visualization.md

数据统计分析 基于python和第三方库进行数据处理和分析，主要使用pandas、plotly、matplotlib等库，具体案例：

电子产品（手机）销售分析： （1）不同内存下的销量(代码片段) nei_cun = color_size["Number_GB"].value_counts().reset_index() nei_cun.columns = ["Number_of_GB","Count"] # 重命名 nei_cun["Number_of_GB"] = nei_cun["Number_of_GB"].apply(lambda x: str(x) + "GB")

fig = px.pie(nei_cun, values="Count", names="Number_of_GB") fig.show()

（2）不同闪存Ram下的价格分布（代码片段）

fig = px.box(df, y="Sale Price",color="Ram")

fig.update_layout(height=600, width=800, showlegend=False)

fig.update_layout( title={ "text":'不同闪存下的价格分布', "y":0.96,
"x":0.5,
"xanchor":"center",
"yanchor":"top"
},

xaxis_tickfont_size=12,   
yaxis=dict(
    title='Distribution',  
    titlefont_size=16,  
    tickfont_size=12,  
),
legend=dict(
    x=0,  
    y=1,
    bgcolor='rgba(255, 255, 255, 0)',  
    bordercolor='rgba(2, 255, 255, 0)'   
)

)

fig.show()

7万条餐饮数据分析 fig = px.bar(df2_top3,x="行政区",y="店铺数量",color="类别",text="店铺数量") fig.update_layout(title="不同行政区下不同类别的店铺数量对比") fig.show() 复制

不同店铺下的点评数量对比：

4个指标的关系：口味、环境、服务和人均消费

基于python实现RFM模型（用户画像） RFM模型是客户关系管理（CRM）中的一种重要分析模型，用于衡量客户价值和客户创利能力。该模型通过以下三个指标来评估客户的价值和发展潜力：

近期购买行为（R）：指的是客户最近一次购买的时间间隔。这个指标可以反映客户的活跃程度和购买意向，进而判断客户的质量和潜在价值。 购买的总体频率（F）：指的是客户在一定时间内购买商品的次数。这个指标可以反映客户对品牌的忠诚度和消费习惯，进而判断客户的潜力和价值。 花了多少钱（M）：指的是客户在一定时间内购买商品的总金额。这个指标可以反映客户的消费能力和对品牌的认可度，进而判断客户的价值和潜力。 计算R、F、M三个指标值：

data['Recency'] = (datetime.now().date() - data['PurchaseDate'].dt.date).dt.days

frequency_data = data.groupby('CustomerID')['OrderID'].count().reset_index()

重命名

frequency_data.rename(columns={'OrderID': 'Frequency'}, inplace=True)

monetary_data = data.groupby('CustomerID')['TransactionAmount'].sum().reset_index() monetary_data.rename(columns={'TransactionAmount': 'MonetaryValue'}, inplace=True)

可视化主要是讲解了matplotlib的3D图和统计相关图形的绘制和plotly_express的入门：

(1) matplotlib的3D图形绘制

plt.style.use('fivethirtyeight') fig = plt.figure(figsize=(8,6))

ax = fig.gca(projection='3d')

z = np.linspace(0, 20, 1000) x = np.sin(z) y = np.cos(z)

surf=ax.plot3D(x,y,z)

z = 15 * np.random.random(200) x = np.sin(z) + 0.1 * np.random.randn(200) y = np.cos(z) + 0.1 * np.random.randn(200) ax.scatter3D(x, y, z, c=z, cmap='Greens')

plt.show()

plt.style.use('fivethirtyeight') fig = plt.figure(figsize=(14,8))

ax = plt.axes(projection='3d') ax.plot_surface(x, y, z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')

ax.set_title('surface')

ax.set(xticklabels=[], # 隐藏刻度

yticklabels=[],

zticklabels=[])

plt.show()

(2) 统计图形绘制

绘制箱型图：

np.random.seed(10) D = np.random.normal((3, 5, 4), (1.25, 1.00, 1.25), (100, 3))

fig, ax = plt.subplots(2, 2, figsize=(9,6), constrained_layout=True)

ax[0,0].boxplot(D, positions=[1, 2, 3]) ax[0,0].set_title('positions=[1, 2, 3]')

ax[0,1].boxplot(D, positions=[1, 2, 3], notch=True) # 凹槽显示 ax[0,1].set_title('notch=True')

ax[1,0].boxplot(D, positions=[1, 2, 3], sym='+') # 设置标记符号 ax[1,0].set_title("sym='+'")

ax[1,1].boxplot(D, positions=[1, 2, 3], patch_artist=True, showmeans=False, showfliers=False, medianprops={"color": "white", "linewidth": 0.5}, boxprops={"facecolor": "C0", "edgecolor": "white", "linewidth": 0.5}, whiskerprops={"color": "C0", "linewidth": 1.5}, capprops={"color": "C0", "linewidth": 1.5}) ax[1,1].set_title("patch_artist=True")

