零基础python机器学习笔记--代码实战第二天数据分析

• 首先读取数据

#读取红酒数据
target_url = "https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv"
df = pd.read_csv(target_url, sep = ";")

#打印数据形状和数据类型的个数
print (df.shape)
print (df.get_dtype_counts())

数据释义：每一行代表一组数据，1-11列代表红酒不同属性的检测值，最后一列代表红酒质量指数，下面通过将质量指数映射到(0,1)区间，根据优劣程度对应到所画折线图的不同颜色（cm.RdYlBu函数：值越小越劣对应线条越红，反之越蓝），进而分析判断好酒劣酒在哪些质量指数数据上有差异。

• 判断鉴定红酒优劣的指标

##根据红酒质量的不同画不同颜色的折线
#1，将数据值标准化
_df = (df*1.0-df.mean())/df.std()
#2,将红酒质量指数映射到（0，1）范围内
q = df.shape[1]-1
dq = df.iloc[:,q]*1.0
_dq = (dq-dq.mean())/dq.std()
_dq = 1.0/(1.0+math.e**(-_dq))
#3,画图：偏蓝色代表质量较好的红酒；偏红色线表质量较差的红酒
plt.figure(figsize = (10,5))
for i in range(df.shape[0]):
    _df.iloc[i,1:q].plot(color=plt.cm.RdYlBu(_dq[i]), alpha = 0.5)
plt.xlabel(df.columns.tolist()[0:q])
plt.show()

通过观察结果图发现：较好的红酒酒精含量相对较高，密度相对较低，非挥发性酸含量相对较低。

• 分析各个属性间的关系
  最后通过画热度相关图，分析各个属性间的关系：

#热度相关图，黄色对应强相关。
plt.pcolor(df.corr())
plt.show()

在上图的展示中，以第1个属性为例，通过热度图可以发现它和第3个、第8个属性（绿色方块）有着较强的相关性，即非挥发性酸值大的话，糖分残留和ph值就会大，这和我们的化学常识相一致，同时这也变相说明上一部分的推理挥发性酸值越大–>糖分残留值越大（口感越甜）的红酒相对较为劣质，这和我们的常识也是相一致的。