数据分析-Pandas数据的探查蜂窝图

数据分析-Pandas数据的探查蜂窝图

���据分析和处理中，难免会遇到各种数据，那么数据呈现怎样的规律呢？不管金融数据，风控数据，营销数据等等，莫不如此。如何通过图示展示数据的规律？

数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测 N O 2 NO_2 NO2​数据作为样例。

数据分析

数据分析-Pandas如何转换产生新列

数据分析-Pandas如何统计数据概况

数据分析-Pandas如何轻松处理时间序列数据

数据分析-Pandas如何选择数据子集

数据分析-Pandas如何重塑数据表-CSDN博客

经典算法

经典算法-遗传算法的python实现

经典算法-模拟退火算法的python实现

经典算法-粒子群算法的python实现-CSDN博客

本文用到的样例数据：

Titanic数据

空气质量监测 N O 2 NO_2 NO2​数据

样例代码：

源代码参考 Pandas如何重塑数据表

源代码参考 python数据分析-数据表读写到pandas

导入关键模块

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltplt.close("all")

蜂窝图，就是六边形图，当很多时候用散点图表达比较密的时候，使用蜂窝图可能会比较清晰，也可以理解是一种关系的热度图。

探究数据点密度关系

该例使用随机生成数据来举例。

np.random.seed(36)df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])df["b"] = df["b"] + np.arange(1000)df.plot.hexbin(x="a", y="b", gridsize=25);plt.figure();df4.plot.hist(alpha=0.5);

gridsize是很好的参数，控制六边形的在水平轴的数量，其默认是100。

此外，还可以通过C，和recduce_C_function参数，指导每个位置的数值，和聚合函数可以是mean, max, sum, std等等。

df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])df["b"] = df["b"] + np.arange(1000)df["z"] = np.random.uniform(0, 3, 1000)df.plot.hexbin(x="a", y="b", C="z", reduce_C_function=np.max, gridsize=25);plt.figure();

后面介绍下其他的展示形式。

df.plot.area     df.plot.barh     df.plot.density  df.plot.hist     df.plot.line df.plot.bar      df.plot.box      df.plot.hexbin   df.plot.kde      df.plot.piedf.plot.scatter

觉得有用 收藏 收藏 收藏

点个赞 点个赞 点个赞

End

GPT专栏文章：

GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案

GPT实战系列-LangChain + ChatGLM3构建天气查询助手

大模型查询工具助手之股票免费查询接口

GPT实战系列-简单聊聊LangChain

GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(二)

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(一)

GPT实战系列-ChatGLM2模型的微调训练参数解读

GPT实战系列-如何用自己数据微调ChatGLM2模型训练

GPT实战系列-ChatGLM2部署Ubuntu+Cuda11+显存24G实战方案

GPT实战系列-Baichuan2本地化部署实战方案

GPT实战系列-Baichuan2等大模型的计算精度与量化

GPT实战系列-GPT训练的Pretraining，SFT，Reward Modeling，RLHF

GPT实战系列-探究GPT等大模型的文本生成-CSDN博客