Python数据分析-数据探索下

主题 数据探索

接着上一节的内容～

二、数据特征分析

5. 相关性分析

（1）直接描述散点图

从散点图可以比较直观地看书两个变量的相关性。（一般分为完全正线性相关、完全负线性相关、非线性相关、正线性相关、负线性相关、不相关）

（2）绘制散点图矩阵

可对多个变量同时进行相关关系的考察

（3）计算相关系数

这里的相关系数有很多，如Pearson相关系数、spearman相关系数、判定系数等等

三、python主要数据探索函数

python中用于数据探索的库主要是pandas和matplotlib，而pandas提供大量的函数，也作为重点来进行介绍

1. 基本统计特征函数（均属pandas）

（1）sum（），计算数据样本的总和（按列计算）

（2）mean（），计算算数平均数

（3）var（），计算方差

（4）std（），计算标准差

（5）corr（），计算Pearson相关系数

（6）cov（），计算协方差矩阵

（7）skew（），计算偏度

（8）kurt（），计算峰度

（9）describe（），给出样本的基本描述

2. 统计作图函数

（1）plot（），绘制线性二维图，matplotlib／pandas

使用格式：plt.plot(x,y,S)

字符串S指定绘制图形的类型、样式和颜色，常用的有：‘b’为蓝色、‘r’为红色、‘g’为绿色、‘o’为圆圈、‘+’为加号标记、‘-’为实线、‘--’为虚线

（2）pie（），绘制饼形图，matplotlib／pandas

（3）hist（），绘制二维条形直方图，matplotlib／pandas

（4）boxplot（），绘制样本数据的箱形图，pandas

（5）plot（logy=true），绘制y轴的对数图形，pandas

（6）plot（yerr=error），绘制误差条形图，pandas

—End—

”欢迎关注，嘻嘻~”