数据可视化的一些小技巧
今天聊聊数据可视化。
在数据分析中,数据可视化是一道很重要的工序,毕竟人都是视觉动物,要想以最直观最震撼的方式,向不同知识背景的观众展示我的数据分析结果,可视化是最佳也几乎是唯一的选择。
机器学习也一样。虽说模型不相信视觉,但毕竟人工智能人工智能,有多少人工才能有多少智能,数据探索差不多就成了不可缺少的重要工序,这时数据可视化就很重要了。
不过,“可视化”听着好像很酷很复杂,实现挺简单。
拿加利福利亚房价预测来说好了,这个数据集已然成为回归预测的Hello World,要获取也很容易:
import sklearn.datasets as datasetsdataset = datasets.fetch_california_housing()
虽然内置了Api,不过数据还是要在线获取的。下好了可以通过变量dataset查看。dataset的类型是比较少见的sklearn.utils.Bunch,没必要深究,比较有用的属性有两个,data和feature_name,顾名思义,数据和属性名称。
看看都有哪些属性:
最后两个维度很重要,分别记录的是房子所在经度和维度,毕竟连猴哥都知道房子最重要的是位置。
那就看看位置分布好了。数据都在data里,不过是numpy.ndarray,要可视化先要做一些处理,转为DataFrame类型:
dataset = pd.DataFrame(dataset.data)
DataFrame是可以直接plot的,不过得设置plot什么。这里要看位置分布,就画个散点图吧:
dataset.plot(kind="scatter", x="Longitude", y="Latitude")
效果一言难尽,像是一群蚂蚁围攻两只正在约会的菜青虫:
对比一下加州的地图:
看得出来,散点图其实已经带了不少信息量,首先勾勒出了加州的大致轮廓,同时也反映出加州的发展重心在西边,和我国大多数地区正好相反——这不奇怪,加州毗邻西海岸。
大致趋势看出来来,不过,光知道哪是沿海城市未免太粗放了,好歹也得说一下哪是沿海一线城市。
这可以做到,将alpha调为0.5,这回菜青虫的内部结构也可以看清楚了:
下次再聊。
作者简介:
莫凡 ——新技术深度爱好者,曾经从事信息安全前沿技术跟踪研究和数据分析工作,在各类信息安全类技术期刊杂志发表文章五十余篇,现转为投身高端知识“白菜化”项目,希望能让将更多听起来高大上的名词沾一沾人间烟火,成为日常中生活真正用得上的知识,著有《机器学习算法的数学解析与Python实现》。个人公众号“睡前机器学习”,个人知乎号“木羊”。
RECOMMEND
推荐阅读
▲扫码了解详情并购买
推荐语:《Python数据可视化》介绍了利用Python实现数据可视化。并介绍了数据、信息与知识之间的关系。书中涉及的可视化过程应用了大量流行的Python库,你会学到采用Numpy、Scipy、IPython、MatPotLib、Pandas、Patsy和Scikit-Learn等生成可视化结果的不同方法。
▲扫码了解详情并购买
推荐语:Python是数据分析领域的主要技术和工具,Bokeh目前在Github的的Python数据可视化库上的排名独占鳌头,已经超过Matplotlib,因为动态、美观、易用等特性广受追捧!
这是一本适合零基础读者快速入门并掌握Bokeh的实战指南,作者是Bokeh的先驱用户和布道者,实践经验丰富。本书从图形绘制、数据动态展示、Web交互等维度全面讲解Bokeh功能和使用,不涉及复杂的数据处理和算法,包含大量实战案例。
▲扫码了解详情并购买
推荐语:本书借鉴数据科学家Jared P Lander在R语言上丰富的教学经验,通过大量实例,详细讲解R语言的核心功能。对于刚接触统计程序和模型的人,本书的内容组织结构使得学习R语言相当简单和直观。本书主要介绍R语言中20%的核心功能,但是这20%的功能足以让你解决80%的现代数据分析。