【数据挖掘】可视化分析实验

github项目地址

问题1：商店客流量数据可视化

1.0 文件读取

1.shop = pd.read_csv('dataset/shop_payNum_new.csv', index_col=0, parse_dates=True)  
2.shop.head()  

1.1绘制所有便利店的10月的客流量折线图。

第一步：筛选出所有10月的数据，并且保留shop_id和pay_num

1.Octobor_shop = shop.iloc[shop.index.month == 10, :2]  

第二步：根据shop_id进行分组

df = pd.DataFrame(Octobor_shop).groupby('shop_id') 

第三步：展示所有便利店的客流量数据图（一共40张图，放在一张图里过于拥挤，因此分开展示）
展示数据为pay_num，图表类型为line，标题为每一个店的ID

1.for name, group in df:  
2.    group.plot(y=['pay_num'], kind='line', title='shop_id:' + str(name))  

1.2绘制每类商家10月份的日平均客流量折线图。

第一步：筛选出所有10月的数据，并且保留cate_2_name和pay_num

1.Octobor_mean_shop = shop.iloc[shop.index.month == 10].drop(columns=['shop_id'])  

第二步：根据商家类型进行分组

1.df = Octobor_mean_shop.groupby(['cate_2_name'])  

第三步：将所有信息展示在同一张表内。（一共5种类型，打印在同一张画板中，即设置参数ax=ax）

1.ax=group.plot()  
2.for name, group in df:  
3.    group = group.groupby('time_stamp').mean()  
4.    group.plot(y=['pay_num'], kind='line', title='cate_2_name:' + name,ax=None)  
5.    group.columns=[name]  
6.    group.plot(ax=ax, y=[name], kind='line', title='cate_2_name:' + name)  

1.3选择一个商家，绘制客流量直方图。

第一步：根据指定shop_id筛选出数据

1.shop_id = 14  
2.people_hist = shop[shop['shop_id'] == shop_id]  

第二步：打印直方图

people_hist.plot(y='pay_num', kind='hist', alpha=0.5)

1.4选择一个商家，绘制客流量密度图。

第一步：根据指定shop_id筛选出数据

1.shop_id = 14  
2.people_kde = shop[shop['shop_id'] == shop_id]  

第二步：打印密度图

people_kde.plot(y='pay_num', kind='kde')

1.5统计某个月各个类别商店总客流量占该月总客流量的比例，绘制饼图。

第一步：根据指定month筛选出数据

1.month = 1  
2.month_pie = shop.iloc[shop.index.month == month].drop(columns=['shop_id'])  

第二步：根据商店类别进行分组，并计算所占比例

1.month_sum = month_pie.groupby('cate_2_name').sum()  
2.month_rate = month_sum / month_sum.sum()  

第三步：打印饼图

1.month_rate.plot(kind='pie', y='pay_num', title='month =' + str(month))  

问题2：皮马印第安人糖尿病数据可视化

2.0 读取数据

1.data=pd.read_csv('dataset/pima.csv',header=None,  
2.                 names=['pregnant','concentration',  
3.                        'Diastolic blood pressure',  
4.                        'Triceps skin fold thickness',  
5.                        '2-Hour serum insulin',  
6.                        'Body mass index',  
7.                        'Diabetes pedigree function',  
8.                        'Age','Class variable'])  
9.data.head() 

2.1 任选两个字段绘制散点图。

1.ax = data[data['Class variable']==1].plot(x='Diabetes pedigree function', y='concentration', kind='scatter', c='red', ax=None,alpha=0.7,  label='Class variable:1')  
2.data[data['Class variable']==0].plot(x='Diabetes pedigree function', y='concentration',kind='scatter', c='blue', ax=ax,alpha=0.7,  label='Class variable:2')  

根据Diabetes pedigree function和Concentration为横纵坐标，进行绘制。统计展示出Class variable两种的数据分布。

2.2 使用全部或者部分特征绘制散布图。

1.color = {
    
    1:'red', 0:'blue'}  
2.pd.plotting.scatter_matrix(data.iloc[:,:-1], figsize=(9, 9), diagonal='kde', marker='o', s=40, alpha=0.4, c=data['Class variable'].apply(lambda x: color[x]))  

2.3 绘制调和曲线图。

1.from pandas.plotting import andrews_curves  
andrews_curves(data, 'Class variable', color=['red','blue'])