人工智能-seaborn单双多变量绘图 两案例：NBA球员数据分析 北京租房数据统

1、 seaborn

作用：更高效地绘图

#安装pip3 install seaborn#导入import seaborn as sns

单变量：直方图或核密度曲线

双变量：散点图、二维直方图、

主要函数：distplot()与joinplot()函数

1.1 单变量绘图

API

import seaborn as snsimport numpy as npnp.random.seed(0) #确定随机数种子arr = np.random.rand(100)sns.distplot(arr,bins=10,hist=True,kde=True,rug=True)

1.2 双变量绘图

散点图-kind = ‘scatter’

import pandas as pddf = pd.DataFrame({'x':np.random.randn(500),'y':np.random.randn(500)})df.head()sns.joinplot('x','y',data = df)

核密度估计曲形-kind = ‘kde’

sns.joinplot('x','y',data = df,kind = 'kde')

颜色越深，表示数据越密集

二维直方图-kind = ‘hex’

sns.joinplot('x','y',data = df,kind = 'hex')

多个成对的双变量分布

dataset = sns.load_dataset('iris')sns.pairplot(dataset)

1.3 总结

绘制单变量分布图像：seaborn.distplot()绘制双变量分布图像：seaborn.jointplot()绘制成对的双变量分布图像：seaborn.pairplot()

2、分类数据绘图

2.1 类别散点图

data = sns.load_dataset('tips')data.load()sns.stripplot(x='day',y='total_bill',data=data)

sns.stripplot(x='day',y='total_bill',data=data,hue='time')#hue='time'按time类别分颜色，这里只有两类

sns.stripplot(x='day',y='total_bill',data=data,hue='time',jitter=True)#jitter=True不让数据重叠起来

sns.swarmplot('day','total_bill',data=data)#swarmplot-完全没有重叠

2.2 类别内的数据发布

箱线图、小提琴图

小提琴图结合了箱线图和密度图的特征，主要用来显示数据的分布

箱线图API

seaborn.boxplot(x=None,y=None,hue=None,data=None,orient=None,color=None,saturation=0.9)#hue--分组#palette=['g','b','y',''b]设置颜色，是对hue分组类别的颜色#saturation颜色设置的饱和度#举例sns.boxplot('day','total_bill',data=data)

小提琴图

#APIseaborn.violinplot(x=None,y=None,hue=None,data=None)#举例sns.violinplot('day','total_bill',data=data)

条形图sns.barplot与点图sns.pointplot

#条形图（及其置信区间）sns.barplot(x='day',y='total_bill',data=tips)#点图（点估计及其置信区间）sns.pointplot(x='day',y='total_bill',data=tips)

3、案例：NBA球员数据分析

NBA数据

3.1获取数据且初识数据

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns#获取数据且初识数据data = pd.read_csv('F:/人工智能/nba__nba_players_with_salary.csv')data.head()data.shapedata.describe()

3.2 热力图

#数据分析##数据相关性data_cor = data.loc[:,['RPM','AGE','SALARY_MILLIONS','ORB','DRB','TRB','AST','STL','BLK','TOV','PF','POINTS','GP','MPG','ORPM','DRPM']]data_cor.head()#列名太多，只对部分列求一下相关性corr = data_cor.corr()corr.head()###热力图plt.figure(figsize=(20,8),dpi=100)#设置图大小sns.heatmap(corr,square=True,linewidths=0.1,annot=True)#square=True调至方形，linewidths=0.1中间加宽度为0.1的线,annot=True显示数据

3.3数据排名分析

#基本数据排名分析data.loc[:,['PLAYER','RPM','AGE']].sort_values(by='RPM',ascending=False).head()#按照RPM降序排名

#按照球员薪资排名data.loc[:,['PLAYER','RPM','AGE','SALARY_MILLIONS']].sort_values(by='SALARY_MILLIONS',ascending=False).head()

3.4seaborn常用的三个数据可视化方法

3.4.1单变量

#seaborn常用的三个数据可视化方法##单变量#利用seaborn中的distplot绘图来分别看薪水、效率值、年龄三个信息的分布情况sns.set_style('darkgrid')#设置基本模式plt.figure(figsize=(10,10))plt.subplot(3,1,1)sns.distplot(data['SALARY_MILLIONS'])plt.ylabel('salary')plt.subplot(3,1,2)sns.distplot(data['RPM'])plt.ylabel('RPM')plt.subplot(3,1,3)sns.distplot(data['AGE'])plt.ylabel('AGE')

3.4.2双变量-散点图

##双变量jointplot#使用jointplot查看年龄和薪水之间的关系sns.jointplot(data.AGE,data.SALARY_MILLIONS,kind='hex') #hex显示六边形形式

3.4.3多变量

##多变量multi_data = data.loc[:,['RPM','SALARY_MILLIONS','AGE','POINTS']]multi_data.head()sns.pairplot(multi_data)

3.5 衍生变量的一些可视化实践-以年龄为例

自定义了一个年龄分层

#年龄划分def age_cut(df):if df.AGE <=24:return 'young'elif df.AGE >=30:return 'old'else:return 'best'#使用apply对年龄进行划分data['age_cut'] = data.apply(lambda x:age_cut(x),axis=1)data.head()

分层散点图

#方便计数再加一个cut列data['cut'] = 1data.loc[data.age_cut == 'best'].SALARY_MILLIONS.head()#通过年龄对球员薪水和效率值进行分析sns.set_style('darkgrid')plt.figure(figsize=(10,10),dpi=100)plt.title('RPM and SALARY')x1 = data.loc[data.age_cut == 'old'].SALARY_MILLIONSy1 = data.loc[data.age_cut == 'old'].RPMplt.plot(x1,y1,"^")#"^"上三角形式x2 = data.loc[data.age_cut == 'best'].SALARY_MILLIONSy2 = data.loc[data.age_cut == 'best'].RPMplt.plot(x2,y2,"^")x3 = data.loc[data.age_cut == 'young'].SALARY_MILLIONSy3 = data.loc[data.age_cut == 'young'].RPMplt.plot(x3,y3,".")

