Méthode de visualisation de données utilisant matplotlib (+ pandas) (5)
Il s'agit du dernier épisode de l'histoire de la visualisation de données qui s'est poursuivie jusqu'au précédent.
Nuage de points
Nous utiliserons les données de pydata-book comme auparavant.
pydata-book/ch08/macrodata.csv https://github.com/pydata/pydata-book/blob/master/ch08/macrodata.csv
import numpy as np
from pandas import *
import matplotlib.pyplot as plt
#Lire les données CSV
macro = read_csv('macrodata.csv')
#Ramassez quelques lignes
data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]
# .diff()La méthode modifie la valeur à la différence de la ligne précédente
#Parce que ça commence par NaN.dropna()Supprimer avec méthode
trans_data = np.log(data).diff().dropna()
# trans_les données seront un ensemble de données montrant les modifications par rapport à la ligne précédente
#Afficher les 5 dernières lignes
print( trans_data[-5:] )
# =>
# cpi m1 tbilrate unemp
# 198 -0.007904 0.045361 -0.396881 0.105361
# 199 -0.021979 0.066753 -2.277267 0.139762
# 200 0.002340 0.010286 0.606136 0.160343
# 201 0.008419 0.037461 -0.200671 0.127339
# 202 0.008894 0.012202 -0.405465 0.042560
#Tracer un diagramme de dispersion à partir de deux lignes
plt.scatter(trans_data['m1'], trans_data['unemp'])
plt.show()
plt.savefig("image.png ")
Matrice de diagramme de dispersion
Le diagramme de dispersion de toutes les paires d'une série de variables est la matrice du diagramme de dispersion (http://www.okada.jp.org/RWiki/?%A5%B0%A5%E9%A5%D5%A5% A3% A5% C3% A5% AF% A5% B9% BB% B2% B9% CD% BC% C2% CE% E3% BD% B8% A1% A7% BB% B6% C9% DB% BF% DE% B9% D4% CE% F3). Vous pouvez créer cela avec la fonction scatter_matrix.
#Générer une matrice de diagramme de dispersion
from pandas.tools.plotting import scatter_matrix
scatter_matrix(trans_data, diagonal='kde', color='k', alpha=0.3)
plt.show()
plt.savefig("image2.png ")
Il s'agit d'un moyen simple et puissant d'examiner la corrélation de deux données unidimensionnelles.
référence
Introduction à l'analyse de données avec le traitement des données Python en utilisant NumPy et pandas http://www.oreilly.co.jp/books/9784873116556/
Recommended Posts