| python数据特征分析 | 您所在的位置：网站首页 › 污染物分布图怎么看的 › python数据特征分析 |
python数据特征分析
|
python数据特征分析
数据读取，查看数据类型定量数据分析绘制散点图，查看房屋价格的大致分布使用直方图对定量字段进行分组分析，查看参考总价的数据分布使用cut、gcut函数，对参考总价进行分组并应用到总数据中，计算出每一个二手房的参考总价所属的价格区间。计算分组之后的参考总价的频数、频率、累积频率并可视化显示绘制参考总价分布频率直方图
定性字段统计二手房朝向的频率、累计频率、频率百分比、累计频率百分比
介绍：分布分析 → 研究数据的分布特征和分布类型，分定量数据、定性数据区分基本统计量 数据读取，查看数据类型 import matplotlib.pyplot as plt import pandas as pd %matplotlib inline # 数据读取 data = pd.read_csv('二手房信息.csv',engine = 'python', encoding='GBK') data print(data.dtypes) print('-------\n数据长度为%i条' % len(data)) data.head()* 
# 通过数据可见，一共8个字段
# 定量字段：房屋单价，参考首付，参考总价，*经度，*纬度，*房屋编码
# 定性字段：小区，朝向
定量数据分析
绘制散点图，查看房屋价格的大致分布
plt.scatter(data['经度'],data['纬度'], # 按照经纬度显示
s = data['房屋单价']/500, # 按照单价显示大小
c = data['参考总价'], # 按照总价显示颜色
alpha = 0.4, cmap = 'Reds')
plt.grid()
print(data.dtypes)
print('-------\n数据长度为%i条' % len(data))
data.head()
* 
说明：点的大小越大，单价越高、，颜色越深，参考单价越高 针对定量字段计算极差：max-min，通过极差可以看出二手房价格的稳定程度 def d_range(df,*cols): krange = [] for col in cols: crange = df[col].max() - df[col].min() krange.append(crange) return(krange) # 创建函数求极差 key1 = '参考首付' key2 = '参考总价' dr = d_range(data,key1,key2) print('%s极差为 %f \n%s极差为 %f' % (key1, dr[0], key2, dr[1])) 参考首付极差为 52.500000 参考总价极差为 175.000000 使用直方图对定量字段进行分组分析，查看参考总价的数据分布 data[key2].hist(bins=10) plt.ylabel('价格') plt.xlabel('参考总价分布')* 
使用cut、gcut函数，对参考总价进行分组并应用到总数据中，计算出每一个二手房的参考总价所属的价格区间。
# 频率分布情况 - 定量字段
# ② 求出分组区间
# right 是否包含末尾值
# pd.cut(x, bins, right)：按照组数对x分组，且返回一个和x同样长度的分组dataframe，right → 是否右边包含，默认True
# 通过groupby查看不同组的数据频率分布
# 给源数据data添加“分组区间”列
gcut = pd.cut(data[key2],10,right=False)
gcut_count = gcut.value_counts(sort=False) # 不排序
gcut_count
data['%s分组区间' % key2] = gcut.values
print(gcut.head(),'\n------')
print(gcut_count)
data.head()
* 
计算分组之后的参考总价的频数、频率、累积频率并可视化显示
# 频率分布情况 - 定量字段
# ③ 求出目标字段下频率分布的其他统计量 → 频数，频率，累计频率
r_zj = pd.DataFrame(gcut_count)
r_zj.rename(columns ={gcut_count.name:'频数'}, inplace = True) # 修改频数字段名
r_zj['频率'] = r_zj / r_zj['频数'].sum() # 计算频率
r_zj['累计频率'] = r_zj['频率'].cumsum() # 计算累计频率
r_zj['频率%'] = r_zj['频率'].apply(lambda x: "%.2f%%" % (x*100)) # 以百分比显示频率
r_zj['累计频率%'] = r_zj['累计频率'].apply(lambda x: "%.2f%%" % (x*100)) # 以百分比显示累计频率
r_zj.style.bar(subset=['频率','累计频率'], color='green',width=100)
# 可视化显示
* 
绘制参考总价分布频率直方图
# 频率分布情况 - 定性字段
# ④ 绘制频率直方图
r_zj['频率'].plot(kind = 'bar',
width = 0.8,
figsize = (12,2),
rot = 0,
color = 'k',
grid = True,
alpha = 0.5)
plt.title('参考总价分布频率直方图')
# 绘制直方图
x = len(r_zj)
y = r_zj['频率']
m = r_zj['频数']
for i,j,k in zip(range(x),y,m):
plt.text(i-0.1,j+0.01,'%i' % k, color = 'k')
# 添加频数标签
* 
定性字段
统计二手房朝向的频率、累计频率、频率百分比、累计频率百分比
# 频率分布情况 - 定性字段
# ① 通过计数统计判断不同类别的频率
cx_g = data['朝向'].value_counts(sort=True)
print(cx_g)
# 统计频率
r_cx = pd.DataFrame(cx_g)
r_cx.rename(columns ={cx_g.name:'频数'}, inplace = True) # 修改频数字段名
r_cx['频率'] = r_cx / r_cx['频数'].sum() # 计算频率
r_cx['累计频率'] = r_cx['频率'].cumsum() # 计算累计频率
r_cx['频率%'] = r_cx['频率'].apply(lambda x: "%.2f%%" % (x*100)) # 以百分比显示频率
r_cx['累计频率%'] = r_cx['累计频率'].apply(lambda x: "%.2f%%" % (x*100)) # 以百分比显示累计频率
r_cx.style.bar(subset=['频率','累计频率'], color='#d65f5f',width=100)
# 可视化显示
* 
对二手房朝向的频数进行统计并绘制出直方图和饼图
# 频率分布情况 - 定量字段
# ② 绘制频率直方图、饼图
plt.figure(num = 1,figsize = (12,2))
r_cx['频率'].plot(kind = 'bar',
width = 0.8,
rot = 0,
color = 'k',
grid = True,
alpha = 0.5)
plt.title('参考总价分布频率直方图')
# 绘制直方图
plt.figure(num = 2)
plt.pie(r_cx['频数'],
labels = r_cx.index,
autopct='%.2f%%',
shadow = True)
plt.axis('equal')
# 绘制饼图
* 
python 数据特征分析
1. Python数据特征分析－分布分析 2. Python数据特征分析－对比分析 3. Python数据特征分析－统计分析 4. Python数据特征分析－帕累托分析 5. Python数据特征分析－正态性检验 6. Python数据特征分析－相关性分析 |
【本文地址】
公司简介
联系我们