5.1 作圖的重要性

在分析一個數據之前, 我們首先要對數據進行檢查, 在統計上看一下匯總統計, 比如最大值, 最小值, 中位數, 平均值, 方差, 標準差, 變異系數等等.直方圖, 看一下數據的分布情況

箱線圖, 看一下數據的分布, 有無異常值

所謂一圖勝千言.

python中的作圖工具

5.2 散點圖

# Import standard packages

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

import scipy.stats as stats

import seaborn as sns

這里生成了500個隨機數, 使用plot進行作圖

# Generate the data

x = np.random.randn(500)

# Plot-command start ---------------------

plt.plot(x, '.')

# Plot-command end -----------------------

# Show plot

a2 = plt.show()

5.3 直方圖

a3 = plt.hist(x,bins=25)

5.4 箱線圖

a4 = plt.boxplot(x);

?

練習corn.csv

corn是R包agridat中的smith.corn.uniformity玉米數據, 我們來看一下如何對其可視化?

row col plot year yield

1 20 1 101 95 30.0

2 19 1 102 95 29.1

3 18 1 103 95 25.7

4 17 1 104 95 26.3

5 16 1 105 95 30.3

6 15 1 106 95 31.1

首先, 在R中將其保存為corn.csv, 保存到D盤根目錄(方便讀取)

library(agridat)

data(smith.corn.uniformity)

dat = smith.corn.uniformity

head(dat)

write.csv(dat,"d:/corn.csv",row.names = F)

用python讀取數據, 使用pandas包

import pandas as pd

corn = pd.read_csv("d:/corn.csv")

查看前六行

corn.head()

row col plot year yield 0 20 1 101 95 30.0 1 19 1 102 95 29.1 2 18 1 103 95 25.7 3 17 1 104 95 26.3 4 16 1 105 95 30.3

對產量yield作圖

import matplotlib.pyplot as plt

c1 = plt.plot(corn["yield"],".")

c2 = plt.hist(corn["yield"])

c3 = plt.boxplot(corn["yield"])

總結

以上是生活随笔為你收集整理的python生物数据分析_Python学生物统计-数据可视化-学习笔记5的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。