深入瞭解Python資料處理及視覺化

本篇文章給大家帶來了關於的相關知識，其中主要介紹了關於資料處理以及視覺化的相關問題，包括了NumPy的初步使用、Matplotlib包的使用和資料統計的視覺化展示等等，希望對大家有幫助。

推薦學習：

一、NumPy的初步使用

表格是資料的一般表示形式，但對於機器來說是不可理解的，也就是無法辨識的資料，所以我們需要對錶格的形式進行調整。
常用的機器學習表示形式為資料矩陣。
在這裡插入圖片描述
我們觀察這個表格，發現，矩陣中的屬性有兩種，一種是數值型，一種是布林型。那麼我們現在就建立模型描述這個表格：

#  資料的矩陣化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)

這裡第一行程式碼的意思就是引入NumPy將其重新命名為np。第二行我們使用NumPy中的mat()方法建立一個資料矩陣，row是引入的計算行數的變數。
這裡的size意思就是5*5的一個表格，直接列印data就可以看到資料了：
在這裡插入圖片描述

二、Matplotlib包的使用–圖形化資料處理

我們還是看最上面的表格，第二列是房價的差異，我們想直觀的看出差別是不容易的（因為只有數位），所以我們希望能夠把它畫出來（研究數值差異和異常的方法就是繪製資料的分佈程度）：

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()

這個程式碼的結果就是生成一個圖：
在這裡插入圖片描述
這樣我們就能清晰的看出來差異了。

一個座標圖的要求，就是通過不同的行和列表現出資料的具體值。
當然，座標圖我們一樣可以展示：
在這裡插入圖片描述

三、深度學習理論方法–相似度計算（可以跳過）

相似度的計算方法有很多，我們選用最常用的兩種，即歐幾里得相似度和餘弦相似度計算。

1、基於歐幾里得距離的相似度計算

歐幾里得距離，用來表示三維空間中兩個點的真實距離。公式我們其實都知道，只是名字聽的少：
在這裡插入圖片描述
那麼我們來看一看它的實際應用：
這個表格是3個使用者對物品的打分：

d12表示使用者1和使用者2的相似度，那麼就有：

同理，d13：

可見，使用者2更加相似於使用者1（距離越小，相似度越大）。

2、基於餘弦角度的相似度計算

餘弦角度的計算出發點是夾角的不同。
在這裡插入圖片描述

可見相對於使用者3，使用者2與使用者1更為相似（兩個目標越相似，其線段形成的夾角越小）

四、資料統計的視覺化展示（以我們亳州市降水為例）

資料的四分位

四分位數，是統計學中分位數的一種，也就是把資料由小到大排列，之後分成四等份，處於三個分割點位置的資料，就是四分位數。
第一四分位數（Q1），也稱下四分位數；
第二四分位數（Q1），也稱中位數；
第三四分位數（Q1），也稱下四分位數；

第三四分位數與第一四分位數的差距又稱為四分差距（IQR）。

若n為項數，則：
Q1的位置 = （n+1）*0.25
Q2的位置 = （n+1）*0.50
Q3的位置 = （n+1）*0.75

四分位範例：
關於這個rain.csv，有需要的可以私我要檔案，我使用的是亳州市2010-2019年的月份降水情況。

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執行結果：
在這裡插入圖片描述
這個是pandas的執行

這裡就可以很清晰的看出來資料的波動範圍。
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。

那麼每月的降水增減程度如何比較？

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()

結果如圖：
在這裡插入圖片描述
可以看出來降水月份並不規律的上漲或下跌。

那麼每月降水是否相關？

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()

結果如圖：
在這裡插入圖片描述
可以看出，顏色分佈十分均勻，表示沒有多大的相關性，因此可以認為每月的降水是獨立行為。

今天就記錄到這裡了，我們下次再見！希望本文章對你也有所幫助。

推薦學習：

以上就是深入瞭解Python資料處理及視覺化的詳細內容，更多請關注TW511.COM其它相關文章！