Python数据分析-数据探索下
主题 数据探索
接着上一节的内容～
二、数据特征分析
5. 相关性分析
（1）直接描述散点图
从散点图可以比较直观地看书两个变量的相关性。（一般分为完全正线性相关、完全负线性相关、非线性相关、正线性相关、负线性相关、不相关）
（2）绘制散点图矩阵
可对多个变量同时进行相关关系的考察
（3）计算相关系数
这里的相关系数有很多，如Pearson相关系数、spearman相关系数、判定系数等等
三、python主要数据探索函数
python中用于数据探索的库主要是pandas和matplotlib，而pandas提供大量的函数，也作为重点来进行介绍
1. 基本统计特征函数（均属pandas）
（1）sum（），计算数据样本的总和（按列计算）
（2）mean（），计算算数平均数
（3）var（），计算方差
（4）std（），计算标准差
（5）corr（），计算Pearson相关系数
（6）cov（），计算协方差矩阵
（7）skew（），计算偏度
（8）kurt（），计算峰度
（9）describe（），给出样本的基本描述
2. 统计作图函数
（1）plot（），绘制线性二维图，matplotlib／pandas
使用格式：plt.plot(x,y,S)
字符串S指定绘制图形的类型、样式和颜色，常用的有：‘b’为蓝色、‘r’为红色、‘g’为绿色、‘o’为圆圈、‘+’为加号标记、‘-’为实线、‘--’为虚线
（2）pie（），绘制饼形图，matplotlib／pandas
（3）hist（），绘制二维条形直方图，matplotlib／pandas
（4）boxplot（），绘制样本数据的箱形图，pandas
（5）plot（logy=true），绘制y轴的对数图形，pandas
（6）plot（yerr=error），绘制误差条形图，pandas
—End—
本文来自企鹅号 - SAMshare媒体
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文来自企鹅号 - SAMshare媒体
如有侵权，请联系 cloudcommunity@tencent.com 删除。