数据预处理的好帮手-密度图

密度图原本是来自连续概率密度，后来演化成各种密度图。今天参考了各种模型，包括k-means,逻辑模型，都是将密度图放在最先。

看来密度图真真是个宝。

 

今天举个密度图好用的又一个例子。密度图是数据预处理的一把好镜子。

举个例子，

南极有很多漂亮的企鹅，帝企鹅，蓝眼企鹅，黄眼企鹅等等等等，他们发现了一个风景特别好的冰川，他们有事没事就成群结队的到那块冰川上聊天。于是一传十，十传百，好多企鹅都慕名而来。我们叫这块冰川叫清月吧。

我们取一天，比如公元2060年2月29日吧，那可是企鹅们的大日子，我们分析一下，这天首次登陆清月的企鹅们在一年后的10月还有多少登陆这块冰川呢。希望那时候不会有厄尔尼诺现象，清月不会缩小，影响企鹅宝宝的心情。以下为企鹅最后一次登陆清月的时间间隔的分布。

 

 

 

其实61年10月-60年2月29日的时间也很靠近600，所以一定是有些宝宝第一次登陆清月，很失望，也可能人太多，也可能没抢到好位置，再也不来了。结果确实是将近40%的宝宝们不来了。再也不来了。。。

 

剔除掉那些来了就再也不来的宝宝们后为上图。可见明显的两头高，中间低。左边是受10月份月朗星稀的影响，企鹅们还挺爱来清月看风景，右边是那群三分钟热度的小企鹅，最开始来的挺勤，后来又去别的地方玩了，早忘记清月是啥地方了。

针对密度图给出的情况，我们可以将企鹅宝宝们分成四个部分，分开研究。一，只来一次的企鹅们；二，回溯200天有来过的宝宝们，三，最后一次登陆距离截止时间200-400天的宝宝们，四，最后一次登陆距今400多天的宝宝们。

 

就酱紫，密度图很好的完成了企鹅分类和预处理的工作。手工赞！