4.3.4 多变量可视化
多数绘图函数都支持使用hue参数设置一个类别变量,统计时按此类别分组统计并在绘图时使用颜色区分。 例如对小提琴图设置hue参数添加性别类别: sns.violinplot(data=penguins, x='species', y='...
4.3.3 双变量可视化
散点图 绘制横轴为体重,纵轴为脚蹼长度的散点图。可通过hue参数设置不同组别进行对比。 sns.scatterplot(data=penguins, x='body_mass_g', y='flipper_length_mm', hue='sex') 也可以通过regpl...
4.3 Seaborn可视化
4.3.1 什么是Seaborn Seaborn是一个基于Matplotlib的Python可视化库,旨在简化数据可视化的过程。它提供了更高级的接口,用于生成漂亮和复杂的统计图表,同时也能保持与Pandas数据结构的良好兼...
4.2 Matplotlib可视化
4.2.1 Matplotlib简介 什么是Matplotlib Matplotlib是一个Python绘图库,广泛用于创建各种类型的静态、动态和交互式图表。它是数据科学、机器学习、工程和科学计算领域中常用的绘图工具之...
4. 第4章数据可视化
4.1 可视化介绍 为什么要进行数据可视化? 数据可视化 = 把抽象的数据“看得见” 目的是让数据背后的规律、异常、趋势一目了然 场景举例: 常见图表类型及使用场景 好图的标准是什么? 错误...
3. 一次计算多个统计值
可以通过agg()或aggregate()进行更复杂的操作,如一次计算多个统计值。 df = pd.read_csv('data/employees.csv') # 读取员工数据 # 按department_id分组,计算salary的最小值,中位数,最...
3.7 数据分析与统计
分类依赖关系协同应用场景示例描述性统计所有分析的基础初步了解数据分布,指导后续分组策略df.describe() 发现某列标准差大 → 触发分组过滤分组聚合基于描述性统计或分组过滤结果按...
3.6 时间数据的处理
Timestamp 是 pandas 对 datetime64 数据类型的一个封装。datetime64 是 NumPy 中的一种数据类型,用于表示日期和时间,而 pandas 基于 datetime64 构建了 Times...
3.6 时间数据的处理
Timestamp 是 pandas 对 datetime64 数据类型的一个封装。datetime64 是 NumPy 中的一种数据类型,用于表示日期和时间,而 pandas 基于 datetime64 构建了 Timestamp 类,以便更方便地在...










