1、读取数据到DataFrame
import pandas as pd
import seaborn as sns
sns.set(style="darkgrid", font_scale=1.2)
df = pd.read_csv(
"/content/melb_housing.csv",
usecols=["Regionname", "Type", "Rooms", "Distance", "Price"]
)
df.head()2、Seaborn的离散函数
Seaborn的离散函数允许创建3种不同类型的分布:
- 柱状图
- Kde(核密度估计)图
- Ecdf图
我们只需要调整kind参数来选择plot的类型。
第一个例子是创建一个基本直方图。它将连续变量的取值范围划分为离散的箱子，并显示每个箱子中有多少个值。
sns.displot(
data=df,
x="Price",
kind="hist",
aspect=1.4
)3、log_scale
在第一个例子中，我们可以清楚地看到价格栏中有一些异常值。柱状图在右边有一条长尾，这表明价格非常高的房子很少。
减少这种异常值影响的一种方法是对值取对数。displot函数可以使用log_scale参数执行此操作。价格以10的幂表示。现在我们对房价的分布有了一个更好的概述。
sns.displot(
data=df,
x="Price",
kind="hist",
aspect=1.4,
log_scale=10
)3、bins
我们还可以调整直方图中的箱数量。在某些情况下，最好使用较少的箱数量，这样我们就可以得到一个更结构化的概述。
用于此调整的参数是bins。
sns.displot(
data=df,
x="Price",
kind="hist",
aspect=1.4,
log_scale=10,
bins=20
)4、hue
数据集还包含分类变量。例如，类型列有3个类别，分别是h(房屋)、t(联排房屋)和u(单位)。我们可能需要分别检查每款的分布情况。
一种选择是在相同的可视化中用不同的颜色显示它们。我们只需要将列的名称传递给hue参数。
sns.displot(
data=df,
x="Price",
hue="Type",
kind="hist",
aspect=1.4,
log_scale=10,
bins=20
)这个图为我们提供了2条信息:
- 每个类别的大小与房屋的数量有关。h类是最大的一类。
- 每类房屋的价格分布。
5、col & row
另一个检查每个类别分布的选项是创建单独的子图。我们可以对这个任务使用col或row参数。给定列中的每个类别都有一个子图。
sns.displot(
data=df,
x="Price",
col="Type",
kind="hist",
aspect=1.4,
log_scale=10,
bins=20
)6、二维直方图
displot函数还允许生成二维直方图。因此，我们得到了关于两列中值的观察值(即行)分布的概述。
我们使用价格和距离列创建一个。我们只是将列名传递给x和y参数。
sns.displot(
data=df,
x="Price",
y="Distance",
col="Type",
kind="hist",
height=5,
aspect=1.2,
log_scale=(10,0),
bins=20
)7、kde图
Kde图还可以用于可视化变量的分布。它们和直方图很相似。然而，kde图使用连续的概率密度曲线来表示分布，而不是使用离散的箱。
kind参数设置为“kde”，以生成kde图。
sns.displot(
data=df,
x="Price",
kind="kde",
aspect=1.4,
log_scale=10
)8、多类kde
与直方图类似，可以为不同的类别分别绘制kde图。我们的数据集包含房屋的区域信息。我们看看不同地区的价格变化。南方大都市区的平均房价似乎最高。
sns.displot(
data=df,
x="Price",
hue="Regionname",
kind="kde",
height=6,
aspect=1.4,
log_scale=10
)对于数据分析或机器学习任务，了解变量(即特征)的分布是非常重要的。我们如何处理给定的任务可能取决于分布。
在这篇文章中，我们看到了如何使用Seaborn的displot函数来分析价格和距离栏的分布。
打赏作者
