画好坏样本分布图
摘要：即是分别画好用户的分数分布图、坏样本的分数分布图，如下图 首先，分数分布图应该使用sns.kdeplot()，2个分布图就将二者放在同一个图上，最后代码如下： import matplotlib.pyplot as plt import numpy as np import pandas as pd
阅读全文
posted @
2022-08-15 10:21
小小喽啰
阅读(377)
推荐(1) 编辑
pyecharts 绘制中国地图
摘要：工作中会涉及到以省份为维度去统计一些数据，这就需要画一下地图，百度一下，看到这个文章写得比较简单易懂，故记录一下。 文章链接：https://zhuanlan.zhihu.com/p/45202403 我只需要画中国地图，因此只记录下面这两种方法： 1.pyecharts在v1.x之后支持链式调用
阅读全文
posted @
2021-09-01 10:49
小小喽啰
阅读(4069)
推荐(0) 编辑
特征变量和y值的可视化
摘要：一、标签为数值变量 一般常见于回归相关的问题。 1.1类别变量+数值标签 关于类别变量与数值标签的关系，我们一般会观察下面的结果。 每个类别情况下对应的均值,这个可以直接使用pandas进行绘制； 均值反映的信息并不十分详细，如果希望得到更加具体的分布，可以使用boxplot进行绘制。 如果不同类别
阅读全文
posted @
2021-04-06 18:30
小小喽啰
阅读(661)
推荐(0) 编辑
plotly.express可视化神器详解
摘要：首先我们看看API以及官网教程： https://plotly.com/python-api-reference/plotly.express.html https://plotly.com/python/plotly-express/ https://www.jianshu.com/p/41735
阅读全文
posted @
2021-03-29 09:55
小小喽啰
阅读(554)
推荐(0) 编辑
matplotlib 设置x轴的顺序
摘要：matplotlib画图x轴的顺序不是固定的，但是我们又想按照自己的想要的顺序排序，网上查了很多资料，最后发现，matplotlib的x轴的顺序是和数据有关系的，是按照x的值得出现顺序排序的，如果是df画图，我们呢可以根据某列的值先排序，然后在画图，但是如果该列的值是文本型，且排序的顺序不是我们想要
阅读全文
posted @
2021-02-04 19:20
小小喽啰
阅读(3858)
推荐(0) 编辑
plt.savefig 保存图片
摘要：画图占的内存很多，经常导致jupyter 卡顿，当图片超级多时，将图片复制到Excel里面也会导致Excel崩溃，因此需要我们将图片单独保存起来 import seaborn as sns import matplotlib.pyplot as plt fig = plt.figure(figsiz
阅读全文
posted @
2021-01-07 09:38
小小喽啰
阅读(45706)
推荐(2) 编辑
直方图和折线图放在同一画布上
摘要：有时候我们需要画出分箱后的个数直方图和每个区间的逾期率，大概图形就像下面一样 直接给出代码 #构建数据 import pandas as pd import numpy as np data = pd.DataFrame({ 'A':list('红橙黄绿蓝靛紫'), 'B':np.random.ra
阅读全文
posted @
2020-12-09 14:25
小小喽啰
阅读(1267)
推荐(0) 编辑
matplotlib绘制单个、多个、堆积、双向柱形图
摘要：总结，主要是bar以及barh的用法，画堆叠图时还得注意一下数据类型，是否都是可加（数值型还是字符型，又或者是list等），如果不是，就是要np.array转化，还有竖图和横图间隔的设置，width和height，最后，数据都是最后的结果，数据值个数不能太多，一般不超过10个，如果是连续性数据，请先
阅读全文
posted @
2020-12-07 14:58
小小喽啰
阅读(4740)
推荐(0) 编辑
画多变量的直方图，也就是说x坐标都一样，每个直方图代表着一类变量
摘要：总结：分别使用df.plot,sns,plt三种取实现多变量的直方图 一、df.plot() 针对每个变量画直方图，每组直方图的x轴一样，也就是说画多变量的直方图，如果x轴是某列，则需要先设置某列为index，因为这个默认index作为x轴 x=range(1,6) sabf = (27,53,81
阅读全文
posted @
2020-12-07 11:22
小小喽啰
阅读(1368)
推荐(0) 编辑
sns.factorplot()绘制两维变量的关系图
摘要：factorplot 用于绘制两维变量的关系图，也就是共用x坐标，按照hue分组，画出不同hue种类的y 的值，用kind可指定其作图类型，包括：point, bar, count, box, violin, strip等 目前还没有在官网找到对应的文档 但是记住： 参数kind：point默认，b
阅读全文
posted @
2020-12-07 11:00
小小喽啰
阅读(2045)
推荐(0) 编辑
