想要制作漂亮的可視化圖表嗎?Kaggle 平臺上有一個數(shù)據(jù)可視化的微課程，總時長才 4 小時�？靵韺W習吧!

課程地址：https://www.kaggle.com/learn/data-visualization-from-non-coder-to-coder

 

 

課程簡介

該課程為免費課程，共包含 15 節(jié)課，時長 4 小時。主講人 Alexis Cook 曾就讀于杜克大學、密歇根大學和布朗大學，在多個在線學習平臺(如 Udacity 和 DataCamp)教授數(shù)據(jù)科學。

這門課程使用的數(shù)據(jù)可視化工具是 Seaborn，所以學員需要稍微了解如何寫 Python 代碼。不過沒有任何編程經(jīng)驗的人也可以通過該課程學會數(shù)據(jù)可視化，正如課程名稱那樣：Data Visualization: from Non-Coder to Coder，透過數(shù)據(jù)可視化見證編程的魅力。

該課程包含 15 節(jié)課，分為課程講解和練習兩類，每一堂講解課后都有一節(jié)練習課，讓學員及時鞏固和應用所學知識。

課程涉及對數(shù)據(jù)可視化工具 Seaborn 的介紹，如何繪制折線圖、柱狀圖、熱圖、散點圖、分布圖，如何選擇圖表類型和自定義樣式，課程期末項目，以及如何舉一反三為自己的項目創(chuàng)建 notebook。課程目錄如下所示：

 

 

 

 

下面，我們將選取其中一節(jié)課——散點圖(Scatter Plots)進行簡單介紹。

如何創(chuàng)建高級散點圖

點進去你會在左側看到這節(jié)課的大致內容，如下圖所示，「散點圖」共包含五個部分：

 

 

btw，眼尖的讀者會發(fā)現(xiàn)，下面還有一個 comments 版塊。所以，該課程還是交互式的呢，你可以邊學習邊評論。

通過這節(jié)課，你將學習如何創(chuàng)建高級的散點圖。

設置 notebook

首先，我們要設置編碼環(huán)境。

輸入：

import pandas as pdimport matplotlib.pyplot as plt%matplotlib inlineimport seaborn as snsprint("Setup Complete")

輸出：

Setup Complete

加載和檢查數(shù)據(jù)

我們將使用一個保險費用(合成)數(shù)據(jù)集，目的是了解為什么有些客戶需要比其他人支付得更多。數(shù)據(jù)集地址：https://www.kaggle.com/mirichoi0218/insurance/home

 

 

輸入：

# Path of the file to readinsurance_filepath = "../input/insurance.csv"# Read the file into a variable insurance_datainsurance_data = pd.read_csv(insurance_filepath)

打印前五行，以檢查數(shù)據(jù)集是否正確加載。

輸入：

insurance_data.head()

輸出：

 

 

散點圖

為了創(chuàng)建簡單的散點圖，我們使用 sns.scatterplot 命令并指定以下值：

水平 x 軸(x=insurance_data['bmi'])

垂直 y 軸(y=insurance_data['charges'])

輸入：

sns.scatterplot(x=insurance_data['bmi'], y=insurance_data['charges'])

輸出：

 

 

上面的散點圖表明身體質量指數(shù)(BMI)和保險費用是正相關的，BMI 指數(shù)更高的客戶通常需要支付更多的保險費用。(這也不難理解，高 BMI 指數(shù)通常意味著更高的慢性病風險。)

如果要再次檢查這種關系的強度，你可能需要添加一條回歸線，或者最擬合數(shù)據(jù)的線。我們通過將該命令更改為 sns.regplot 來實現(xiàn)這一點。

輸入：

sns.regplot(x=insurance_data['bmi'], y=insurance_data['charges'])

輸出：

/opt/conda/lib/python3.6/site-packages/scipy/stats/stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result. return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval

 

 

著色散點圖

我們可以使用散點圖展示三個變量之間的關系，實現(xiàn)方式就是給數(shù)據(jù)點著色。

例如，為了了解吸煙對 BMI 和保險費用之間關系的影響，我們可以給數(shù)據(jù)點 'smoker' 進行著色編碼，然后將'bmi'、'charges'作為坐標軸。

輸入：

sns.scatterplot(x=insurance_data['bmi'], y=insurance_data['charges'], hue=insurance_data['smoker'])

輸出：

 

 

以上散點圖展示了不抽煙的人隨著 BMI 指數(shù)的增加保險費用會稍有增加，而抽煙的人的保險費用要增加得多得多。

要想進一步明確這一事實，我們可以使用 sns.lmplot 命令添加兩個回歸線，分別對應抽煙者和不抽煙者。(你會看到抽煙者的回歸線更加陡峭。)

輸入：

sns.lmplot(x="bmi", y="charges", hue="smoker", data=insurance_data)

輸出：

/opt/conda/lib/python3.6/site-packages/scipy/stats/stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result. return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval

 

 

sns.lmplot 命令與其他命令有一些不同：

這里沒有用 x=insurance_data['bmi'] 來選擇 insurance_data 中的'bmi'列，而是設置 x="bmi"來指定列的名稱。

類似地，y="charges" 和 hue="smoker"也包含列的名稱。

我們使用 data=insurance_data 來指定數(shù)據(jù)集。

最后，還有一個圖要學。我們通常使用散點圖顯示兩個連續(xù)變量(如"bmi"和 "charges")之間的關系。但是，我們可以調整散點圖的設計，來側重某一個類別變量(如"smoker")。我們將這種圖表類型稱作類別散點圖(categorical scatter plot)，可使用 sns.swarmplot 命令構建。

輸入：

sns.swarmplot(x=insurance_data['smoker'], y=insurance_data['charges'])

輸出：

 

 

除此之外，這個圖向我們展示了：

不抽煙的人比抽煙的人平均支付的保險費用更少;

支付最多保險費用的客戶是抽煙的人，而支付最少的客戶是不抽煙的人。

標簽： [db:TAGG]

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。