波士顿房价问题可视化：散点图感受价格相关因素数据分布

波士顿房价问题也是机器学习中的一个入门问题，sklearn这个模块中包含了500多条波士顿房价的数据，其中包括13个相关的因素。类似于鸢尾花数据可视化的处理（参考博文鸢尾花数据进行可视化展示）的处理方式，我们先把datasets的数据转换成我们熟悉的DF数据，这一次，我们是用python自带的matplot库中的方法来绘制散点图。具体的代码如下所示，其中用到了一些python的技巧，总结如下：

1.双重for循环列表生成式生成二维的数据列表；
2.zip方法打包两个列表并且转换成字典类型；
3.pandas的DataFrame的数据创建与读取；
4.matplotlib的绘图方法。

from sklearn import datasets
import pandas as pd
import matplotlib.pyplot as plt
import math
boston = datasets.load_boston()
factor_list = list(boston.feature_names)
facvals = [ [boston.data[i][index] for i in range(len(boston.data))] for index in range(len(factor_list)) ]
factor_list.append('TARGET')
facvals.append(boston.target)
factor_dict = dict(zip(factor_list,facvals))
boston_df = pd.DataFrame(
			factor_dict, # columns = ['CRIM','CHAS','AGE','TARGET'],
			)
def plot(strfac):
	x_axis = list(boston_df[strfac])
	y_axis = list(boston_df['TARGET'])
	plt.title(strfac)
	plt.ylabel('Price')
	plt.scatter(x_axis,y_axis,s=3)

for i in range(len(factor_list)):
	index = i+1
	factor = factor_list[i]
	plt.subplot(3,5,index)
	plot(factor)

plt.show()

我们最终生成了以下图形：