Python EDA相关辅助库

文章目录

1. 1. Pandas
2. 2. seaborn
3. 3. matplotlib
4. 4. missingno

相关的库

• Pandas
• seaborn
• matplotlib
• missingno

交互式数据可视化

• Pandas-Bokeh
• plotly-express
• cufflinks
• DataFrame可视化工具

Pandas

• df.head() / df.describe() / df.info() /df.duplicated() / df.shape()
• Series.unique()：缺失值数量
• Series.astype(float)
• Series.str.strip()：Vectorized string functions for Series and Index.

• pd.factorize：编码对象为enumerated type 或者 categorical变量

  对于将数组转换为数值表示时很有用，此时只关注他们是不同的。

• df.corr()：计算其相关系数

• df.dropna()：移除缺失值
• seaborn.barplot ：Show point estimates and confidence intervals as rectangular bars.

• df.duplicated()：返回表示该记录是否与之前记录重复的布尔Series

  • df.duplicated().sum()
  • df[df.duplicated()] : print out duplicated nums
• df.drop_duplicates(inplace=True)
• df.reset_index() ：重置索引，或者是某个level的索引
• df.isnull
• series.isnull()
• DataFrame/Series . apply()：对象进行元素映射，返回新元素组成Series或DataFrame
• series.replace()： 可以多个值一起replace

seaborn

• seaborn.countplot :Show the counts of observations in each categorical bin using bars.

  使用柱状图展示数据每个类别的数量

• sns.countplot(x)

• sns.countplot(x="location",data=zomato_df, palette = "Set1")

  使用data参数传入展示的数据集， Dataset for plotting. If x and y are absent, this is interpreted as wide-form. Otherwise it is expected to be long-form.

• sns.heatmap(corr, annt=True)

matplotlib

• pd.crosstab()：计算两个（或更多）因子的简单交叉表。默认情况下计算因子的频率表，除非传递值数组和聚合函数。
• plt.gcf : 获取当前图表figure

• plt.subplots()

  fig1, ax1 = plt.subplots()
  colors = ['pink', 'skyblue']
  ax1.pie(values, labels=labels, autopct='%1.1f%%',shadow=True,startangle=90,colors=colors)
  plt.title('Online order')
  plt.show()

plt.rcParams['figure.figsize'] = (13, 9)

missingno

• missingno.bar(df): 每个列缺失值数量，以bar图显示。 docs