x=无，y=无，色调=无，数据=无，顺序=无，色调_顺序=无，方向=无，颜色=无，调色板=无，饱和度=0.75，减淡=真，ax=无，**kwargs)

　　注：计数图参数和条形图基本差不多，可以对比着记忆，有一点不同的是计数图中不能同时输入x和y，且计数图没有误差棒。

　　*countplot（）绘制

　　将熊猫作为警察局导入matplotlib.pyplot作为滨海港作为社交网络号码设置图片的字体字体刻度ns。set _ context(font _ scale=1.5)df=PD。read _ CSV( ./data/HR.csv)#离散分组#绘条形图#sns.barplot(x=薪金，y=左，色相=部门，数据=df)#plt.show()#连续分组sl_s=df[满意度_级别]SNS。条形图(list(range(len(sl _ s))、sl_s.sort_values())plt.show()绘图结果

　　*第二种，利用不纯度（基尼系数)

　　#可能平方和定义获取问题：如果不是isinstance(s，pd.core.series.Series): s=pd .Series(s) prt_ary=pd.groupby(s，by=s).计数()。值/浮点数(len)返回sum(prt_ary**2)#求基尼的值def getGini(s1，s2):d=dict()for I in list(range(len(S1))):d[S1[I]]=d . get(S1[I]，[])[S2[I]]return 1-sum([getProbSS(d[k])* len(d[k])/float(len(S1))for k in d])print( getGini ，getGini(s1，S2))

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。

相关文章阅读