首页 技术文章 后端开发 深入了解Python数据处理及可视化
正文 评论

深入了解Python数据处理及可视化

本篇文章给大家带来了关于python的相关知识,其中主要介绍了关于数据处理以及可视化的相关问题,包括了NumPy的初步使用、Matplotlib包的使用和数据统计的可视化展示等等,希望对大家有帮助。

深入了解Python数据处理及可视化

推荐学习:python教程

一、NumPy的初步使用

表格是数据的一般表示形式,但对于机器来说是不可理解的,也就是无法辨识的数据,所以我们需要对表格的形式进行调整。
常用的机器学习表示形式为数据矩阵。
深入了解Python数据处理及可视化
我们观察这个表格,发现,矩阵中的属性有两种,一种是数值型,一种是布尔型。那么我们现在就建立模型描述这个表格:

#  数据的矩阵化import numpy as np
data = np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184.5,120,2,False],
              [4,116,70.8,1,False],[5,270,150,4,True]])row = 0for line in data:
    row += 1print( row )print(data.size)print(data)

这里第一行代码的意思就是引入NumPy将其重命名为np。第二行我们使用NumPy中的mat()方法建立一个数据矩阵,row是引入的计算行数的变量。
这里的size意思就是5*5的一个表格,直接打印data就可以看到数据了:
深入了解Python数据处理及可视化

二、Matplotlib包的使用–图形化数据处理

我们还是看最上面的表格,第二列是房价的差异,我们想直观的看出差别是不容易的(因为只有数字),所以我们希望能够把它画出来(研究数值差异和异常的方法就是绘制数据的分布程度):

import numpy as npimport scipy.stats as statsimport pylab
data =  np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184.5,120,2,False],
              [4,116,70.8,1,False],[5,270,150,4,True]])coll = []for row in data:
    coll.append(row[0,1])stats.probplot(coll,plot=pylab)pylab.show()

这个代码的结果就是生成一个图:
深入了解Python数据处理及可视化
这样我们就能清晰的看出来差异了。

一个坐标图的要求,就是通过不同的行和列表现出数据的具体值。
当然,坐标图我们一样可以展示:
深入了解Python数据处理及可视化深入了解Python数据处理及可视化

三、深度学习理论方法–相似度计算(可以跳过)

相似度的计算方法有很多,我们选用最常用的两种,即欧几里得相似度和余弦相似度计算。

1、基于欧几里得距离的相似度计算

欧几里得距离,用来表示三维空间中两个点的真实距离。公式我们其实都知道,只是名字听的少:
深入了解Python数据处理及可视化
那么我们来看一看它的实际应用:
这个表格是3个用户对物品的打分:
深入了解Python数据处理及可视化
d12表示用户1和用户2的相似度,那么就有:
深入了解Python数据处理及可视化
同理,d13:
深入了解Python数据处理及可视化
可见,用户2更加相似于用户1(距离越小,相似度越大)。

2、基于余弦角度的相似度计算

余弦角度的计算出发点是夹角的不同。
深入了解Python数据处理及可视化
深入了解Python数据处理及可视化
可见相对于用户3,用户2与用户1更为相似(两个目标越相似,其线段形成的夹角越小)

四、数据统计的可视化展示(以我们亳州市降水为例)

数据的四分位

四分位数,是统计学中分位数的一种,也就是把数据由小到大排列,之后分成四等份,处于三个分割点位置的数据,就是四分位数。
第一四分位数(Q1),也称下四分位数
第二四分位数(Q1),也称中位数
第三四分位数(Q1),也称下四分位数

第三四分位数与第一四分位数的差距又称为四分差距(IQR)。

若n为项数,则:
Q1的位置 = (n+1)*0.25
Q2的位置 = (n+1)*0.50
Q3的位置 = (n+1)*0.75

四分位示例:
关于这个rain.csv,有需要的可以私我要文件,我使用的是亳州市2010-2019年的月份降水情况。

from pylab import *import pandas as pdimport matplotlib.pyplot as plot
filepath = ("C:\\\\Users\\\\AWAITXM\\\\Desktop\\\\rain.csv")# "C:\\Users\\AWAITXM\\Desktop\\rain.csv"dataFile = pd.read_csv(filepath)summary = dataFile.describe()print(summary)array = dataFile.iloc[:,:].values
boxplot(array)plot.xlabel("year")plot.ylabel("rain")show()

以下是plot运行结果:
深入了解Python数据处理及可视化
这个是pandas的运行
深入了解Python数据处理及可视化
这里就可以很清晰的看出来数据的波动范围。
可以看出,不同月份的降水量有很大差距,8月最多,1-4月和10-12月最少。

那么每月的降水增减程度如何比较?

from pylab import *import pandas as pdimport matplotlib.pyplot as plot
filepath = ("C:\\\\Users\\\\AWAITXM\\\\Desktop\\\\rain.csv")# "C:\\Users\\AWAITXM\\Desktop\\rain.csv"dataFile = pd.read_csv(filepath)summary = dataFile.describe()minRings = -1maxRings = 99nrows = 11for i in range(nrows):
    dataRow = dataFile.iloc[i,1:13]
    labelColor = ( (dataFile.iloc[i,12] - minRings ) / (maxRings - minRings) )
    dataRow.plot(color = plot.cm.RdYlBu(labelColor),alpha = 0.5)plot.xlabel("Attribute")plot.ylabel(("Score"))show()

结果如图:
深入了解Python数据处理及可视化
可以看出来降水月份并不规律的上涨或下跌。

那么每月降水是否相关?

from pylab import *import pandas as pdimport matplotlib.pyplot as plot
filepath = ("C:\\\\Users\\\\AWAITXM\\\\Desktop\\\\rain.csv")# "C:\\Users\\AWAITXM\\Desktop\\rain.csv"dataFile = pd.read_csv(filepath)summary = dataFile.describe()corMat = pd.DataFrame(dataFile.iloc[1:20,1:20].corr())plot.pcolor(corMat)plot.show()

结果如图:
深入了解Python数据处理及可视化
可以看出,颜色分布十分均匀,表示没有多大的相关性,因此可以认为每月的降水是独立行为。

今天就记录到这里了,我们下次再见!希望本文章对你也有所帮助。

推荐学习:python学习教程

以上就是深入了解Python数据处理及可视化的详细内容,更多请关注主题君其它相关文章!

-=||=-收藏赞 (0)
更多主题
单栏极简文艺WordPress博客主题:Diaspora主题
¥ 0 关注:20,067
详情
简约黑白WordPress个人博客主题:Personal主题
¥ 0 关注:20,018
详情
v1.0.0
小程序收录免费WordPress主题:XCX主题
¥ 0 关注:19,648
详情
v1.0.0
一款简约单栏的免费WordPress博客主题:itheme主题
¥ 0 关注:18,129
详情
功能丰富切轻量的WordPress虚拟资源主题:Rizhuti主题
¥ 599 关注:18,020
详情
大气优雅免费WordPress博客主题:HONEY主题
¥ 0 关注:14,871
详情
回复
暂无评论

不要再留垃圾评论了,主题君整理资源不容易,留几句鼓励的话吧。