数据挖掘简单可视化方法_最简单的数据挖掘

简单数据可视化

最近有不少人私信问我数据可视化的图怎么画的？让我开源一下代码。这里我就简单演示一些最基础在数据挖掘过程中用得最多的几个数据可视化方法，希望可以帮助更多的人。

说明：可视化数据集采用前面民宿预测项目的数据集！

1.对数据集进行缺失值统计：

plt.figure(figsize=(10, 10))
missing = train.isnull().sum()/len(train)
missing = missing[missing > 0]  #这里只画出有缺失值的属性极其比例
missing.sort_values(inplace=True)
missing.plot.bar()
1
2
3
4
5

可以通过查看missing直接查看缺失值比例：

当然，也可以画图进行可视化，效果图如下：

注意，上面只是效果图，很多东西可以自己设置，而且前两个属性由于缺失值比例比较小，所以在图片比例比较小的时候看不出来，可以放大图片比例进行观看。

2.查看数据分布情况：
举例训练数据集和测试数据集：

test=pd.read_csv('test_noLabel.csv')
train = pd.read_csv('train_zj.csv')
#绘图
plt.figure(figsize=(6, 6))
a = sns.kdeplot(train['容纳人数'], color="Red", shade = True)
a = sns.kdeplot(test['容纳人数'],ax=a,color="Blue", shade= True)
a.set_xlabel('容纳人数')
a.set_ylabel("Frequency")
a = a.legend(["train","test"])
1
2
3
4
5
6
7
8
9

效果图如下：

以上是简单通过对比查看数据分布情况。

3.通过FacetGrid函数进行数据可视化：

#绘图
x=sns.FacetGrid(train)
x.fig.set_size_inches(6,4)  #注意，这里调整图形大小的方式变了，有时候用plt.figure的方法不能控制图形大小和分辨率，所以可以通过这种方式对图形大小进行控制
x.map(sns.distplot,'容纳人数')  #这里sns.可以指定不同类型的图形，比如柱状图，散点图等等
1
2
3
4

效果图如下：

FacetGrid函数的优势在这里没有体现出来，FacetGrid函数可以通过对比选定属性的不同值查看其他不同属性的分布情况。

4.相关性分析：
相关性分析我一般采用热力图进行查看

plt.figure(figsize=(20, 20))  # 指定绘图对象宽度和高度
colnm = train.columns.tolist()  # 列表头
mcorr = train[colnm].corr(method="spearman")  # 相关系数矩阵，即给出了任意两个变量之间的相关系数
mask = np.zeros_like(mcorr, dtype=np.bool)  # 构造与mcorr同维数矩阵 为bool型
mask[np.triu_indices_from(mask)] = True  # 角分线右侧为True
#cmap = sns.diverging_palette(220, 10, as_cmap=True)  # 返回matplotlib colormap对象
g = sns.heatmap(mcorr, mask=mask, square=True, annot=True, fmt='0.5f')  # 热力图（看两两相似度）
plt.show()
1
2
3
4
5
6
7
8

效果图如下：

由上图可知各属性间相关性强弱。

总结：对于一般结构化数据的可视化通过以上的方法基本可以更快地了解数据，如果涉及更加复杂的数据探索，可以采用更多的方法对数据进行可视化，这里就不再介绍。