目次
Iris データ セットを読み取ります
データセットの最初の数行を表示
データの基本情報を表示set
列を描画する Figure
ヒストグラムの描画
散布図を描画する
変数間の相関係数行列を計算します
ヒート マップを描画します
散布図を描画するmath
平行座標グラフを描画
ホームページ バックエンド開発 Python チュートリアル Python でデータの視覚化と探索を行う方法

Python でデータの視覚化と探索を行う方法

Oct 21, 2023 am 08:58 AM
python データの視覚化 探検する

Python でデータの視覚化と探索を行う方法

Python でデータの視覚化と探索を実行する方法

データの視覚化と探索は、データ分析の重要な側面の 1 つです。Python では、さまざまな強力な機能の助けを借りて、ライブラリとツールを使用すると、データを簡単に視覚化して探索できます。この記事では、Python で一般的に使用されるデータ視覚化ライブラリとテクニックを紹介し、具体的なコード例を示します。

  1. はじめに
    データビジュアライゼーションとは、抽象的なデータを直感的かつ分かりやすく表示する手法です。視覚化により、データの分布、関係、特性をより深く理解できるようになります。 Matplotlib、Seaborn、Plotly など、Python でのデータ視覚化のためのライブラリやツールが多数あります。
  2. データの準備
    データの視覚化を実行する前に、まず分析するデータを準備する必要があります。この記事では、アヤメ データ セットを例に挙げます。アヤメ データ セットは、UCI 機械学習ライブラリの古典的なデータ セットです。これには、3 種類のアヤメの花 (セトーサ、バーシカラー、バージニカ) の 150 個のサンプルが含まれています。各サンプルには、4 つのアヤメの花が含まれています特徴(がく片の長さ、がく片の幅、花弁の長さ、花弁の幅)が含まれています。

まず、データ処理と分析のために pandas ライブラリをインストールする必要があります。次に、次のコードを使用して Iris データ セットを読み取り、簡単なデータ視覚化の準備をします。

import pandas as pd

Iris データ セットを読み取ります

iris_data = pd。 read_csv ('iris.csv')

データセットの最初の数行を表示

print(iris_data.head())

データの基本情報を表示set

print(iris_data.info())

  1. 単一変数データの視覚化
    単一変数データの視覚化とは、単一変数の分布を視覚化することを指します。一般的に使用される方法には、ヒストグラム、ヒストグラム、箱ひげ図などがあります。

がく片の長さ (がくの長さ) を例として、Matplotlib ライブラリを使用してヒストグラムを描画するコード例は次のとおりです。

import matplotlib.pyplot as plt

列を描画する Figure

plt.bar(iris_data['Species'], iris_data['Sepal length'])
plt.xlabel('Species') # X 軸を設定するlabel
plt.ylabel(' セパルの長さ') # y 軸のラベルを設定します
plt.title('セパルの長さの分布') # グラフのタイトルを設定します
plt.show()

さらに、Seaborn ライブラリを使用して、ヒストグラムの図や箱ひげ図を描画することもできます。以下は、ヒストグラムを描画するコード例です。

import seaborn as sns

ヒストグラムの描画

sns.histplot(data=iris_data, x='Sepal length' , kde =True)
plt.xlabel('Sepal length') # x 軸のラベルを設定します
plt.ylabel('Count') # y 軸のラベルを設定します
plt.title('セパルの長さの分布') #Set chart title
plt.show()

  1. 二重変数データの視覚化
    二重変数データの視覚化とは、2 つの変数間の関係を視覚化することを指します。一般的に使用される方法には、散布図やヒート マップなどがあります。

萼片の長さと花弁の長さを例として、Matplotlib ライブラリを使用して散布図を描画するコード例は次のとおりです。

散布図を描画する

plt.scatter( iris_data['がく片の長さ'], iris_data['花びらの長さ'])
plt.xlabel('がく片の長さ') # x 軸のラベルを設定します
plt.ylabel('花びらlength') # y 軸のラベルを設定します
plt.title('セパルの長さと花弁の長さの関係') # グラフのタイトルを設定します
plt.show()

さらに、 Seaborn ライブラリを使用してヒート マップを描画し、変数間の相関関係を示すこともできます。以下は、ヒート マップを描画するコード例です。

変数間の相関係数行列を計算します

correlation_matrix = iris_data[['がく片の長さ', 'がく片の幅', '花弁の長さ' , ' 花びらの幅']].corr()

ヒート マップを描画します

sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm')
plt.title( 'Correlation Matrix ')
plt.show()

  1. 多変数データの視覚化
    多変数データの視覚化とは、複数の変数間の関係を視覚化することを指します。一般的に使用される方法には、散布行列と平行座標プロットが含まれます。

アイリス データ セットの 4 つの特徴を例として、Seaborn ライブラリを使用して散布行列を描画するコード例は次のとおりです。

散布図を描画するmath

sns.pairplot(iris_data, hue='Species')
plt.show()

さらに、Plotly ライブラリを使用して平行座標プロットを描画することもできます。以下は、平行座標プロットを描画するためのコード例です。

import plotly.express as px

平行座標グラフを描画

fig = px.Parallel_coodys(iris_data, color=') Species')
fig.show()

