PryNoneTie-优快云博客

原创数据可视化————数据的模型分析

sns.barplot(x='重要性', y='特征', data=feature_importance.head(15))plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签。label=f'ROC曲线 (AUC = {roc_auc:.2f})')}).sort_values('重要性', ascending=False)xticklabels=['恶性', '良性'],yticklabels=['恶性', '良性'])

2025-05-22 07:00:00 568

原创数据可视化————数据的统计分析

sns.barplot(data=df, x='产品类别', y='销售额', ci='sd', estimator=np.mean)sns.regplot(data=df, x='客户数', y='销售额', scatter_kws={'alpha':0.5})'地区': np.random.choice(['东部', '西部', '南部', '北部'], 100)'产品类别': np.random.choice(['A', 'B', 'C', 'D'], 100),

2025-05-21 23:43:41 952

原创数据可视化之————数据的直观分析

pd.crosstab(df['地区'], df['是否会员']).plot(kind='bar', stacked=True, color=['lightcoral', 'lightblue'])sns.pairplot(data=df[['年龄', '收入', '信用评分', '性别']].sample(50), hue='性别', palette='husl')'地区': np.random.choice(['东部', '西部', '南部', '北部'], 200),

2025-04-24 10:15:39 908

原创数据可视化之————思维导图

'性别': ['男', '女', '男', '女', '男', '女', '男', '女', '男', '女', '男', '女', '男', '女', '男']print("\n================ 相关性分析 ================")print("\n================ 可视化分析 ================")print("================ 基本描述统计 ================")

2025-04-24 10:03:24 400

原创数据可视化之————雷达图+箱线图

通过编写和运行箱线图代码，我不仅加深了对箱线图的理解和应用能力，还提高了自己的Python编程技能。箱线图作为一种强大的数据可视化工具，在数据分析和探索中发挥着重要作用。未来，我将继续学习和探索更多的数据可视化技术和方法，并将其应用于实际的数据分析项目中。

2025-04-18 15:00:00 808

原创数据可视化之————面积图+堆叠面积图+散点图+气泡图

面积图适用于展示总量变化和正负趋势对比。堆叠面积图适用于分析各部分对总量的贡献以及随时间的变化，但需注意分层数量。散点图适用于快速观察两变量间的关系。气泡图适用于展示三变量间的关系，但要考虑气泡大小的解释性。在实际应用中，选择哪种图表类型取决于数据的性质和分析目的。此外，还要注意图表的易读性和设计原则，如颜色、标签和标题的使用，以确保图表能够有效传达信息。

2025-04-17 10:33:53 807

原创数据可视化之————柱状图+折线图+饼图

柱状图、折线图和饼图是数据可视化的基石，它们各自适用于不同的分析场景。未来，我将继续探索更高级的可视化工具（如Plotly、Altair）和设计原则，提升数据表达的能力。colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue'] # 每个部分的颜色。柱状图非常适合展示分类数据的对比，例如不同类别的销量、用户数量、考试成绩等。它通过柱子的高度直观地反映数据的大小差异。labels = ['苹果', '香蕉', '橙子', '葡萄']

2025-04-17 10:24:50 1077 1

PryNoneTie的博客