怎么用Python解决数据密度过大难题
本篇内容介绍了“怎么用Python解决数据密度过大难题”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
下陆网站建设公司创新互联,下陆网站设计制作,有大型网站制作公司丰富经验。已为下陆数千家提供企业网站建设服务。企业网站搭建\外贸网站建设要多少钱,请找那个售后服务好的下陆做网站的公司定做!
什么是密度图?
所谓的密度图 (Density Plot) 就是数据的分布稠密情况,它常用于显示数据在连续时间段内的分布状况。严格来说,它是由直方图演变而来,类似于把直方图进行了填充。
一般是使用平滑曲线来绘制数值水平来观察分布,峰值数值位置是该时间段内最高度集中的地方。
它比直方图适用性更强,不受分组数量(直方图的条形数量不宜过多)的影响,能更好地界定分布形状 。
本篇文章不谈论直方图,之后老海会专门总结关于直方图的使用。
什么是2D密度图?
说完了密度图和直方图,它们都是一维数据变量。
这下我们来看看2D密度图,它显示了数据集中两个定量变量范围内值的分布,有助于避免在散点图中过度绘制。
如果点太多,则2D密度图会计算2D空间特定区域内的观察次数。
该特定区域可以是正方形或六边形(六边形),还可以估算2D内核密度估算值,并用轮廓表示它。
本篇文章主要描述一下2D密度图的使用。
2D密度图的基本数据样式
2D密度图的使用建议
密度图是一种直方图的代替方案,常用来观察连续变量的分布情况
2D密度图主要用来解决数据点密度过大的问题,要注意密度分割是否合理。
当数据范围都非常集中,数据间变化不大时,密度图往往很难观察效果。
下面开始具体的操作案例
准备工作
还是和之前一样,引入必要的工具包
## 初始字体设置,设置好可避免很多麻烦 plt.rcParams['font.sans-serif']=['Source Han Sans CN'] # 显示中文不乱码,思源黑体 plt.rcParams['font.size'] = 22 # 设置图表全局字体大小,后期某个元素的字体大小可以自行调整 plt.rcParams['axes.unicode_minus'] = False # 显示负数不乱码 ## 初始化图表大小 plt.rcParams['figure.figsize'] = (20.0, 8.0) # 设置figure_size尺寸 ## 初始化图表分辨率质量 plt.rcParams['savefig.dpi'] = 300 # 设置图表保存时的像素分辨率 plt.rcParams['figure.dpi'] = 300 # 设置图表绘制时的像素分辨率 ## 图表的颜色自定义 colors = ['#dc2624', '#2b4750', '#45a0a2', '#e87a59', '#7dcaa9', '#649E7D', '#dc8018', '#C89F91', '#6c6d6c', '#4f6268', '#c7cccf'] plt.rcParams['axes.prop_cycle'] = plt.cycler( color=colors) path = 'D:\\系列文章\\' # 自定义文件路径,可以自行设定 os.chdir(path) # 设置为该路径为工作路径,一般存放数据源文件
设定图表样式和文件路径
Financial_data = pd.read_excel('虚拟演示案例数据.xlsx',sheet_name='二维表') Financial_data
读入数据
Financial_data = pd.read_excel('虚拟演示案例数据.xlsx',sheet_name='二维表') Financial_data
常见的6种密度图表类型
from scipy.stats import kde # 引入核密度计算方法 # 为方便演示,创建6个子图的画板 fig, axes = plt.subplots(3,2, figsize=(20, 20)) # 第一个子图,我们来画一个基本的散点图 # 散点图是最经典的观察2个变量关系,但数据量非常大就会出数据点堆叠交错,当值我们无法进一步探索 axes[0][0].set_title('散点图') # 设置标题 axes_0 = axes[0][0].plot(Financial_data['材料'], Financial_data['管理'], 'ko') # 画出散点图 # 第二个子图,我们画出六边形蜂巢图 # 当寻找2个数值型变量的关系,数据量很大且不希望数据堆叠在一起,就可以按照蜂巢形状切割数据点,计算每个六边形里的点数来表达密度 num_bins = 50 # 设置六边形包含的距离 axes[0][1].set_title('蜂巢六边形图') # 设置标题 axes_1= axes[0][1].hexbin(Financial_data['材料'], Financial_data['管理'], gridsize=num_bins, # 设置六边形的大小 cmap="Blues" # 设置颜色组合 ) fig.colorbar(axes_1,ax=axes[0][1]) # 设置颜色显示条 # 第三个子图,我们画出2D直方图。 # 我们您需要分析两个数据量比较大的数值变量关系时,2D直方图非常有用,它可以避免在散点图中出现的的数据密度过大问题 num_bins = 50 axes[1][0].set_title('2D 直方图') axes_2 = axes[1][0].hist2d(Financial_data['材料'], Financial_data['管理'], bins=(num_bins,num_bins), cmap="Blues") # fig.colorbar(axes_2,ax=axes[1][0]) # 第四个子图,我们画出高斯核密度图 # 考虑到想研究具有很多点的两个数值变量之间的关系。可以考虑绘图区域每个部分上的点数,来计算2D内核密度估计值。 # 就像平滑的直方图,这个方法不会使某个点掉入特定的容器中,而是会增加周围容器的权重,比如颜色会加深。 k = kde.gaussian_kde(Financial_data.loc[:,['材料','管理']].values.T) # 进行核密度计算 xi, yi = np.mgrid[Financial_data['材料'].min():Financial_data['材料'].max():num_bins*1j, Financial_data['管理'].min():Financial_data['管理'].max():num_bins*1j] zi = k(np.vstack([xi.flatten(), yi.flatten()])) axes[1][1].set_title('高斯核密度图') axes_3 = axes[1][1].pcolormesh(xi, yi, zi.reshape(xi.shape), cmap="Blues") fig.colorbar(axes_3,ax=axes[1][1]) # 设置颜色显示条 # 第五个子图,我们画出带阴影效果的2D密度图 axes[2][0].set_title('带阴影效果的2D密度图') axes[2][0].pcolormesh(xi, yi, zi.reshape(xi.shape), shading='gouraud', cmap="Blues") # 第六个子图,我们画出带轮廓线的密度图 axes[2][1].set_title('带阴影+轮廓线的2D密度图') axes_5 = axes[2][1].pcolormesh(xi, yi, zi.reshape(xi.shape), shading='gouraud', cmap="Blues") fig.colorbar(axes_5,ax=axes[2][1]) # 设置颜色显示条 # 画出轮廓线 axes[2][1].contour(xi, yi, zi.reshape(xi.shape)) plt.show()
特别提一下:2D核密度估计图
sns.kdeplot(Financial_data['材料'],Financial_data['管理']) sns.despine() # 默认无参数状态,就是删除上方和右方的边框,matplotlib貌似做不到
sns.kdeplot(Financial_data['材料'],Financial_data['管理'], cmap="Reds", shade=True, # 若为True,则在kde曲线下面的区域中进行阴影处理,color控制曲线及阴影的颜色 shade_lowest=True, # 如果为True,则屏蔽双变量KDE图的最低轮廓。 # bw=.15 ) sns.despine() # 默认无参数状态,就是删除上方和右方的边框,matplotlib貌似做不到
“怎么用Python解决数据密度过大难题”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!
本文名称:怎么用Python解决数据密度过大难题
网站路径:http://pwwzsj.com/article/phoeoe.html