可视化 Pokemon 数据
Files & media
date
Sep 24, 2021
slug
pokemon
status
Published
tags
pokemon
data
summary
数据结果中看出来, 特征
HP Attack Defense Sp.Atk Sp.Def Speed都是整数, 在df.info()中也能看出来.现在有需求, 如果把这些特征分布进行可视化, 而且要放到一个坐标系中进行比较?type
Post
引入依赖和数据
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import os
path = os.path.expanduser('~/data/cbcpv/pokemon/')
df = pd.read_csv(path + 'pokemon.csv', index_col=0, encoding='cp1252')探索数据
df.sample(5)OUT:
对比并了解下数据集的各个特征类型:
df.info()
# OUT
<class 'pandas.core.frame.DataFrame'>
Int64Index: 151 entries, 1 to 151
Data columns (total 12 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Name 151 non-null object
1 Type 1 151 non-null object
2 Type 2 67 non-null object
3 Total 151 non-null int64
4 HP 151 non-null int64
5 Attack 151 non-null int64
6 Defense 151 non-null int64
7 Sp. Atk 151 non-null int64
8 Sp. Def 151 non-null int64
9 Speed 151 non-null int64
10 Stage 151 non-null int64
11 Legendary 151 non-null bool
dtypes: bool(1), int64(8), object(3)
memory usage: 14.3+ KB可以看到
Type 2这个特征有缺失值, 其他的没有, 而且显示的为正数型, 很符合数据分析的要求.接下来用散点图研究特征
Attack和 Defense的关系sns.lmplot(
x='Attack',
y='Defense',
data=df,
fit_reg=False,
hude='Stage'
)
我们这里参数使用了
fit_reg=False, 隐藏了回归线. 在Seaborn中是没有单独绘制散点图的方法的,但是通过参数设置,实现了散点图的绘制.如果此参数设置为True
接下来用箱线图看下各特征数据分布:
sns.boxplot(data=df)
这个结果显示出,
Total, Stage以及Legendary特征的数据是不适合在这里绘制散点图的, 需要对特征进行适当选择stats_df=df.drop(['Total', 'Stage', 'Legendary'], axis=1)
sns.boxplot(data=stats_df)
这样,比较清晰的看出几个特征的数据分布情况了, 非数字的特征自动摒弃.
在研究Seaborn, 我们知道还有用i中研究数据分布的函数
sns.violinplot, 我们尝试用它绘制特征Attack相对于特征Type 1的数据(这是一个分类行特征)的分布.df['Type 1'].unique()
# OUT
array(['Grass', 'Fire', 'Water', 'Bug', 'Normal', 'Poison', 'Electric',
'Ground', 'Fairy', 'Fighting', 'Psychic', 'Rock', 'Ghost', 'Ice',
'Dragon'], dtype=object)上面显示了特征
Type 1中唯一数据, 即数据的值.sns.set(
style='whitegrid',
rc={
'rigure.figsize':(11.7, 8.27) # 设置了画布的尺寸
}
)
pkmn_type_colors=[
'#78C850', # Grass
'#F08030', # Fire
'#6890F0', # Water
'#A8B820', # Bug
'#A8A878', # Normal
'#A040A0', # Poison
'#F8D030', # Electric
'#E0C068', # Ground
'#EE99AC', # Fairy
'#C03028', # Fighting
'#F85888', # Psychic
'#B8A038', # Rock
'#705898', # Ghost
'#98D8D8', # Ice
'#7038F8', # Dragon
]
sns.violinplot(
x='Type 1',
y='Attack',
data=df,
inner=None, # 去掉提琴图中的竖线
palette=pkmn_type_colors
)
sns.swarmplot(
x='Type 1',
y='Attack',
color='k', # 数据的点的颜色
alpha=0.7
)
plt.title('Attack by Type')
pkmn_type_colors是一个列表, 列出的颜色对应着特征Type 1中的唯一值.因为去掉了提琴图内部的竖线,所以整个图没有太乱, 想知道有竖线的是什么样子, 可以注释掉
inner=None这个参数.之前我们删除了三个特征得到了一个变量
stats_df引用的数据集:stats_df.sample()OUT:
数据结果中看出来, 特征
HP Attack Defense Sp.Atk Sp.Def Speed都是整数, 在df.info()中也能看出来.现在有需求, 如果把这些特征分布进行可视化, 而且要放到一个坐标系中进行比较?参考:
先使用
pd.melt函数, 将所指定的特征进行归并melted_Df=pd.melt(
stats_df,
id_vars=['Name', 'Type 1', 'Type 2'], # 保留的特征
var_name='Stat' # 其余特征规定到这一列内
)
melted_df.sample(10)OUT:
Name
Type 1
Type 2
Stat
value
这样,在
melted_df数据集中的Stat特征中的数据就是分类数据, 值是stats_df中被归并的特征名称.melted_df['Stat'].unique()
# OUT
array(['HP', 'Attack', 'Defense', 'Sp. Atk', 'Sp. Def', 'Speed'],
dtype=object)在此基础上, 我们绘制反应分类特征数据分布的图示.
sns,swarmplot(
x='Stat',
y='value',
data=melted_df
)
还可以在此基础上,再叠加一层分类:
sns.swarmplot(
x='Stat',
y='value',
data=melted_df,
hue='Type 1' # 叠加一层分类
)
plt.legend(bbox_to_anchor=(1, 1), loc=2)