设置每个子图的x-y轴的刻度范围

for i in np.arange(2): for j in np.arange(2): ax[i,j].set(xlim=(0, 4), xticks=[1,2,3], ylim=(0, 8), yticks=np.arange(0, 9))

plt.show()

绘制栅格图：

np.random.seed(1) x = [2, 4, 6] D = np.random.gamma(4, size=(3, 50))

plt.style.use('fivethirtyeight')

fig, ax = plt.subplots(2, 2, figsize=(9,6), constrained_layout=True)

默认栅格图-水平方向

ax[0,0].eventplot(D) ax[0,0].set_title('default')

垂直方向

ax[0,1].eventplot(D, orientation='vertical', lineoffsets=[1,2,3]) ax[0,1].set_title("orientation='vertical', lineoffsets=[1,2,3]")

ax[1,0].eventplot(D, orientation='vertical', lineoffsets=[1,2,3], linelengths=0.5) # 线条长度 ax[1,0].set_title('linelengths=0.5')

ax[1,1].eventplot(D, orientation='vertical', lineoffsets=[1,2,3], linelengths=0.5, colors='orange') ax[1,1].set_title("colors='orange'")

plt.show() 复制

(3) plotly_express入门 使用plotly_express如何快速绘制散点图、散点矩阵图、气泡图、箱型图、小提琴图、经验累积分布图、旭日图等

机器学习 基于机器学习的Titanic生存预测 目标变量分析： 相关性分析：

基于树模型的特征重要性排序代码：

f,ax=plt.subplots(2,2,figsize=(15,12))

1、模型

rf=RandomForestClassifier(n_estimators=500,random_state=0)

2、训练

rf.fit(X,Y)

3、重要性排序

pd.Series(rf.feature_importances_, X.columns).sort_values(ascending=True).plot.barh(width=0.8,ax=ax[0,0])

4、添加标题

ax[0,0].set_title('Feature Importance in Random Forests')

ada=AdaBoostClassifier(n_estimators=200,learning_rate=0.05,random_state=0) ada.fit(X,Y) pd.Series(ada.feature_importances_, X.columns).sort_values(ascending=True).plot.barh(width=0.8,ax=ax[0,1],color='#9dff11') ax[0,1].set_title('Feature Importance in AdaBoost')

gbc=GradientBoostingClassifier(n_estimators=500,learning_rate=0.1,random_state=0) gbc.fit(X,Y) pd.Series(gbc.feature_importances_, X.columns).sort_values(ascending=True).plot.barh(width=0.8,ax=ax[1,0],cmap='RdYlGn_r') ax[1,0].set_title('Feature Importance in Gradient Boosting')

xgbc=xg.XGBClassifier(n_estimators=900,learning_rate=0.1) xgbc.fit(X,Y) pd.Series(xgbc.feature_importances_, X.columns).sort_values(ascending=True).plot.barh(width=0.8,ax=ax[1,1],color='#FD0F00') ax[1,1].set_title('Feature Importance in XgBoost')

plt.show()
复制 不同模型对比：

基于KNN算法的iris数据集分类 特征分布情况：

pd.plotting.scatter_matrix(X_train, c=y_train, figsize=(15, 15), marker='o', hist_kwds={'bins': 20}, s=60, alpha=.8 )

plt.show() 复制

混淆矩阵：

from sklearn.metrics import classification_report,f1_score,accuracy_score,confusion_matrix sns.heatmap(confusion_matrix(y_pred, y_test), annot=True) plt.show() 复制

对新数据预测：

x_new = np.array([[5, 2.9, 1, 0.2]])

prediction = knn.predict(x_new) 复制 基于随机森林算法的员工流失预测 不同教育背景下的人群对比：

fig = go.Figure(data=[go.Pie( labels=attrition_by['EducationField'], values=attrition_by['Count'], hole=0.4, marker=dict(colors=['#3CAEA3', '#F6D55C']), textposition='inside' )])

fig.update_layout(title='Attrition by Educational Field', font=dict(size=12), legend=dict( orientation="h", yanchor="bottom", y=1.02, xanchor="right", x=1 ))

fig.show() 复制

年龄和月收入关系：

类型编码：

from sklearn.preprocessing import LabelEncoder le = LabelEncoder()

df['Attrition'] = le.fit_transform(df['Attrition']) df['BusinessTravel'] = le.fit_transform(df['BusinessTravel']) df['Department'] = le.fit_transform(df['Department']) df['EducationField'] = le.fit_transform(df['EducationField']) df['Gender'] = le.fit_transform(df['Gender']) df['JobRole'] = le.fit_transform(df['JobRole']) df['MaritalStatus'] = le.fit_transform(df['MaritalStatus']) df['Over18'] = le.fit_transform(df['Over18']) df['OverTime'] = le.fit_transform(df['OverTime']) 复制 相关性分析：

