這個可視化分析庫，讓你輕松玩轉數(shù)據(jù)科學！
本期就來給大家講講，有數(shù)據(jù)之后，我們該怎么去做可視化分析。
同樣是大佬造的輪子「Lux」，只需4行代碼就能可視化數(shù)據(jù)集。
A Python API for Intelligent Visual Discovery.
GitHub：https://github.com/lux-org/lux/
文檔地址：https://lux-api.readthedocs.io/
在PyCharm上是無法使用的，只能是在jupyter notebook中用。
jupyter notebook的安裝就不講了，沒有裝的同學，可以自行百度～
首先要在conda默認的環(huán)境「base」中安裝擴展包jupyter_contrib_nbextensions。
#?在conda中安裝
pip?install?-i?https://pypi.tuna.tsinghua.edu.cn/simple?jupyter_contrib_nbextensions
jupyter?contrib?nbextension?install?--user
#?啟動jupyter?notebook
安裝成功后啟動jupyter notebook，會發(fā)現(xiàn)多了一個Tab頁，即Nbextensions(擴展插件)。
然后在conda的base環(huán)境中安裝如下兩個插件。
#?在conda中安裝插件
jupyter?nbextension?install?--py?luxwidget
jupyter?nbextension?enable?--py?luxwidget
上圖的左下角處就會有高亮出現(xiàn)，即插件安裝成功。
如此我們就可以導入這個第三方庫了。
用作者提供的數(shù)據(jù)來看一下。
import?pandas?as?pd
import?lux
#?使用作者提供的數(shù)據(jù)
df?=?pd.read_csv("college.csv")
df
在jupyter notebook中無需使用print()來顯示信息，直接在最后一行加上變量名，就會打印結果，而且還是表格形式。
可以看到，左上角多了個按鈕，可以切換Pandas結果展示和Lux結果展示。
點擊按鈕，得到下圖。
Correlation、Distribution、Occurrence，一共是有3個Tab頁。
Correlation意思是兩個變量的相關性，從左到右12個圖表，相關性逐漸減弱。
Distribution意思是單個變量(數(shù)值屬性)的分布情況(直方圖)，從左到右7個圖表，偏斜由大變小。
Occurrence意思是單個變量(類別屬性)的分布情況(條形圖)，從左到右3個圖表，不均勻度由高到小。
由于作者提供的數(shù)據(jù)都是英文的，不太方便看。
所以小F使用之前一篇文章的數(shù)據(jù)，5000個抖音大V數(shù)據(jù)。
4行Python代碼讀取數(shù)據(jù)，并對其進行可視化分析。
import?pandas?as?pd
import?lux
#?使用抖音數(shù)據(jù)
df?=?pd.read_csv("douyin.csv")
df
得到結果如下。
這里無需其他設置，中文自己就能顯示出來。
其中喜歡數(shù)與粉絲數(shù)有著較強的相關性。這也不難理解，粉絲多，看視頻的人也就多了。
這里由于是對數(shù)據(jù)進行均分(bins)劃分，所以看不太出來分布情況。
至于是否可以自定義設置bins，小F目前也還不清楚～
分類數(shù)據(jù)的情況，這個功能很實用，自動就給你分組匯總計數(shù)，省去不少代碼。
以上就是對數(shù)據(jù)的總覽，下面我們可以對你所感興趣的數(shù)據(jù)進行可視化分析。
import?pandas?as?pd
import?lux
#?使用抖音數(shù)據(jù)
df?=?pd.read_csv("douyin.csv")
#?對你感興趣的數(shù)據(jù)進行可視化分析，這里以視頻數(shù)為例
df.intent?=?["視頻數(shù)"]
df
以視頻數(shù)數(shù)據(jù)為例，得到結果如下。
左側圖表是視頻數(shù)的分布情況，右側是視頻數(shù)與其他變量的情況。
畢業(yè)院校與平均視頻數(shù)的關系，應該是對畢業(yè)院校進行分組計數(shù)后，得出平均視頻數(shù)。
同理，昵稱也是一樣的，只不過頭部賬號的昵稱基本不會出現(xiàn)相同的，和畢業(yè)院校數(shù)據(jù)還是有所不同。
當然，我們還可以使用多個變量數(shù)據(jù)。
import?pandas?as?pd
import?lux
#?使用抖音數(shù)據(jù)
df?=?pd.read_csv("douyin.csv")
#?可以使用多個變量數(shù)據(jù)
df.intent?=?["喜歡數(shù)",?"分類"]
df
選擇喜歡數(shù)、分類變量數(shù)據(jù)，得到結果如下。
左側圖表是分類和平均喜歡數(shù)的情況，右側圖表則是省市、昵稱與平均喜歡數(shù)的關系。
可以看出，最后一張圖和小F之前分析的圖基本差不多，而且還多了一個維度(分類)。
對變量中的特定值再進一步分析。
import?pandas?as?pd
import?lux
#?使用抖音數(shù)據(jù)
df?=?pd.read_csv("douyin.csv")
#?對數(shù)據(jù)的子集再進行分析
df.intent?=?["分類=美女"]
df
上面的代碼會報錯，小F也不知道是什么原因，猜測是中文的問題。
使用作者的例子就沒啥問題～
以上是基于字符串的基本描述，作者還提供了一個高級的方法，可以自定義設置參數(shù)。
lux.Clause，可以設置感興趣的變量值(attribute)、數(shù)據(jù)類型(data_type)、數(shù)據(jù)模型(data_model)、聚合方式(aggregation)等等。
下面就來舉個 ???
import?pandas?as?pd
import?lux
#?使用抖音數(shù)據(jù)
df?=?pd.read_csv("douyin.csv")
#?分析分類數(shù)據(jù)與喜歡數(shù)總和之間的關系
df.intent?=?["分類",lux.Clause("喜歡數(shù)",aggregation="sum")]
df
分類數(shù)據(jù)與喜歡數(shù)總和之間的關系，得到結果如下。
這里通過設置lux.Clause中的aggregation參數(shù)，使得將橫坐標改變?yōu)榭倲?shù)，而不是之前的平均數(shù)。
左側圖表與小F之前做的樹形圖類似，使用的數(shù)據(jù)一摸一樣。
最后，再講一下使用Vis和VisList創(chuàng)建可視化對象及集合。
from?lux.vis.Vis?import?Vis
import?pandas?as?pd
import?lux
#?使用抖音數(shù)據(jù)
df?=?pd.read_csv("douyin.csv")
#?使用Vis進行分析
intent?=?["喜歡數(shù)"]
vis?=?Vis(intent,?df)
vis
得到結果如下。
不能自定義bins，確實是有點難受，Vis可設置參數(shù)如下。
上面是單個變量的分析，使用VisList可設置多個變量。
from?lux.vis.Vis?import?Vis
import?pandas?as?pd
import?lux
#?使用抖音數(shù)據(jù)
df?=?pd.read_csv("douyin.csv")
#?使用VisList進行分析
vc?=?VisList(["分類",lux.Clause(['粉絲數(shù)','喜歡數(shù)','評論數(shù)','分享數(shù)'],aggregation="sum")],df)
vc
結合lux.Clause一起使用，得到結果如下。
VisList可設置參數(shù)如下圖。