成对双变量绘图pairplot

dat2 = data.loc[:,['RPM','POINTS','TRB','AST','STL','BLK','age_cut']]sns.pairplot(dat2,hue='age_cut')

3.6 球队数据分析

查看不同类别下的情况，求均值，最值等—agg聚合函数

排名sort_values

data.groupby(by='age_cut').agg({"SALARY_MILLIONS":np.mean})#利用agg函数输出各年龄段的平均薪资#按照球队分组，平均薪水降序排序data_team = data.groupby(by='TEAM').agg({"SALARY_MILLIONS":np.mean}) #TEAM球队data_team.sort_values(by='SALARY_MILLIONS',ascending=False).head(10)#按照分年龄段分球队，上榜球员数降序排列。若上榜球员数相同，则按效率值降序排列data_rpm = data.groupby(by=['TEAM','age_cut']).agg({"SALARY_MILLIONS":np.mean,"RPM":np.mean,"PLAYER":np.size})data_rpm.sort_values(by=['PLAYER','RPM'],ascending=False).head()

用图像来展示各球队的情况

#利用箱线图和小提琴图进行数据分析sns.set_style('whitegrid')plt.figure(figsize=(20,10))data_team2 = data[data.TEAM.isin(['GS','CLE','SA','LAC','OKC','UTAH','CHA','TOR','NO','BOS'])]#只取了部分球队名#绘图箱线图plt.subplot(3,1,1)sns.boxplot(x='TEAM',y='SALARY_MILLIONS',data =data_team2) #部分球队的薪资分布plt.subplot(3,1,2)sns.boxplot(x='TEAM',y='AGE',data =data_team2) #部分球队的年龄分布plt.subplot(3,1,3)sns.boxplot(x='TEAM',y='MPG',data =data_team2)#部分球队的出场时间分布

#小提琴图sns.set_style('whitegrid')plt.figure(figsize=(20,10))plt.subplot(3,1,1)sns.violinplot(x='TEAM',y='3P%',data =data_team2) #部分球队的3分球命中率分布plt.subplot(3,1,2)sns.violinplot(x='TEAM',y='POINTS',data =data_team2) #部分球队的得分分布plt.subplot(3,1,3)sns.violinplot(x='TEAM',y='eFG%',data =data_team2)#部分球队的真实命中率分布

4、案例：北京租房数据统计分析

需求：

链家北京租房数据

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns#获取数据file_data = pd.read_csv('F:/淘宝-人工智能-课件/链家北京租房数据.csv')file_datafile_data.shapefile_data.info()file_data.describe()#只计算数值列的

数据基本处理

4.1重复值和空值处理

file_data = file_data.drop_duplicates()#删除重复值，第一次出现不删除，后面出现重复的会被删除file_data.shape#空值处理file_data = file_data.dropna()#删除空值file_data.shape

4.2 数据类型转换

想把”面积列“转换成float类型

户型列的表达，有“几房间几厅”的表达，把该列统一为“几室几厅”的表达

#面积列file_data['面积(㎡)'].valuesfile_data['面积(㎡)'].values[0][:-2]#创建一个空的数组,用来存储改格式后的面积列data_new = np.array([])data_area = file_data['面积(㎡)'].valuesfor i in data_area:data_new = np.append(data_new,np.array(i[:-2]))data_new#转换data_new中数据类型data_new = data_new.astype(np.float64)data_newfile_data.loc[:,'面积(㎡)'] = data_new #替换file_data.head()

#户型表达方式替换house_data = file_data['户型']temp_list=[]for i in house_data:new_info = i.replace('房间','室')temp_list.append(new_info)file_data.loc[:,"户型"] = temp_listfile_data

调整后的数据

4.3 图表分析

4.3.1 房源数量、位置分布分析

file_data["区域"].unique()new_df = pd.DataFrame({"区域":file_data["区域"].unique(),"数量":[0]*13})new_df#获取每个区域房源数量area_count = file_data.groupby(by='区域').count()new_df["数量"] = area_count.valuesnew_df.sort_values(by='数量',ascending=False)

4.3.2 户型数据分析

house_data = file_data["户型"]house_data.head()def all_house(arr):key = np.unique(arr)result = {}for k in key:mask = (arr == k)arr_new = arr[mask]v = arr_new.sizeresult[k] = vreturn resulthouse_info = all_house(house_data)#去掉统计数量较少的值house_data = dict((key,value) for key,value in house_info.items() if value >50)pd.DataFrame({"户型":[x for x in house_data.keys()],"数量":[x for x in house_data.values()]})show_houses

#图形展示房屋类型house_type = show_houses['户型']house_type_num = show_houses['数量']plt.barh(range(11),house_type_num)