同學們你們好，貓老師又來更新了，我們在做資料分析的這個過程中，所用的資料集可以**於實際的案例，也可以從網上尋找公開的資料資源，當然也可以編碼生成乙個隨機資料集。本章採用python的sklearn機器學習庫中自帶的資料集——鳶尾花資料集。簡單分析資料集之間特徵的關係圖，根據花瓣長度、花瓣寬度、花萼長度、花萼寬度四個特徵進行繪圖。
iris plants data set資料集可以從sklearn包裡面直接拿到，也可以從keel dataset資料集**獲取。資料集共包含4個特徵變數、1個類變數，一共有150個樣本。類別變數分別對應鳶尾花的三個亞屬，分別是山鳶尾 (iris-setosa)、變色鳶尾(iris-versicolor)和維吉尼亞鳶尾(iris-virginica)。
資料視覺化可以更好地了解資料，主要呼叫pandas擴充套件包進行繪圖操作。
首先繪製直方圖，直觀的表現花瓣、花萼的長和寬特徵的數量，縱座標表示彙總的數量，橫座標表示對應的長度。
import pandas
#匯入資料集iris
url = ""
names = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'class']
dataset = pandas.read_csv(url, names=names) #讀取csv資料
print(dataset.describe())
#直方圖 histograms
dataset.hist()
呼叫hist()函式實現，輸出圖形如下所示：
接下來通過dataset.plot()繪製散點圖，這裡設定三個引數，顯示的x座標、y座標和設定繪圖種類。
import pandas
#匯入資料集iris
url = ""
names = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'class']
dataset = pandas.read_csv(url, names=names) #讀取csv資料
print(dataset.describe())
dataset.plot(x='sepal-length', y='sepal-width', kind='scatter')
其中kind設定為scatter，而matplotlib擴充套件包中scatter()函式也是用於繪製散點圖的。
（未完待續）
Python 資料視覺化
資料視覺化指的是通過視覺化表示來探索資料，它與資料探勘緊緊相關，而資料探勘指的是使用 來探索資料集的規律和關聯。資料集可以是用一行 就能表示的小型數字列表，也可以是數以吉位元組的資料。漂亮地呈現資料關乎的並非僅僅是漂亮的。以引人注目的簡潔方式呈現資料，讓人能夠明白其含義，發現資料集中原本未意識到的規...
資料視覺化 什麼是資料視覺化
資料對應的英文單詞是data，從資訊獲取的角度看，資料是對目標觀察和記錄的結果，是現實世界中的時間 地點 事件 其他物件或概念的描述。不同學者對資料的作用也給出不同的定義，大致分為以下3類 視覺化對應的兩個英文單詞 visualize和visualization。visualize是動詞，描述 生成...
Python資料視覺化總結
用python完成資料分析後，如何把結果呈現出來，比如畫乙個吸引人注意的圖表相當重要。當你探索乙個資料集，需要畫圖表，圖表看起來令人愉悅是件很高興的事。在給你的觀眾交流觀點，給領導匯報工作時，視覺化同樣重要，同時，也很有必要去讓圖表吸引注意力和印入腦海裡。在python中numpy，pandas，m...