0


Python深度学习:Python数据处理及可视化(读书笔记)

老铁们,我们Python的深度学习开始了,第一篇正式的文章就是数据处理和可视化,我们开始吧!

数据处理与可视化

一、NumPy的初步使用

表格是数据的一般表示形式,但对于机器来说是不可理解的,也就是无法辨识的数据,所以我们需要对表格的形式进行调整。
常用的机器学习表示形式为数据矩阵。
在这里插入图片描述
我们观察这个表格,发现,矩阵中的属性有两种,一种是数值型,一种是布尔型。那么我们现在就建立模型描述这个表格:

#  数据的矩阵化import numpy as np
data = np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184.5,120,2,False],[4,116,70.8,1,False],[5,270,150,4,True]])
row =0for line in data:
    row +=1print( row )print(data.size)print(data)

这里第一行代码的意思就是引入NumPy将其重命名为np。第二行我们使用NumPy中的mat()方法建立一个数据矩阵,row是引入的计算行数的变量。
这里的size意思就是5*5的一个表格,直接打印data就可以看到数据了:
在这里插入图片描述

二、Matplotlib包的使用–图形化数据处理

我们还是看最上面的表格,第二列是房价的差异,我们想直观的看出差别是不容易的(因为只有数字),所以我们希望能够把它画出来(研究数值差异和异常的方法就是绘制数据的分布程度):

import numpy as np
import scipy.stats as stats
import pylab
data =  np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184.5,120,2,False],[4,116,70.8,1,False],[5,270,150,4,True]])
coll =[]for row in data:
    coll.append(row[0,1])

stats.probplot(coll,plot=pylab)
pylab.show()

这个代码的结果就是生成一个图:
在这里插入图片描述
这样我们就能清晰的看出来差异了。

一个坐标图的要求,就是通过不同的行和列表现出数据的具体值。
当然,坐标图我们一样可以展示:
在这里插入图片描述在这里插入图片描述

三、深度学习理论方法–相似度计算(可以跳过)

相似度的计算方法有很多,我们选用最常用的两种,即欧几里得相似度和余弦相似度计算。

1、基于欧几里得距离的相似度计算

欧几里得距离,用来表示三维空间中两个点的真实距离。公式我们其实都知道,只是名字听的少:
在这里插入图片描述
那么我们来看一看它的实际应用:
这个表格是3个用户对物品的打分:
在这里插入图片描述
d12表示用户1和用户2的相似度,那么就有:
在这里插入图片描述
同理,d13:
在这里插入图片描述
可见,用户2更加相似于用户1(距离越小,相似度越大)。

2、基于余弦角度的相似度计算

余弦角度的计算出发点是夹角的不同。
在这里插入图片描述
在这里插入图片描述
可见相对于用户3,用户2与用户1更为相似(两个目标越相似,其线段形成的夹角越小)

四、数据统计的可视化展示(以我们亳州市降水为例)

1、数据的四分位

四分位数,是统计学中分位数的一种,也就是把数据由小到大排列,之后分成四等份,处于三个分割点位置的数据,就是四分位数。
第一四分位数(Q1),也称下四分位数
第二四分位数(Q1),也称中位数
第三四分位数(Q1),也称下四分位数

第三四分位数与第一四分位数的差距又称为四分差距(IQR)。

若n为项数,则:
Q1的位置 = (n+1)0.25
Q2的位置 = (n+1)
0.50
Q3的位置 = (n+1)*0.75

四分位示例:
关于这个rain.csv,有需要的可以私我要文件,我使用的是亳州市2010-2019年的月份降水情况。

from pylab import*import pandas as pd
import matplotlib.pyplot as plot
filepath =("C:\\Users\\AWAITXM\\Desktop\\rain.csv")# "C:\Users\AWAITXM\Desktop\rain.csv"
dataFile = pd.read_csv(filepath)
summary = dataFile.describe()print(summary)

array = dataFile.iloc[:,:].values
boxplot(array)
plot.xlabel("year")
plot.ylabel("rain")
show()

以下是plot运行结果:
在这里插入图片描述
这个是pandas的运行
在这里插入图片描述
这里就可以很清晰的看出来数据的波动范围。
可以看出,不同月份的降水量有很大差距,8月最多,1-4月和10-12月最少。

那么每月的降水增减程度如何比较?

from pylab import*import pandas as pd
import matplotlib.pyplot as plot
filepath =("C:\\Users\\AWAITXM\\Desktop\\rain.csv")# "C:\Users\AWAITXM\Desktop\rain.csv"
dataFile = pd.read_csv(filepath)
summary = dataFile.describe()
minRings =-1
maxRings =99
nrows =11for i inrange(nrows):
    dataRow = dataFile.iloc[i,1:13]
    labelColor =((dataFile.iloc[i,12]- minRings )/(maxRings - minRings))
    dataRow.plot(color = plot.cm.RdYlBu(labelColor),alpha =0.5)
plot.xlabel("Attribute")
plot.ylabel(("Score"))
show()

结果如图:
在这里插入图片描述
可以看出来降水月份并不规律的上涨或下跌。

那么每月降水是否相关?

from pylab import*import pandas as pd
import matplotlib.pyplot as plot
filepath =("C:\\Users\\AWAITXM\\Desktop\\rain.csv")# "C:\Users\AWAITXM\Desktop\rain.csv"
dataFile = pd.read_csv(filepath)
summary = dataFile.describe()
corMat = pd.DataFrame(dataFile.iloc[1:20,1:20].corr())
plot.pcolor(corMat)
plot.show()

结果如图:
在这里插入图片描述
可以看出,颜色分布十分均匀,表示没有多大的相关性,因此可以认为每月的降水是独立行为。

今天就记录到这里了,我们下次再见!希望本文章对你也有所帮助。


本文转载自: https://blog.csdn.net/awaitxm/article/details/122657531
版权归原作者 芝士工具猿 所有, 如有侵权,请联系我们删除。

“Python深度学习:Python数据处理及可视化(读书笔记)”的评论:

还没有评论