初心者データマイニング-データ探索（2）：データ機能分析の分布分析

分布分析

分布分析により、分布の特性とデータの種類を明らかにすることができます。
定量的データの場合：周波数分布表を作成し、周波数分布ヒストグラムを描画し、ステムとリーフの図を描画して直感的に分析できます。
定性的分析の場合：円グラフと棒グラフを描画してその分布を直感的に表示できます。

1.定量的データの分布分析

一般的な手順：

範囲を見つける：範囲=最大-最小
グループ距離とグループ数を決定します。グループ距離は各間隔の長さ、グループ数=値の範囲/グループ距離です。
ポイントを決定する：ポイントは各間隔の終了点を参照します。このステップでは、各グループの開始点と終了点を決定します。
周波数分布表を一覧表示します
周波数分布ヒストグラムを描く

原則に従ってください：

サブグループは相互に排他的でなければなりません
各グループにはすべてのデータを含める必要があります
各グループのグループ幅は等しくなければなりません

例：
販売量でグループ化し、頻度を計算する

範囲を見つける：3960-45 = 3915
グループ化：ビジネスデータによると、グループ距離は500で、グループ数は3915/500 = 7.83、つまり合計8グループです。
決定ポイント：順番に：[0,500）、[500,1000）、[1000,1500）、[1500,2000）、[2000,2500）、[2500,3000）、[3000,3500）、[3500、 4000）
周波数分布ヒストグラムをプロットします
周波数分布ヒストグラムを描く

import pandas as pd #导入所需包
import numpy as np
catering_sale = './data/catering_fish_congee.xls'  # 餐饮数据
data = pd.read_excel(catering_sale,names=['date','sale'])  # 读取数据，指定“日期”列为索引

bins = [0,500,1000,1500,2000,2500,3000,3500,4000]
labels = ['[0,500)','[500,1000)','[1000,1500)','[1500,2000)',
       '[2000,2500)','[2500,3000)','[3000,3500)','[3500,4000)'] 

data['sale分层'] = pd.cut(data.sale, bins, labels=labels)
aggResult = data.groupby(by=['sale分层'])['sale'].agg({
    
    'sale': np.size})

pAggResult = round(aggResult/aggResult.sum(), 2, ) * 100

import matplotlib.pyplot as plt
plt.figure(figsize=(10,6))  # 设置图框大小尺寸
pAggResult['sale'].plot(kind='bar',width=0.8,fontsize=10)  # 绘制频率直方图
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.title('季度销售额频率分布直方图',fontsize=20)
plt.show()

ここに写真の説明を挿入

元のデータの例：

ここに写真の説明を挿入
元のデータアクセス：
リンク：https
：//pan.baidu.com/s/1gA6KPwfI5Y26S2qm2Uipow抽出コード：2677

2.定性的データの分析

定性的データは、変数の分類タイプに従ってグループ化されることが多く、円グラフと棒グラフを使用してそれらの分布を説明できます。

import pandas as pd
import matplotlib.pyplot as plt
catering_dish_profit = './data/catering_dish_profit.xls'  # 餐饮数据
data = pd.read_excel(catering_dish_profit)  # 读取数据，指定“日期”列为索引

# 绘制饼图
x = data['盈利']
labels = data['菜品名']
plt.figure(figsize = (8, 6))  # 设置画布大小
plt.pie(x,labels=labels)  # 绘制饼图
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.title('菜品销售量分布（饼图）')  # 设置标题
plt.axis('equal')
plt.show()

# 绘制条形图
x = data['菜品名']
y = data['盈利']
plt.figure(figsize = (8, 4))  # 设置画布大小
plt.bar(x,y)
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.xlabel('菜品')  # 设置x轴标题
plt.ylabel('销量')  # 设置y轴标题
plt.title('菜品销售量分布（条形图）')  # 设置标题
plt.show()  # 展示图片

ここに写真の説明を挿入
円グラフの各セクターは、各タイプのパーセンテージまたは頻度を表します。

棒グラフ（棒グラフ）の高さは、各タイプのパーセンテージまたは頻度を表し、幅は無意味です。

元のデータの例：
ここに写真の説明を挿入
元のデータアクセス：
リンク：https
：//pan.baidu.com/s/1zHip89y-AkN2smq3ZE-5pw抽出コード：2677