· EDA（探索性数据分析）。
· 数据及其类型。
· 使用分类数据。
· Countplot 使用 seaborn。
· 分布图。
· 直方图
· 饼图
· 箱形图
探索性数据分析：
EDA 或探索性数据分析是任何数据分析项目中的关键步骤。它涉及检查和理解数据以发现见解、模式和关系。
在 EDA 中，单变量分析是涉及一次分析单个变量的初始步骤。它有助于了解数据的分布、识别离群值和异常值，并检测潜在的错误或缺失值。
在深入研究单变量分析的类型之前，让我们先对数据进行一个总体概述。数据大致可以分为两类：
数据及其类型
什么是数据和数据类型？
数据可以定义为特定数量的系统记录。它是该数量的不同值一起表示在一个集合中。它是用于特定目的（例如调查或分析）的事实和数据的集合。当以有组织的形式排列时，可以称为信息。
数值数据： 本质上是定量的，可以进一步分为两类：
A。离散数据： 它由整数组成并且是可数的。例如，一个家庭的宠物数量。
b. 连续数据：它被测量并且可以取特定范围内的任何值。例如，一个人的身高。
分类数据： 本质上是定性的，可以进一步分为两类：
A。标称数据： 它由没有内在顺序的类别组成。例如，性别、颜色或汽车类型。
b. 序数数据： 它由具有特定顺序的类别组成。例如，教育资格或等级量表。
单变量分析
使用数据集中的单个列。
可以对数值数据和分类数据执行单变量分析。对于数值数据，我们可以检查均值、中位数和众数等集中趋势的度量，以及方差和标准差等分布的度量。直方图、箱形图和密度图也可用于可视化数据分布。
对于分类数据，我们可以检查每个类别的频率，计算每个类别中观察值的百分比，并绘制条形图以可视化数据分布。
总之，单变量分析是 EDA 中的一个重要步骤，有助于一次理解和探索单个变量。
Countplot 及其参数：
计数图是一种条形图，它使用条形图显示每个分类 bin 中的观测值计数。它通常用于可视化数据集中分类变量的分布。
以下是如何使用 Python 中的 seaborn 库创建计数图的示例：
将 seaborn 导入为 sns
加载样本数据集
tips = sns.load_dataset(“tips”)
创建计数图
sns.countplot(x=”day”, data=tips)
在此示例中，我们正在创建“tips”数据集中“day”列的计数图。生成的图将使用条形图显示每个类别（“周四”、“周五”、“周六”、“周日”）中的观察数量。
sns中可以使用的一些重要参数。countplot() 函数是：
x： 要绘制在 x 轴上的分类变量的名称
数据： 用于绘图的数据集的名称
hue： 另一个分类变量的名称，用于按颜色对条形进行分组
调色板： 用于条形图的调色板
order：在 x 轴上显示类别的顺序
色调顺序： 显示色调变量类别的顺序
饼形图：
饼图是一种圆形统计图形，用于表示数字比例。在饼图中，圆圈代表数据的总值，饼图的每一片代表该值的一部分。饼图通常用于显示分类数据集中每个类别的百分比。
以下是如何使用 Python 的 matplotlib 库创建饼图的示例：
将 matplotlib.pyplot 导入为 plt
＃ 样本数据
labels = ['苹果', '橙子', '香蕉', '芒果']
尺寸 = [30, 25, 20, 25]
创建饼图
图，ax = plt.subplots()
斧头。饼图（大小，标签=标签，autopct='%1.1f%%'，startangle=90）
＃ 添加标题
ax.set_title('水果比例')
显示情节
plt.show()
此代码将创建一个饼图，标签为“Apples”、“Oranges”、“Bananas”和“Mangoes”，大小分别为 30、25、20 和 25。autopct 参数将百分比标签格式化为一位小数，startangle 参数设置第一个切片的起始角度。
以下是可与 pie() 函数一起使用的一些常用参数：
labels：表示每个切片标签的字符串列表。
sizes：代表每个切片大小的数值列表。
autopct：用于格式化百分比标签的字符串或函数。例如，'%1.1f%%' 会将标签格式化为小数点后一位，并带有百分号。
startangle：表示第一个切片起始角度的数值，以度为单位。
explode：一个数值列表，表示每个切片应该从中心分离多远。例如，[0, 0.1, 0, 0] 会将第二个切片与中心隔开 10% 的半径。
shadow：一个布尔值，指示是否在饼图下方绘制阴影。
颜色：用于填充每个切片的颜色列表。例如，['red', 'blue', 'green', 'yellow'] 将用红色填充第一个切片，用蓝色填充第二个切片，依此类推。
