【原】Python学生物统计---数据可视化---学习笔记5

5.1 作图的重要性

在分析一个数据之前, 我们首先要对数据进行检查, 在统计上看一下汇总统计, 比如最大值, 最小值, 中位数, 平均值, 方差, 标准差, 变异系数等等.

• 直方图, 看一下数据的分布情况

• 箱线图, 看一下数据的分布, 有无异常值

所谓一图胜千言.

python中的作图工具

• plot.ly

• bokeh是交互式的包

• ggplot 是类似R语言的ggplot包

5.2 散点图

# Import standard packagesimport numpy as npimport matplotlib.pyplot as pltimport pandas as pdimport scipy.stats as statsimport seaborn as sns

这里生成了500个随机数, 使用plot进行作图

# Generate the data x = np.random.randn(500) # Plot-command start --------------------- plt.plot(x, '.') # Plot-command end ----------------------- # Show plot a2 = plt.show()

5.3 直方图

a3 = plt.hist(x,bins=25)

5.4 箱线图

a4 = plt.boxplot(x);

练习corn.csv

corn是R包agridat中的smith.corn.uniformity玉米数据, 我们来看一下如何对其可视化?

 row col plot year yield 1  20   1  101   95  30.0 2  19   1  102   95  29.1 3  18   1  103   95  25.7 4  17   1  104   95  26.3 5  16   1  105   95  30.3 6  15   1  106   95  31.1

首先, 在R中将其保存为corn.csv, 保存到D盘根目录(方便读取)

library(agridat) data(smith.corn.uniformity) dat = smith.corn.uniformity head(dat) write.csv(dat,"d:/corn.csv",row.names = F)

用python读取数据, 使用pandas包

import pandas as pdcorn = pd.read_csv("d:/corn.csv")

查看前六行

corn.head()

	row	col	plot	year	yield
0	20	1	101	95	30.0
1	19	1	102	95	29.1
2	18	1	103	95	25.7
3	17	1	104	95	26.3
4	16	1	105	95	30.3

对产量yield作图

import matplotlib.pyplot as pltc1 = plt.plot(corn["yield"],".")c2 = plt.hist(corn["yield"])c3 = plt.boxplot(corn["yield"])