标签：
本文来源：https://www.dataquest.io/mission/132/data-visualization-and-exploration
本文数据来源https://github.com/fivethirtyeight/data/blob/master/college-majors/recent-grads.csv
本文主要介绍了一下如何简单的探查数据之间的关系
原始数据展现（这是一份大学毕业生的薪资调查报告，重要的字段有这些，Major - 专业名称， Major_category - 专业类别， Sample_size - 样本大小， ShareWomen - 女性比重， Total- 该专业的总人数）
import pandas as pd recent_grads = pd.read_csv(‘recent-grads.csv‘)
要制作直方图，首先把X轴的值的范围等分成多个间隔，然后数出每个间隔中包含的值的数量，然后把该数量作为Y轴的值。使用方法pandas.DataFrame.hist()函数
#制作工资收入中位数（Median列）的直方图 recent_grads.hist(‘Median’)
# hist()函数默认是自动分成10等分的，且生成的图中是有网格线的，现在要分成20等分，同时消除网格线 recent_grads.hist(‘Median‘, bins=20, grid=False)
# 其实可以一次性制作多个直方图，layout参数的意思是将两个图分成两行一列，如果没有这个参数，默认会将全部的图放在同一行 columns = [‘Median‘,‘Sample_size‘] recent_grads.hist(column=columns, layout=(2,1), grid=False)
箱型图是基于五数概括法（最小值，第一个四分位数，第一个四分位数（中位数），第三个四分位数，最大值）的数据的一个图形汇总，还需要用到四分位数间距IQR = 第三个四分位数 - 第一个四分位数。详情请google
制作箱型图使用的是pandas.DataFrame.boxplot()方法
import matplotlib.pyplot as plt # 选择两列数据 sample_size = recent_grads[[‘Sample_size‘, ‘Major_category‘]] # 按照每一个专业类型分类统计 sample_size.boxplot(by=‘Major_category‘) # 将X轴的坐标文字旋转90度，垂直显示 plt.xticks(rotation=90)
要想找出多个变量之间的关联，就要把多个变量的变化都做在同一个图上进行比较
# 将两个散点图放在一起（按颜色区分），观察是否有关联 import matplotlib.pyplot as plt plt.scatter(recent_grads[‘Unemployment_rate‘], recent_grads[‘Median‘], color=‘red‘) plt.scatter(recent_grads[‘ShareWomen‘], recent_grads[‘Median‘], color=‘blue‘) plt.show()
标签：
原文地址：http://www.cnblogs.com/kylinlin/p/5234223.html