基于LSTM的股价预测 LSTM网络模型搭建：

from keras.models import Sequential from keras.layers import Dense, LSTM

model = Sequential()

输入层

model.add(LSTM(128, return_sequences=True, input_shape= (xtrain.shape[1], 1)))

隐藏层

model.add(LSTM(64, return_sequences=False)) model.add(Dense(25))

输出层

model.add(Dense(1))

模型概览

model.summary() 复制 交叉验证实现：

k = 5 number_val = len(xtrain) // k # 验证数据集的大小 number_epochs = 20 all_mae_scores = [] all_loss_scores = []

for i in range(k): # 只取i到i+1部分作为验证集 vali_X = xtrain[i * number_val: (i+1) * number_val] vali_y = ytrain[i * number_val: (i+1) * number_val]

# 训练集
part_X_train = np.concatenate([xtrain[:i * number_val],
                              xtrain[(i+1) * number_val:]],
                              axis=0
                             ) 
part_y_train = np.concatenate([ytrain[:i * number_val],
                              ytrain[(i+1) * number_val:]],
                              axis=0
                             )

print("pxt: \n",part_X_train[:3])
print("pyt: \n",part_y_train[:3])

# 模型训练
history = model.fit(part_X_train,
                    part_y_train,
                    epochs=number_epochs,
                    # 传入验证集的数据
                    validation_data=(vali_X, vali_y),
                    batch_size=300,
                    verbose=0  # 0-静默模式 1-日志模式
                   )

mae_history = history.history["mae"]
loss_history = history.history["loss"]
all_mae_scores.append(mae_history)
all_loss_scores.append(loss_history)

复制 时序预测 基于AMIRA的销量预测 自相关性图：

偏自相关性：

预测未来10天

p,d,q = 5,1,2 model = sm.tsa.statespace.SARIMAX(df['Revenue'], order=(p, d, q), seasonal_order=(p, d, q, 12)) model = model.fit() model.summary() ten_predictions = model.predict(len(df), len(df) + 10) # 预测10天 复制

基于prophet的天气预测 特征间的关系：

预测效果：

其他案例 python的6种实现99乘法表 提供2种：

for i in range(1, 10): for j in range(1, i+1): # 例如33、44的情况，必须保证j能取到i值，所以i+1；range函数本身是不包含尾部数据 print(f'{j}x{i}={ij} ', end="") # end默认是换行；需要改成空格 print("\n") # 末尾自动换空行 复制 for i in range(1, 10): # 外层循环 j = 1 # 内层循环初始值 while j <= i: # 内层循环条件：从1开始循环 print("{}x{}={}".format(i,j,(ij)), end=' ') # 输出格式 j += 1 # j每循环一次加1，进入下次，直到j<=i的条件不满足，再进入下个i的循环中 print("\n") 复制 i = 1 # i初始值

while i <= 9: # 循环终止条件 j = 1 # j初始值 while j <= i: # j的大小由i来控制 print(f'{i}x{j}={i*j} ', end='') j += 1 # j每循环一次都+1，直到j<=i不再满足，跳出这个while循环 i += 1 # 跳出上面的while循环后i+1，只要i<9就换行进入下一轮的循环；否则结束整个循环 print('\n') 复制 python实现简易计算器（GUI界面） 提供部分代码：

import tkinter as tk

root = tk.Tk()
root.title("Standard Calculator")
root.resizable(0, 0)

e = tk.Entry(root, width=35, bg='#f0ffff', fg='black', borderwidth=5, justify='right', font='Calibri 15')

e.grid(row=0, column=0, columnspan=3, padx=12, pady=12)

点击按钮

def buttonClick(num): temp = e.get( )
e.delete(0, tk.END)
e.insert(0, temp + num)

清除按钮

def buttonClear():
e.delete(0, tk.END)

def buttonGet(oper):
global num1, math
num1 = e.get()
math = oper
e.insert(tk.END, math) try: num1 = float(num1)
except ValueError:
buttonClear()