箱线图，QQ图，核密度图，直方图学习及Python代码

箱线图组成原理：

 

 箱线图的用途：

1：检测异常值

 2：比较同类型数据的分布状况定性对比

Python实例（sns库boxplot）

1:检测异常值：（导入工业蒸汽训练数据第一列）

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
train_data=pd.read_csv(r"C:\Users\Administrator\Desktop\数据挖掘项目\蒸汽预测数据\zhengqi_train.txt",sep='\t',encoding='utf-8')
fig = plt.figure(figsize=(4,6)) # 制定图像大小
sns.boxplot(train_data['V0'],orient='v',width=0.5) # 用于查看V0这一列数据是否有异常值
plt.show()

  可以看出在下边缘之下的全为异常值。

 

2：同类数据分部对比（用的少）

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
train_data=pd.read_csv(r"C:\Users\Administrator\Desktop\数据挖掘项目\蒸汽预测数据\zhengqi_train.txt",sep='\t',encoding='utf-8')
 
 
test_data=pd.read_csv(r"C:\Users\Administrator\Desktop\数据挖掘项目\蒸汽预测数据\zhengqi_test.txt",sep='\t',encoding='utf-8')
fig = plt.figure(figsize=(4,4)) # 制定图像大小
plt.subplot(1, 2, 1)
sns.boxplot(train_data['V0'],orient='v',width=0.5)
plt.subplot(1, 2, 2)
sns.boxplot(test_data['V0'],orient='v',width=0.5)
# 分别查看train和test的V0列数据分布状况对比，从图来看，看不出明显分布差异
plt.show()

 

 直方图和QQ图原理：

直方图（y轴为频率/组距）就是绘制数据的分布（加窗平滑后曲线为概率密度曲线），以块状图形式给出。而QQ图原理如下：

 

Python代码原理解析 （注释中含解析）

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
train_data=pd.read_csv(r"C:\Users\Administrator\Desktop\数据挖掘项目\蒸汽预测数据\zhengqi_train.txt",sep='\t',encoding='utf-8')
test_data=pd.read_csv(r"C:\Users\Administrator\Desktop\数据挖掘项目\蒸汽预测数据\zhengqi_test.txt",sep='\t',encoding='utf-8')
plt.figure(figsize=(10,5))
 
plt.subplot(1, 2, 1)
# 绘制VO列数据的分布，并且绘制其曲线（蓝线），同时与标准正态分布（黑线）对比
sns.distplot(train_data['V0'],fit=stats.norm)
plt.subplot(1, 2, 2)
# 数据线与直线重合，说明符合标准正态分布，反之，不符合
stats.probplot(train_data['V0'],plot=plt)
plt.show()

 

 KDE核密度图原理：

绘制单变量的数据分布曲线图（概率密度图），图面积为1。可以看出数据的分布状况，可以理解为对直方图的加窗平滑处理。

作用：通常用来查看同类两组数据的分布情况：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
train_data=pd.read_csv(r"C:\Users\Administrator\Desktop\数据挖掘项目\蒸汽预测数据\zhengqi_train.txt",sep='\t',encoding='utf-8')
test_data=pd.read_csv(r"C:\Users\Administrator\Desktop\数据挖掘项目\蒸汽预测数据\zhengqi_test.txt",sep='\t',encoding='utf-8')
plt.figure(figsize=(10,5))
ax = sns.kdeplot(train_data['V0'], color= "Red")
ax = sns.kdeplot(test_data['V0'], color= "Blue")
ax.set_xlabel('V0')
ax.set_ylabel("概率密度")
ax.legend(["train", "test"])
 
plt.show()