Python数据分析-4

统计学基础

分类数据可分类为：

1. 定序数据，数据拥有顺序
2. 定类数据，数据没有顺序

数值数据可分类为：

1. 连续数据，数据没有最小表示单位
2. 离散数据，数据以整数或自然数为单位

数值数据可有三种分析维度：

1. 集中趋势，看数据集中在何处
2. 离散趋势，看数据偏离中心的散步情况
3. 分布形状，看分布的对称程度、峰值高低等等

集中趋势分析指标：

1. 平均数
2. 中位数
3. 众数

在Pandas中对应方法:

tip：由于众数可能有多个，所以mode方法返回值为一个Series

离散趋势分析指标：

1. 极差
2. 方差/标准差
3. 四分位距（第三四分位数 – 第一四分位数）

在Pandas中对应方法:

分布形状分析：

直方图等

在Pandas中对应方法:

常见的图表种类

一列数据/一个变量：

直方图、密度图、箱形图、小提琴图等

两列数据/两个变量：

散点图、折线图、条形图、饼图等

散点图、折线图主要针对2个数值变量

条形图、饼图主要针对一个分类变量、一个数值变量

Matplotlib和Seaborn学习

导入Matplotlib库和Seaborn库代码如下：

# 导入Matplotlib库，并取别名为plt
import matplotlib.pyplot as plt
# 导入Seaborn库，并取别名sns
import seaborn as sns

一些绘图函数（单变量）：

tip：需要这些方法都要在后面调用plt.show()，才能使图显示出来，如：

sns.histplot(Serise)
plt.show()

也可以直接传入DataFrame，只需指定x轴为哪一列即可，如：

sns.histplot(DataFrame, x = 列名)
plt.show()

一些绘图函数（两个变量）：

tip：barplot函数默认求的是x轴对应分类的y值平均值，可以使用可选参数estimator指定一个聚合函数，如Numpy.max

一些绘图函数（多个变量）：

一些可选参数实现多个变量图表：

这些可选参数可同时使用，以到达绘制多个变量图的效果

但是多个变量时，图例可能会遮挡图中数据，解决方法如下：

这里x=0或1表示在图表左边或右边, y=0或1表示在图表下边或者上边

多图合成一图实现多个变量图表：

# 将3张直方图图合并成一张直方图
sns.histplot(Series1)
sns.histplot(Series2)
sns.histplot(Series3)
plt.show()

由于合并时不会统一条柱宽度，所以可能会出现条柱宽度不一致的情况，可以通过可选参数binwidth指定条柱宽度来解决。

此外合并后的图表是没有图例的，我们需要通过label可选参数来指定对应被合并图表的标签后才会出现图例

# 指定三张图的条柱宽度和标签再合并
sns.histplot(Series1, bindwidth=0.1, label="Series1")
sns.histplot(Series2, bindwidth=0.1, label="Series2")
sns.histplot(Series3, bindwidth=0.1, label="Series3")
plt.show()

一些用于图表设置的函数：

tip：这些函数需要在show函数之前调用

seaborn色盘参考链接：Seaborn调色板中所有颜色组合(表格整理版)_seaborn颜色对照表-CSDN博客

subplots函数的一些可选参数：

subplots函数的具体使用方法：

# 接受subplots函数返回值，其中fig表示整个大图，axes表示每个子图
fig, axes = plt.subplots(行数, 列数, figsize=(宽, 高))
# 指定第一个子图为如下箱形图
sns.boxplot(data=Dataframe, x=列名1, y=列名2, ax = axes[0])
# 展示图表
plt.show()

一些用于图表绘制函数的可选参数：

配对图绘制函数：

该函数会把DataFrame中各个变量的分布用直方图绘制出来，各个变量两两之间关系用散点图绘制出来

该图总共有n*n个子图，n为DataFrame变量个数

pairplot函数的一些可选参数