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...

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='...

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='...

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...

4.3.1 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...

4.2.1  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...

4.1  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...

# 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...

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...

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...