练习题Kesci链接: link

文章目录

Reading in the datasetPie chartBar plotBox plot

Reading in the dataset

思路：

创建特征名字的字典（从zip类型中用for语句创建字典的标签和内容） feature_dict = {i:label for i,label in zip( range(4), ('sepal length in cm', 'sepal width in cm', 'petal length in cm', 'petal width in cm', ))} 读取数据。 df=pd.read_csv("../input/iris/iris.csv",header=0,sep=',') 源文件第一行不是数据，因此传入参数header将第一行设置为列的标头，传入参数sep表示源文件是用,作为分隔符的。重新设置列名。 df.columns = [l for i,l in sorted(feature_dict.items())] + ['class label'] sorted()函数返回一个排序后的二维数组，再用for语句提取相应的列名。去除缺失值所在的行。df.dropna(how="all", inplace=True)

Pie chart

思路：

提取感兴趣的数据。 X = df[['sepal length in cm', 'sepal width in cm', 'petal length in cm', 'petal width in cm']].values y = df['class label'].values 将字符串转化为整型数据。 from sklearn.preprocessing import LabelEncoder enc = LabelEncoder() label_encoder = enc.fit(y) y = label_encoder.transform(y)

利用LabelEncoder将class label中的字符串拟合成整型数据，以便于对列数据的分类，方便后面对列中不同类的数量进行统计。

建立一个字典匹配上面的整型数据和字符串。 label_dict = {0: 'Setosa', 1: 'Versicolor', 2:'Virginica'}绘制扇形图。 plt.pie( [X[y==i].shape[0] for i in range(3)], labels=[label_dict[i] for i in range(3)], shadow=True, colors=('yellowgreen', 'lightskyblue', 'gold'), startangle=90, # rotate conter-clockwise by 90 degrees autopct='%1.1f%%', # display fraction as percentage )

上述的1,2,3步为了方便数据的导入和labels的设置。

Bar plot

思路：

因为Pie chart中的第二部已经把class label中的字符串拟合成整型数据，因此可以利用它作为分类的手段，用于计算分组后的结果。因为此时['sepal length in cm', 'sepal width in cm', 'petal length in cm', 'petal width in cm']的数值横向排列，因此用mean(axis=0)可计算各种class label的平均值。 mean_vals = [X[y==i,:].mean(axis=0) for i in range(3)] labels = [attr_dict[i] for i in range(4)] 每种class label的平均值可以画一个柱状图，现在要把3种class label的柱状图和成一个柱状图。 pos = np.arange(4) width = 0.2 # Plotting the bars fig, ax = plt.subplots(figsize=(8,6)) plt.bar(pos, mean_vals[0], width, alpha=0.5, color='g', label=labels[0]) plt.bar([p + width for p in pos], mean_vals[1], width, alpha=0.5, color='b', label=labels[1]) plt.bar([p + width*2 for p in pos], mean_vals[2], width, alpha=0.5, color='r', label=labels[2]) 设置轴标签、刻度、标题、上下限、图例、栅格等等 # Setting axis labels and ticks ax.set_ylabel('cm') ax.set_title('Average values for the flower dimensions') ax.set_xticks([p + 1.5 * width for p in pos]) ax.set_xticklabels(labels) # Setting the x-axis and y-axis limits plt.xlim(min(pos)-width, max(pos)+width*4) # Adding the legend and showing the plot plt.legend([label_dict[i] for i in range(3)], loc='upper right') # adding horizontal grid lines ax.yaxis.grid(True)

Box plot

思路：

同样，提取各种class label对应的petal width in cm特征的数据所组成的array，并把3个array合成一个array作为plt.boxplot的数据输入。 [X[y==i,3] for i in range(3)]绘制箱型图。 bplot = plt.boxplot([X[y==i,3] for i in range(3)], notch=True, # notch shape vert=True, # vertical box aligmnent sym='ko', # black circle for outliers patch_artist=True) # fill with color 设置箱型图的颜色、晶须(whiskers)、箱盖(caps)、轴刻度、栅格、标题等等。 # choosing custom colors to fill the boxes colors = ['pink', 'lightblue', 'lightgreen'] for patch, color in zip(bplot['boxes'], colors): patch.set_facecolor(color) # modifying the whiskers: straight lines, black, wider for whisker in bplot['whiskers']: whisker.set(color='black', linewidth=1.2, linestyle='-') # making the caps a little bit wider for cap in bplot['caps']: cap.set(linewidth=1.2) # hiding axis ticks plt.tick_params(axis="both", which="both", bottom="off", top="off", labelbottom="on", left="off", right="off", labelleft="on") # adding horizontal grid lines ax.yaxis.grid(True) plt.xticks([y+1 for y in range(4)], [label_dict[i] for i in range(3)]) plt.ylim([0,3]) plt.title('Petal widths of the three different flower species') plt.ylabel('cm')