まとめ
この記事では、Python でのデータの視覚化と探索の方法を紹介し、具体的なコード例を示します。データの視覚化と探索を通じて、データの分布、関係、特性をより深く理解できるようになり、その後のデータ分析とモデリングのための基盤と指針が提供されます。実際のアプリケーションでは、データの価値をさらに探求するために、特定のニーズとデータ特性に基づいて適切な視覚化方法とテクノロジーを選択することもできます。

以上がPython でデータの視覚化と探索を行う方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

Video Face Swap

Video Face Swap

完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

PHPおよびPython:さまざまなパラダイムが説明されています PHPおよびPython:さまざまなパラダイムが説明されています Apr 18, 2025 am 12:26 AM

PHPは主に手順プログラミングですが、オブジェクト指向プログラミング(OOP)もサポートしています。 Pythonは、OOP、機能、手続き上のプログラミングなど、さまざまなパラダイムをサポートしています。 PHPはWeb開発に適しており、Pythonはデータ分析や機械学習などのさまざまなアプリケーションに適しています。

PHPとPythonの選択:ガイド PHPとPythonの選択:ガイド Apr 18, 2025 am 12:24 AM

PHPはWeb開発と迅速なプロトタイピングに適しており、Pythonはデータサイエンスと機械学習に適しています。 1.PHPは、単純な構文と迅速な開発に適した動的なWeb開発に使用されます。 2。Pythonには簡潔な構文があり、複数のフィールドに適しており、強力なライブラリエコシステムがあります。

Python vs. JavaScript:学習曲線と使いやすさ Python vs. JavaScript:学習曲線と使いやすさ Apr 16, 2025 am 12:12 AM

Pythonは、スムーズな学習曲線と簡潔な構文を備えた初心者により適しています。 JavaScriptは、急な学習曲線と柔軟な構文を備えたフロントエンド開発に適しています。 1。Python構文は直感的で、データサイエンスやバックエンド開発に適しています。 2。JavaScriptは柔軟で、フロントエンドおよびサーバー側のプログラミングで広く使用されています。

VSCODE拡張機能は悪意がありますか? VSCODE拡張機能は悪意がありますか? Apr 15, 2025 pm 07:57 PM

VSコード拡張機能は、悪意のあるコードの隠れ、脆弱性の活用、合法的な拡張機能としての自慰行為など、悪意のあるリスクを引き起こします。悪意のある拡張機能を識別する方法には、パブリッシャーのチェック、コメントの読み取り、コードのチェック、およびインストールに注意してください。セキュリティ対策には、セキュリティ認識、良好な習慣、定期的な更新、ウイルス対策ソフトウェアも含まれます。

Visual StudioコードはPythonで使用できますか Visual StudioコードはPythonで使用できますか Apr 15, 2025 pm 08:18 PM

VSコードはPythonの書き込みに使用でき、Pythonアプリケーションを開発するための理想的なツールになる多くの機能を提供できます。ユーザーは以下を可能にします。Python拡張機能をインストールして、コードの完了、構文の強調表示、デバッグなどの関数を取得できます。デバッガーを使用して、コードを段階的に追跡し、エラーを見つけて修正します。バージョンコントロールのためにGitを統合します。コードフォーマットツールを使用して、コードの一貫性を維持します。糸くずツールを使用して、事前に潜在的な問題を発見します。

Windows 8でコードを実行できます Windows 8でコードを実行できます Apr 15, 2025 pm 07:24 PM

VSコードはWindows 8で実行できますが、エクスペリエンスは大きくない場合があります。まず、システムが最新のパッチに更新されていることを確認してから、システムアーキテクチャに一致するVSコードインストールパッケージをダウンロードして、プロンプトとしてインストールします。インストール後、一部の拡張機能はWindows 8と互換性があり、代替拡張機能を探すか、仮想マシンで新しいWindowsシステムを使用する必要があることに注意してください。必要な拡張機能をインストールして、適切に動作するかどうかを確認します。 Windows 8ではVSコードは実行可能ですが、開発エクスペリエンスとセキュリティを向上させるために、新しいWindowsシステムにアップグレードすることをお勧めします。

ターミナルVSCODEでプログラムを実行する方法 ターミナルVSCODEでプログラムを実行する方法 Apr 15, 2025 pm 06:42 PM

VSコードでは、次の手順を通じて端末でプログラムを実行できます。コードを準備し、統合端子を開き、コードディレクトリが端末作業ディレクトリと一致していることを確認します。プログラミング言語(pythonのpython your_file_name.pyなど)に従って実行コマンドを選択して、それが正常に実行されるかどうかを確認し、エラーを解決します。デバッガーを使用して、デバッグ効率を向上させます。

PHPとPython:彼らの歴史を深く掘り下げます PHPとPython:彼らの歴史を深く掘り下げます Apr 18, 2025 am 12:25 AM

PHPは1994年に発信され、Rasmuslerdorfによって開発されました。もともとはウェブサイトの訪問者を追跡するために使用され、サーバー側のスクリプト言語に徐々に進化し、Web開発で広く使用されていました。 Pythonは、1980年代後半にGuidovan Rossumによって開発され、1991年に最初にリリースされました。コードの読みやすさとシンプルさを強調し、科学的コンピューティング、データ分析、その他の分野に適しています。

See all articles