[PYTHON] Erstellt eine Methode zur automatischen Auswahl und Visualisierung eines geeigneten Diagramms für Pandas DataFrame

Einführung

Ich frage mich oft, welches Diagramm ich zur Visualisierung von Daten verwenden soll. Daher habe ich beim letzten Mal die Diagramme zusammengefasst, die für jeden Typ von erklärender Variable und objektiver Variable geeignet sind (Erklärende Variable, Visualisierungsmethode von Daten nach objektiver Variable). Ich dachte jedoch, ich schreibe "Ich werde das bald vergessen!" Aus diesem Grund habe ich eine Methode erstellt, die den Variablentyp automatisch ermittelt und ein geeignetes Diagramm zeichnet.

Letzte Zusammenfassung

Die geeignete Seaborn-Methode für jede Art von erklärender Variable und objektiver Variable (ob es sich um eine diskrete Größe handelt oder nicht) ist wie folgt. Einzelheiten finden Sie im vorherigen Artikel über den obigen Link.

Methodeninhalt

Unten ist der Code für meine eigene Methode.

import matplotlib.pyplot as plt
import seaborn as sns

def visualize_data(data, target_col):
    
    for key in data.keys():
        
        if key==target_col:
            continue
            
        length=10
        subplot_size=(length, length/2)
        
        if is_categorical(data, key) and is_categorical(data, target_col):

            fig, axes=plt.subplots(1, 2, figsize=subplot_size)
            sns.countplot(x=key, data=data, ax=axes[0])
            sns.countplot(x=key, data=data, hue=target_col, ax=axes[1])
            plt.tight_layout()
            plt.show()

        elif is_categorical(data, key) and not is_categorical(data, target_col):

            fig, axes=plt.subplots(1, 2, figsize=subplot_size)
            sns.countplot(x=key, data=data, ax=axes[0])
            sns.violinplot(x=key, y=target_col, data=data, ax=axes[1])
            plt.tight_layout()
            plt.show()

        elif not is_categorical(data, key) and is_categorical(data, target_col):

            fig, axes=plt.subplots(1, 2, figsize=subplot_size)
            sns.distplot(data[key], ax=axes[0], kde=False)
            g=sns.FacetGrid(data, hue=target_col)
            g.map(sns.distplot, key, ax=axes[1], kde=False)
            axes[1].legend()
            plt.tight_layout()
            plt.close()
            plt.show()

        else:

            sg=sns.jointplot(x=key, y=target_col, data=data, height=length*2/3)
            plt.show()            

Die is_categorical lautet wie folgt.

def is_categorical(data, key):
    
    col_type=data[key].dtype
    
    if col_type=='int':
        
        nunique=data[key].nunique()
        return nunique<6
    
    elif col_type=="float":
        return False
    
    else:
        return True

Der Umriss ist

• Übergeben Sie die Daten, die Sie visualisieren möchten (pandas.DataFrame), an Daten und den Schlüssel der Zielvariablen an target_col.
• Verwenden Sie die is_categorical-Methode, um festzustellen, ob die erklärenden und objektiven Variablen diskret oder kontinuierlich sind, und visualisieren Sie sie mit der entsprechenden Seaborn-Methode.

Es ist geworden. Wenn der Datentyp int ist, wenn es 6 oder mehr Arten von Werten gibt, ist es eine kontinuierliche Größe, und wenn es nur 5 oder weniger Arten von Werten gibt, ist es eine diskrete Größe. Um ehrlich zu sein, gibt es hier Raum für Verbesserungen im Urteil.

Anwenden

Wenden Sie es auf Titandaten an (nur eine Kopie, da das Ergebnis lang ist).

import pandas as pd

data=pd.read_csv("train.csv")
data=data.drop(["PassengerId", "Name", "Ticket", "Cabin"], axis=1) #Schließt eindeutige Werte aus

visualize_data(data, "Survived")

Ich konnte für jeden Typ automatisch ein passendes Diagramm zeichnen!

Am Ende

In dem zuvor veröffentlichten GitHub zusammen mit Methode, um einen Überblick über Daten mit Pandas zu erhalten angehoben. Bitte benutzen Sie es! Ich möchte in Zukunft verschiedene Vorverarbeitungen automatisieren.