饼图对于可视化类别数量相对较少的类别数据很有用。但是，如果切片太多或切片的大小非常相似，则饼图可能会变得难以阅读。在这些情况下，其他类型的图表可能更合适。
直方图：
用于神经数据以了解数据的分布。它将数字数据分成箱（范围）
直方图是数值数据分布的图形表示。它由一组矩形组成，这些矩形的面积与落入特定范围的变量的计数（或频率）成正比。直方图通常用于可视化连续变量的分布。
在 Python 中，我们可以使用 Matplotlib 库中的 hist 函数来创建直方图。这是一个例子：
将 matplotlib.pyplot 导入为 plt
将熊猫导入为 pd
创建样本数据集
data = pd.DataFrame({'年龄': [25, 26, 27, 27, 28, 29, 30, 30, 31, 32, 32, 33, 34, 34, 34, 35, 36, 36, 37, 38]})
创建年龄变量的直方图
plt.hist(data['Age'], bins=5, color='green')
添加标题和标签
plt.title('年龄分布')
plt.xlabel('年龄')
plt.ylabel('频率')
显示情节
plt.show()
在此示例中，我们创建了一个年龄样本数据集，并使用 hist 函数创建了年龄变量的直方图。我们已指定 bin 的数量为 5，条形的颜色为绿色。我们还使用 title、xlabel 和 ylabel 函数向图中添加了标题和标签。最后，我们使用 show 函数显示了绘图。
hist 函数有几个参数可以用来自定义直方图：
bins：用于直方图的 bins 数
范围：指定要包含在直方图中的值范围的元组
density：如果为True，直方图将被归一化以形成概率密度
累积：如果为真，将创建累积直方图
颜色：直方图中条形的颜色
分布图：
它是概率密度函数，用于告诉直方图等数据分布，但它实际上告诉你一个数字的概率。
distplots 是 Python 中 Seaborn 库中的一个函数，用于绘制观察值的单变量分布。它以一个数组或一系列数据作为输入，并在其顶部绘制直方图和核密度估计 (KDE) 图。
这是使用 distplot 的示例
将 seaborn 导入为 sns
将 matplotlib.pyplot 导入为 plt
sns.distplot(df['Age'].dropna(), kde=False, bins=30)
plt.show():
可以与 distplot 一起使用的其他参数包括：
hist（默认值：True）：如果为 True，则绘制数据的直方图。
kde（默认值：True）：如果为 True，则绘制数据的核密度估计值。
地毯（默认值：False）：如果为真，则在数据中的每个观察点绘制一个小的垂直刻度。
fit（默认值：None）：如果提供，则将参数分布拟合到数据并绘制估计的密度曲线。
颜色：设置绘图的颜色。
label：设置绘图的标签。
箱形图：
箱形图是基于五个数字汇总的数值数据分布的图形表示：最小值、第一四分位数 (Q1)、中位数、第三四分位数 (Q3) 和最大值。它也被称为盒须图。
该框表示中间 50% 的数据，框的底部和顶部分别是第一四分位数 (Q1) 和第三四分位数 (Q3)。方框内的线代表中位数。胡须从方框延伸到四分位数间距 (IQR) 的 1.5 倍以内的最小和最大观察值。胡须外的任何数据点都被视为异常值，并绘制为单独的点。
要使用 Python 的 matplotlib 库创建箱线图，我们可以使用 boxplot() 函数。以下参数可用于自定义绘图：
x（必需）：要绘制的数据。
vert：如果为 True（默认），则框是垂直的。如果为 False，则框是水平的。
patch_artist：如果为 True，框将使用填充颜色绘制。
labels：x 轴的刻度标签列表。
showfliers：如果为 True，异常值将被绘制为单个点。
下面是创建箱形图的示例代码：
将 matplotlib.pyplot 导入为 plt
要绘制的数据
数据 = [10、20、30、40、50、60、70、80、90、100]
创建箱线图
plt.boxplot（数据）
添加标题和标签
plt.title(“箱线图”)
plt.xlabel(“数据”)
plt.ylabel(“值”)
显示情节
plt.show()
这将创建一个具有默认设置的简单箱线图。
五数总结包括以下内容：
最小值：数据集中最小的观测值。
Q1：第一个四分位数或第 25 个百分位数，这是 25% 的数据低于该值的值。
中位数：数据集中的中间值，也称为第 50 个百分位数。
Q3：第三个四分位数或第 75 个百分位数，这是低于 75% 数据的值。
最大值：数据集中最大的观测值。
五数汇总可用于快速汇总数据分布并识别任何异常值。
