想快速学会数据可视化?这里有一门4小时的Kaggle微课程

  • 时间:
  • 浏览:467

  想要制作漂亮的可视化图表吗?Kaggle 平台上有一个数据可视化的微课程,总时长才 4 小时。快来学习吧!

  课程地址:http://www.kaggle.com/learn/data-visualization-from-non-coder-to-coder

  

  课程简介

  该课程为免费课程,共包含 15 节课,时长 4 小时。主讲人 Alexis Cook 曾就读于杜克大学、密歇根大学和布朗大学,在多个在线学习平台(如 Udacity 和 DataCamp)教授数据科学。

  这门课程使用的数据可视化工具是 Seaborn,所以学员需要稍微了解如何写 Python 代码。不过没有任何编程经验的人也可以通过该课程学会数据可视化,正如课程名称那样:Data Visualization: from Non-Coder to Coder,透过数据可视化见证编程的魅力。

  该课程包含 15 节课,分为课程讲解和练习两类,每一堂讲解课后都有一节练习课,让学员及时巩固和应用所学知识。

  课程涉及对数据可视化工具 Seaborn 的介绍,如何绘制折线图、柱状图、热图、散点图、分布图,如何选择图表类型和自定义样式,课程期末项目,以及如何举一反三为自己的项目创建 notebook。课程目录如下所示:

  

  

  下面,我们将选取其中一节课——散点图(Scatter Plots)进行简单介绍。

  如何创建高级散点图

  点进去你会在左侧看到这节课的大致内容,如下图所示,「散点图」共包含五个部分:

  

  btw,眼尖的读者会发现,下面还有一个 comments 版块。所以,该课程还是交互式的呢,你可以边学习边评论。

  通过这节课,你将学习如何创建高级的散点图。

  设置 notebook

  首先,我们要设置编码环境。

  输入:

  import pandas as pd

  import matplotlib.pyplot as plt

  %matplotlib inline

  import seaborn as sns

  print("Setup Complete")

  输出:

  Setup Complete

  加载和检查数据

  我们将使用一个保险费用(合成)数据集,目的是了解为什么有些客户需要比其他人支付得更多。数据集地址:http://www.kaggle.com/mirichoi0218/insurance/home

  

  输入:

  # Path of the file to read

  insurance_filepath="http://tech.ifeng.com/a/input/insurance.csv"

  # Read the file into a variable

  insurance_datainsurance_data=pd.read_csv(insurance_filepath)

  打印前五行,以检查数据集是否正确加载。

  输入:

  insurance_data.head()

  输出:

  

  散点图

  为了创建简单的散点图,我们使用 sns.scatterplot 命令并指定以下值:

  水平 x 轴(x=insurance_data['bmi'])

  垂直 y 轴(y=insurance_data['charges'])

  输入:

  sns.scatterplot(x=insurance_data['bmi'], y=insurance_data['charges'])

  输出:

  

  上面的散点图表明身体质量指数(BMI)和保险费用是正相关的,BMI 指数更高的客户通常需要支付更多的保险费用。(这也不难理解,高 BMI 指数通常意味着更高的慢性病风险。)

  如果要再次检查这种关系的强度,你可能需要添加一条回归线,或者最拟合数据的线。我们通过将该命令更改为 sns.regplot 来实现这一点。

  输入:

  sns.regplot(x=insurance_data['bmi'], y=insurance_data['charges'])

  输出:

  /opt/conda/lib/python3.6/site-packages/scipy/stats/stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.

  return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval

  

  着色散点图

  我们可以使用散点图展示三个变量之间的关系,实现方式就是给数据点着色。

  例如,为了了解吸烟对 BMI 和保险费用之间关系的影响,我们可以给数据点 'smoker' 进行着色编码,然后将'bmi'、'charges'作为坐标轴。

  输入:

  sns.scatterplot(x=insurance_data['bmi'], y=insurance_data['charges'], hue=insurance_data['smoker'])

  输出:

  

  以上散点图展示了不抽烟的人随着 BMI 指数的增加保险费用会稍有增加,而抽烟的人的保险费用要增加得多得多。

  要想进一步明确这一事实,我们可以使用 sns.lmplot 命令添加两个回归线,分别对应抽烟者和不抽烟者。(你会看到抽烟者的回归线更加陡峭。)

  输入:

  sns.lmplot(x="bmi", y="charges", hue="smoker", data=insurance_data)

  输出:

  /opt/conda/lib/python3.6/site-packages/scipy/stats/stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result bet365 either in an error or a different result.

  return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval

  ns.lmplot 命令与其他命令有一些不同:

  这里没有用 x=insurance_data['bmi'] 来选择 insurance_data 中的'bmi'列,而是设置 x="bmi"来指定列的名称。类似地,y="charges" 和 hue="smoker"也包含列的名称。我们使用 data=insurance_data 来指定数据集。

  最后,还有一个图要学。我们通常使用散点图显示两个连续变量(如"bmi"和 "charges")之间的关系。但是,我们可以调整散点图的设计,来侧重某一个类别变量(如"smoker")。我们将这种图表类型称作类别散点图(categorical scatter plot),可使用 sns.swarmplot bet365 命令构建。<输入:

  sns.swarmplot(x=insurance_data['smoker'],

  y=insurance_data['charges'])

  输出:

  matplotlib.axes._subplots.AxesSubplot at 0x7f4d10c50c88>

  

  除此之外,这个图向我们展示了:

  不抽烟的人比抽烟的人平均支付的保险费用更少;支付最多保险费用的客户是抽烟的人,而支付最少的客户是不抽烟的人。


bet365 bet365官方