Python绘制对角矩阵代码分享
代码思路
这段代码的主要思路是生成一个模拟的企鹅数据集，并使用Seaborn库中的可视化函数对其进行可视化。数据集包括四个数值列（嘴长度、嘴深度、鳍长和体重）和一个分类列（物种），其中包含三种可能的物种。为了模拟现实数据集，该数据集中还添加了一些缺失值。接下来，代码使用不同的Seaborn可视化函数来对数据集进行可视化，包括散点图矩阵、小提琴图和带有核密度估计曲线的散点图矩阵。这些图表可以帮助我们更好地了解数据集中的模式和关系，并帮助我们进行进一步的分析。
这段代码主要使用了以下三个Python库：
-
pandas: 用于数据处理和分析，可以读取、处理和存储各种类型的数据，包括CSV、Excel等格式。
-
numpy: 一个Python数学库，提供了大量的数学函数和方法，尤其是对于数组和矩阵的操作。
-
seaborn: 基于matplotlib库的高级数据可视化库，提供了许多直观、美观和有用的图表类型和样式。Seaborn旨在使可视化更加简单和快捷，尤其适用于数据科学和统计分析。
Seaborn是一个基于matplotlib库的Python高级数据可视化库，旨在提供一组美观、直观和有用的图表类型和样式。它专为数据科学和统计分析而设计，可以轻松地创建各种类型的图表，包括散点图、折线图、条形图、热力图、小提琴图等。Seaborn具有以下特点：
-
美观：Seaborn提供了一套默认的颜色主题和样式，使得图表看起来更加精美和专业。
-
直观：Seaborn提供了许多易于理解的图表类型和样式，以帮助用户更好地理解数据集中的模式和关系。
-
有用：Seaborn提供了许多有用的图表类型和方法，例如回归分析、聚类分析、分布分析等，可以帮助用户进行深入的数据分析和探索。
-
简单快捷：Seaborn提供了简单而灵活的API，使得用户可以快速构建和修改各种类型的图表，并且可以与pandas等其他Python库集成使用。
总之，Seaborn是一个非常实用和强大的数据可视化工具，可以帮助用户更好地理解数据集中的模式和关系，并支持进行深入的数据分析和探索。
代码分享
import pandas as pd
import numpy as np# 创建示例数据集
data = {'species': ['Adelie', 'Chinstrap', 'Gentoo'] * 50,'bill_length_mm': np.random.normal(40, 5, 150),'bill_depth_mm': np.random.normal(17, 2, 150),'flipper_length_mm': np.random.normal(200, 20, 150),'body_mass_g': np.random.normal(4000, 500, 150)
}penguins = pd.DataFrame(data)# 将species列中的Chinstrap替换为NaN（为了在数据集中创建一些缺失值）
penguins['species'] = penguins['species'].replace('Chinstrap', np.nan)# 随机选择一些行并添加缺失值以模拟现实数据集
random_rows = np.random.choice(penguins.shape[0], size=10, replace=False)
penguins.loc[random_rows, 'bill_length_mm'] = np.nan
penguins.loc[random_rows, 'bill_depth_mm'] = np.nan
penguins.loc[random_rows, 'flipper_length_mm'] = np.nan
penguins.loc[random_rows, 'body_mass_g'] = np.nan# 保存数据集到CSV文件
penguins.to_csv('penguins_data.csv', index=False)import seaborn as sns
import matplotlib.pyplot as plt# 从CSV文件中加载数据集
penguins = pd.read_csv('penguins_data.csv')# 绘制散点图矩阵
sns.pairplot(penguins, hue="species", diag_kind="hist")# 显示图表
plt.show()
import seaborn as sns
import matplotlib.pyplot as plt# 从CSV文件中加载数据集
penguins = pd.read_csv('penguins_data.csv')# 绘制小提琴图
sns.violinplot(x='species', y='body_mass_g', data=penguins)# 显示图表
plt.show()import seaborn as sns
import matplotlib.pyplot as plt# 从CSV文件中加载数据集
penguins = pd.read_csv('penguins_data.csv')# 绘制散点图矩阵
g = sns.pairplot(penguins, diag_kind="kde")
g.map_lower(sns.kdeplot, levels=4, color=".2")# 显示图表
plt.show()代码结果
