通过 Seaborn Plots 和 Matplotlib 可视化 ML 数据集

处理数据有时会有点无聊。将原始数据转换为可理解的格式是整个过程中最重要的部分之一，那么为什么要坚持使用数字，当我们可以将我们的数据可视化为令人兴奋的图表时，这些图表可以在Python中获取。本文将重点探索可以使您的预处理之旅变得有趣的情节。

Seaborn和Matplotlib为我们提供了许多诱人的图表，通过这些图表，人们可以轻松分析薄弱环节，深入了解数据，并最终通过不同的算法训练数据并获得最高精度的数据。

让我们看一下我们的数据集：数据集（36 行）包含 6 个特征和 2 个类（Survived = 1，Not Survived = 0）我们将在此基础上绘制某些图表。数据集的链接 - 单击此处获取完整的数据集

1. KDE PLOT：好的所以在浏览了数据集之后，我们可以有一个问题。哪个年龄组的人数最多？为了回答这个问题，我们需要我们的 KDE 图出现的视觉效果，它只是一个密度图。所以让我们从导入所需的库开始，并使用它的函数来绘制图形。

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
 
# KDE plot
sns.kdeplot(dataset["Age"], color = "green",
            shade = True)
plt.show()
plt.figure()

输出 ：

2.现在我们清楚地了解了 Count Of People vs Age-Group 的分布情况，在这里我们可以看到 20-40 岁的年龄组有最大的人数，所以让我们检查一下。

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
# Checking the count of Age Group 20-40
dataset.Age[(dataset["Age"] >= 20) & (dataset["Age"] <= 40)].count()

输出 ：

26

3.深入研究视觉效果，了解 Fair Vs Age 的变化，它们之间的关系是什么，让我们用另一种 kdeplot 来看看现在会有双变量密度，我们只需添加 Y 变量（公平的）。

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
sns.kdeplot(dataset["Age"], dataset["Fare"], shade = True)
plt.show()
plt.figure()

输出 ：

4.稍微研究一下这张图，我们发现颜色的强度在 20-30 岁之间最大，而恰恰是在 100-200 之间，让我们检查一下

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
# Checking The Variation Between Fare And Age
dataset.Age[((dataset["Fare"] >= 100) &
             (dataset["Fare"]<=200)) &
            ((dataset["Age"]>=20) &
             dataset["Age"]<=40)].count()

输出 ：

16

5.我们也可以使用 seaborn 的 distplot() 模块在 kdeplot 中添加直方图：

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
# Histogram+Density Plot
sns.distplot(dataset["Age"], color = "green")
plt.show()
plt.figure()

输出 ：

6.嗯。如果想知道男性与女性的比例，我们可以在 KDE 本身中绘制相同的图：

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
# Adding Two Plots In One
sns.kdeplot(dataset[dataset.Gender == 'Female']['Age'],
            color = "blue")
sns.kdeplot(dataset[dataset.Gender == 'Male']['Age'],
            color = "orange", shade = True)
plt.show()
plt.figure()

输出 ：

7.从图中我们可以看出，从 12 岁到 40 岁之后计数有所增加，让我们检查一下

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
# showing that there are more Male's Between Age Of 12-40
dataset.Gender[((dataset["Age"] >= 12) &
                (dataset["Age"] <= 40)) &
               (dataset["Gender"] == "Male")].count()
dataset.Gender[((dataset["Age"] >= 12) &
                (dataset["Age"] <= 40)) &
               (dataset["Gender"] == "Female")].count()

输出 ：

17
15

8. VIOLIN PLOT：我们已经讨论了很多特征，现在让我们谈谈生存率对特征的依赖。为此，我们将使用经典的小提琴情节，顾名思义，它描绘了与小提琴音乐波浪相同的视觉效果。基本上，小提琴图用于可视化数据的分布及其概率密度。

生存率和年龄有什么关系？让我们直观地分析一下：

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
sns.violinplot(x = 'Survived', y = 'Age', data = dataset,
               palette = {0 : "yellow", 1 : "orange"});
plt.show()
plt.figure()

输出 ：

解释：我们在图中看到的白点是中位数，中间的粗黑条代表四分位数
范围。从它延伸出来的细黑线表示数据中的上（最大）和下（最小）相邻值。
快速浏览一下，我们发现年龄[10-20] 之间的存活率要高一点（Survived==1）。

9.让我们为生存率与性别和年龄再绘制一个图

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
sns.violinplot(x = "Gender", y = "Age", hue = "Survived",
               data = dataset,
               palette = {0 : "yellow", 1 : "orange"})
plt.show()
plt.figure()

这里还有一个属性是 hue，它指的是 Survived 的二进制值。

输出 ：

10. CATPLOT：简单来说，catplot 显示一个、两个或三个分类变量的类别的频率（或可选的分数或百分比）。

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
# Plot a nested barplot to show survival for Siblings and Gender
g = sns.catplot(x = "Siblings", y = "Survived", hue = "Gender", data = dataset,
                height = 6, kind = "bar", palette = "muted")
g.despine(lef t= True)
g.set_ylabels("Survival Probability")
plt.show()

这里 sns.despine 是用来从 plot 中移除顶部和右侧的刺，我们来看看。

输出 ：

在这里，我们清楚地了解了兄弟姐妹数量的性别明智生存概率。

11 .现在，在数据集中我们看到Ticket里面有3个category，是基于Fare的，我们来找一下（参考这个图我为Ticket添加了一个Category列）

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
# Based On Fare There Are 3 Types Of Tickets
sns.catplot(x = "PassType", y = "Fare", data = dataset)
plt.show()
plt.figure()

输出 ：

使用这个我们得出结论，应该为工单定义类别

12.与生存率的关系：

Python3

# importing the modules and dataset
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dataset = pd.read_csv("Survival.csv")
  
sns.catplot(x="PassType", y="Fare", hue="Survived",kind="swarm",data=dataset)
plt.show()
plt.figure()

输出 ：

由此，我们清楚地了解了门票类别的生存率与票价。