3.8 案例讲解
# 导入必要的库 import pandas as pd import numpy as np # 1. 数据加载与初步探索 # 读取企鹅数据集，注意解析日期列（虽然这个数据集没有日期列，但展示parse_dates参数的用法） penguins = p...
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...
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...
4.3 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...
4.3.3 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...
4.3.4 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='...
4.4.2 双变量可视化
散点图 散点图通过在二维坐标系中绘制数据点来展示两组数值数据之间的关系。能够揭示两个变量之间的相关性和趋势。 绘制睡眠时间与睡眠质量的散点图。 df.plot.scatter(x='sleep_duration', y='...
第5章项目实战：房地产市场洞察与价值评估
数据分析流程 采集数据→确定分析方向→导入数据→数据清洗→数据分析→数据可视化 数据源介绍 字段名含义说明city城市房屋所在的城市名称，例如“合肥”、“重庆”等。address详细地址房屋的具...
第六章 统计学基础
统计学不是一堆公式的集合，它解决的是一个很朴素的问题：我们手里通常只有一部分数据，怎样用这部分数据更可靠地理解整体？这一章会沿着一条清晰路线走：先描述已经看到的数据，再理解数据为什...
二、描述统计学
1. 集中趋势 - 均值（Mean） 1.1 介绍 均值是统计学中用于衡量一组数据中心位置的指标，它表示数据的平均水平。 均值是描述数据集集中趋势的基本统计量之一。 1.2 原理 其中： 1.3 重点和注意事...
