Python-深入浅出数据分析-数据图形化

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python-深入浅出数据分析-数据图形化，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2462字，纯文字阅读大概需要4分钟。

内容图文

目录

• 问题的起源
• 图形化是不是会好点
• 三种不同的主页表现

在阅读前，读一下Python-深入浅出数据分析-总结会更好点，以后遇到问题比如代码运行不了，再读读也行，>-_-<

问题的起源

为了比较3个主页的好坏，收集了很多数据，以便用数据说话。这些数据实在太多，告诉我们的信息很多但是却多到难以捕捉。

图形化是不是会好点

利用书中提供的xls数据，来进行一下可视化，我们想知道Revenue和其他因素的关系，嗯，那就来探索性分析一下。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

%matplotlib inline

df = pd.read_csv('./hfda_ch04_home_page1.csv').iloc[:, 1:]

fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(1,1,1)

ax.axvline(x= 10, linestyle= '--')
ax.axhline(y= 40, linestyle= '--')

ax.axvline(x= df.TimeOnSite.mean())
ax.axhline(y= df.Revenue.mean())

ax.scatter(df.TimeOnSite.values, df.Revenue.values, s= 72, facecolors='none', edgecolors='r', linewidth= 2)

ax.set_xticks(np.arange(0, 50, 10))
ax.set_yticks(np.arange(0, 120, 20))

ax.set_xlabel('TimeOnSite')
ax.set_ylabel('Revenue')
ax.set_title('page1')

三种不同的主页表现

我们想知道三种不同主页的Revenue和其他因素的间的关系，以便我们可以挑选出好的主页。
由于官网只提供了page1的文件下载，所以自己造一些数据，这样就可以把自己的思路实现，这些数据已经放到了我的github上

# plt.style.use('ggplot')  # 取消注释试试看
fig = plt.figure(figsize=(20, 20))

def plot_var_revenue(df_var, df_revenue, ax, ax_title):
    ax.axvline(x= df_var.mean())
    ax.axhline(y= df_revenue.mean())

    ax.scatter(df_var.values, df_revenue.values, s= 72, facecolors='none', edgecolors='r', linewidth= 2)
    
    ax.set_xlabel(df_var.name, fontsize= 12)
    ax.set_ylabel(df_revenue.name, fontsize= 12)
    ax.set_title(ax_title, fontsize= 12)

all_pic_num = np.arange(1, 10).reshape((3,3))
for row_index, col_index in enumerate(all_pic_num):
    str_page = 'page{}'.format(row_index + 1)
    
    df = pd.read_csv('./hfda_ch04_home_{}.csv'.format(str_page)).iloc[:, 2:]
    
    for index in col_index:
        ax = fig.add_subplot(3, 3, index)
        
        col_index_real = index - row_index*3
        plot_var_revenue(df.iloc[:, col_index_real], df.Revenue, ax, str_page)
        
        if col_index_real == 1:
            ax.axvline(x= 10, linestyle= '--')
            ax.axhline(y= 40, linestyle= '--')
            ax.set_xticks(np.arange(0, 60, 10))
            ax.set_yticks(np.arange(0, 140, 20))
        elif col_index_real == 2:
            ax.axvline(x= 40, linestyle= '--')
            ax.axhline(y= 40, linestyle= '--')
            ax.set_xticks(np.arange(0, 140, 20))
            ax.set_yticks(np.arange(0, 140, 20))
        else:
            ax.axvline(x= 10, linestyle= '--')
            ax.axhline(y= 40, linestyle= '--')
            ax.set_xticks(np.arange(0, 40, 5))
            ax.set_yticks(np.arange(0, 140, 20)) 

内容总结

以上是互联网集市为您收集整理的Python-深入浅出数据分析-数据图形化全部内容，希望文章能够帮你解决Python-深入浅出数据分析-数据图形化所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端