借助Kesci的K-Lab平台进行Iris数据分析-优快云博客

本文链接：https://blog.youkuaiyun.com/dylan_me/article/details/80931356

之前参加了Kesci网举办的中国联通“沃+海创”开放数据应用大赛，在比赛中认识了许多大牛，同时也认识了Kesci平台的一位李哥。应李哥邀请，帮他们推广一下该平台的实验室，前段时间由于自己事情太多，直到最近才闲下来，遂做了一下整理。

尝试了一下这个在线实验室，不需要自己的线下的环境，可以在线编程。类似jupter notebook，你还可以将自己的ipynb文件从线下导入，方便快捷。它的公开数据集也相当丰富，有Iris、MovieLens、Titanic等数据集。在创建项目的时候，选择你需要的公开数据集即可，它也支持私有数据，然后它会提示你已挂载数据集的路径。

关于线上的操作向导说明：

# 查看当前挂载的数据集目录
!ls /home/kesci/input/

# 查看个人持久化工作区文件
!ls /home/kesci/work/

# 查看当前kernerl下的package
!pip list --format=columns

# 加载数据分析常用库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
% matplotlib inline

对于以上这四段代码向导，最重要的就是第三段了。package是我们当前在线实验室所能支持的所有工作内容。我们还发现package还包括了seaborn、pyecharts、tensorflow、xgboost等，果然是一款强大的在线分析工具。

在利用seaborn可视化来分析Iris数据集之前，我们先对数据字段进行介绍：

	Sepal.Length	Sepal.Width	Petal.Length	Petal.Width	Species
0	5.1	        3.5	        1.4	        0.2	        setosa
1	4.9	        3.0	        1.4	        0.2	        setosa
...	...	        ...	        ...	        ...	        ...
147	6.5	        3.0	        5.2	        2.0	        virginica
148	6.2	        3.4	        5.4	        2.3	        virginica
149	5.9	        3.0	        5.1	        1.8	        virginica

sepal_length:花萼长度，单位cm
sepal_width:花萼宽度，单位cm
petal_length:花瓣长度，单位cm
petal_width:花瓣宽度，单位cm
种类:setosa(山鸢尾)，versicolor(杂色鸢尾)，virginica(弗吉尼亚鸢尾)

我们以Stripplot（细条图）为例

Stripplot的本质就是把数据集中具有定量（quantitative）属性的变量按照类别去做散点图(Scatterplot)。于是，我们将纸鸢花数据集中不同种类花的sepal length做stripplot可视化，代码如下：

import seaborn as sns
plt.figure(1,figsize=(12,6))

plt.subplot(1,2,1)
sns.stripplot(x='Species',y='Sepal.Length',data=iris) #stripplot
plt.title('Striplot of sepal length of Iris species')

with sns.axes_style("whitegrid"): # 这个是临时设置样式的命令，如果不写，则按默认格式'darkgrid'进行绘制
    plt.subplot(1,2,2)
    plt.title('Striplot of sepal length of Iris species')
    sns.stripplot(x='Species',y='Sepal.Length',data=iris,jitter=True) # jitterplot

plt.show()

上边左侧的图片便是在默认风格下用stripplot绘制的散点图。在很多情况下，stripplot中的点会重叠，使得我们不容易看出点的分布情况。一个简单的解决办法就是用在stripplot的基础上绘制抖动图(jitterplot)，仅沿着类别坐标轴的方向去随机微调整点的位置，显示出分布情况。更多seaborn细节，请参考《seaborn可视化学习之 categorial visualization》

以上就是我在K-Lab平台上做的一些尝试，希望能给你一些帮助。