sns.jointplot()双变量图，也就是双变量独自的分布图，以及这双变量的相关性图
摘要：数据分析中常用做图的方式实现相关性分析，即X轴设置为变量A，Y轴设置为变量B，做散点图，由于散点图中点的叠加显示，往往还需要关注每个变量自身的分布情况，jointplot把描述变量的分布图和变量相关的散点图组合在一起，是相关性分析最常用的工具，图片上还能展示回归曲线，以及相关系数 import st
阅读全文
posted @
2020-12-07 10:06
小小喽啰
阅读(13208)
推荐(0) 编辑
sns.set_context()设置绘图上下文参数，但主要是可以用于设置图片大小
摘要：sns.set_context() 传入参数是字典形式，具体参数就不多说了，我主要用于设置图片大小，看代码 sns.set_style("white") sns.set_context({"figure.figsize": (12, 8)}) #Plot 2 - overlay - "bottom"
阅读全文
posted @
2020-12-03 20:52
小小喽啰
阅读(1900)
推荐(0) 编辑
plt.legend()给图像加上图例，以区分哪个图形属于哪个
摘要：用于多个图形画在同一画框中，以区分哪个图形属于哪个 import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 2 * np.pi, 50) y = np.sin(x) plt.plot(x, y) plt.plot(x
阅读全文
posted @
2020-12-03 20:46
小小喽啰
阅读(839)
推荐(0) 编辑
画堆积柱形图
摘要：一、plt画堆积柱形图 只需要这个一个参数（bottom=y）就OK了 import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams
阅读全文
posted @
2020-12-03 19:26
小小喽啰
阅读(1859)
推荐(0) 编辑
sns.FacetGrid(),map用法
摘要：先看看一个例子 #类别变量的每个类别频数可视化 def count_plot(x, **kwargs): sns.countplot(x=x) x=plt.xticks(rotation=90) f = pd.melt(train, value_vars=['Sex','Embarked']) g
阅读全文
posted @
2020-11-27 17:26
小小喽啰
阅读(4663)
推荐(0) 编辑
plotly_express.pie()画饼图
摘要：plotly_express是一个功能很强大的可视化库，下面就简单介绍一下怎么使用px画交互式的饼图 import pandas as pd import plotly_express as px # 查看原始数据情况 df=pd.read_excel('leyoujia.xlsx') zone =
阅读全文
posted @
2020-11-17 17:01
小小喽啰
阅读(1373)
推荐(0) 编辑
Bar Chart Race画动态条形图
摘要：一、安装 一个库「Bar Chart Race」，堪称Python界最强的动态可视化包。 GitHub地址：https://github.com/dexplo/bar_chart_race 文档地址：https://www.dexplo.org/bar_chart_race/ 目前主要有0.1和0.
阅读全文
posted @
2020-11-12 09:31
小小喽啰
阅读(4634)
推荐(0) 编辑
ax.set_title() 和 plt.title()，以及df,plot(title='')
摘要：区别 plt.XX之类的是函数式绘图，通过将数据参数传入plt类的静态方法中并调用方法，从而绘图。fig,ax=plt.subplots()是对象式编程，这里plt.subplots()是返回一个元组，包含了figure对象(控制总体图形大小)和axes对象(控制绘图，坐标之类的)。进行对象式绘图，
阅读全文
posted @
2020-09-22 10:55
小小喽啰
阅读(16583)
推荐(1) 编辑
转：数据预处理之数据可视化总结
摘要：文章转载于：https://www.cnblogs.com/jiaxin359/p/8615502.html 数据可视化可以帮助我们理解数据：查看数据的分布情况，观察有没有异常值，各个变量之间的相关情况。 当我们进行数据可视化的时候，我们要紧紧围绕着这个变量和我们的目标变量之间的关系，在绘制大多数图
阅读全文
posted @
2020-08-19 17:11
小小喽啰
阅读(409)
推荐(0) 编辑
fig.add_subplot(111, projection='3d')解释画3D图片
摘要：看不懂这个代码 # 选取其前三个特征绘制三维散点图 from mpl_toolkits.mplot3d import Axes3D fig = plt.figure(figsize=(10,8)) ax = fig.add_subplot(111, projection='3d') iris_all
阅读全文
posted @
2020-08-11 17:41
小小喽啰
阅读(9649)
推荐(1) 编辑
