Подключение библиотек и скриптов
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# Считываем датасет
df = pd.read_csv('bank.csv', sep=';')
df.sample(n=10)
age | job | marital | education | default | balance | housing | loan | contact | day | month | duration | campaign | pdays | convert | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
17100 | 42 | management | divorced | secondary | no | 284 | no | no | cellular | 25 | 7 | 1173 | 4 | -1 | 0 |
22678 | 58 | blue-collar | married | unknown | no | 9 | no | no | cellular | 25 | 8 | 50 | 23 | -1 | 0 |
35195 | 35 | technician | married | secondary | no | 883 | yes | no | cellular | 7 | 5 | 333 | 1 | 351 | 0 |
13117 | 59 | retired | divorced | primary | no | 830 | no | yes | cellular | 8 | 7 | 116 | 1 | -1 | 0 |
29034 | 42 | entrepreneur | married | secondary | no | 46 | no | no | cellular | 2 | 2 | 1013 | 1 | -1 | 0 |
44256 | 27 | admin. | married | tertiary | no | 2855 | no | no | cellular | 22 | 7 | 138 | 2 | 178 | 1 |
12587 | 44 | blue-collar | married | secondary | no | 978 | no | no | unknown | 3 | 7 | 385 | 6 | -1 | 0 |
5828 | 31 | services | divorced | secondary | no | -274 | yes | no | unknown | 26 | 5 | 283 | 1 | -1 | 0 |
30224 | 57 | management | married | tertiary | no | 297 | no | no | cellular | 5 | 2 | 633 | 1 | -1 | 0 |
14888 | 34 | blue-collar | married | primary | no | 602 | yes | no | cellular | 16 | 7 | 680 | 1 | -1 | 0 |
Стандартный синтаксис создания графика
plt.figure(figsize=(8, 6))
plt.plot([0, 1, 2, 3], [10, 9, 6, 1])
plt.xlabel('x')
plt.ylabel('y')
plt.title('Example')
plt.grid();
# Готовим данные для графика в виде сводной таблицы
data = df.groupby('month')['job'].agg(count='count').reset_index().sort_values(by='month')
data.head()
month | count | |
---|---|---|
0 | 1 | 1403 |
1 | 2 | 2649 |
2 | 3 | 477 |
3 | 4 | 2932 |
4 | 5 | 13766 |
Matplotlib
plt.figure(figsize=(6, 4))
plt.plot(data['month'], data['count'])
plt.title('Динамика охвата рекламных кампаний')
plt.xlabel('Месяц')
plt.ylabel('Кол-во клиентов');
Seaborn
plt.figure(figsize=(6, 4))
sns.lineplot(x=data['month'], y=data['count'])
plt.title('Динамика охвата рекламных кампаний')
plt.xlabel('Месяц')
plt.ylabel('Кол-во клиентов');
Matplotlib
plt.figure(figsize=(6, 4))
plt.hist(df['age'], bins=15)
plt.title('Возраст клиентов банка')
plt.xlabel('Интервал, лет')
plt.ylabel('Кол-во клиентов')
Text(0, 0.5, 'Кол-во клиентов')
Seaborn
plt.figure(figsize=(6, 4))
sns.histplot(df['age'], bins=15)
plt.title('Возраст клиентов банка')
plt.xlabel('Интервал, лет')
plt.ylabel('Кол-во клиентов');
# Готовим данные для графика в виде сводной таблицы
data = df.groupby('age')['convert'].sum().reset_index()
data.head()
age | convert | |
---|---|---|
0 | 18 | 7 |
1 | 19 | 11 |
2 | 20 | 15 |
3 | 21 | 22 |
4 | 22 | 40 |
Matplotlib
plt.figure(figsize=(6, 4))
plt.scatter(data['age'], data['convert'])
plt.title('График разброса значений')
plt.xlabel('Возраст')
plt.ylabel('Покупки');
Seaborn
plt.figure(figsize=(6, 4))
sns.scatterplot(x=data['age'], y=data['convert'])
plt.title('График разброса значений')
plt.xlabel('Возраст')
plt.ylabel('Покупки');
# Готовим данные для графика
data = df['job'].value_counts().reset_index()
data.head()
index | job | |
---|---|---|
0 | blue-collar | 9732 |
1 | management | 9458 |
2 | technician | 7597 |
3 | admin. | 5171 |
4 | services | 4154 |
Matplotlib
plt.figure(figsize=(6, 4))
plt.bar(data['index'], data['job'])
plt.title('Род занятий клиентов банка')
plt.xlabel('Род занятий')
plt.ylabel('Кол-во')
plt.xticks(rotation=30);
Seaborn
plt.figure(figsize=(6, 4))
sns.barplot(x=data['index'], y=data['job'])
plt.title('Род занятий клиентов банка')
plt.xlabel('Род занятий')
plt.ylabel('Кол-во')
plt.xticks(rotation=30);
# Готовим данные для графика
data = pd.crosstab(df['job'], df['convert']).reset_index().sort_values(by=0, ascending=False)
data.rename(columns={0: 'no', 1: 'yes'}, inplace=True)
data.head()
convert | job | no | yes |
---|---|---|---|
1 | blue-collar | 9024 | 708 |
4 | management | 8157 | 1301 |
9 | technician | 6757 | 840 |
0 | admin. | 4540 | 631 |
7 | services | 3785 | 369 |
# Строим столбчатую многорядную диаграмму
plt.figure(figsize=(8, 6))
# определяем кол-во делений
n_ticks = np.arange(len(data['no']))
# определяем сдвиг
offset = 0.2
# определяем ширину столбцов
w = 0.4
# добавляем сдвиг к кол-ву делений
plt.bar(n_ticks - offset, data['no'], width=w)
plt.bar(n_ticks + offset, data['yes'], width=w)
plt.title('Род занятий клиентов банка, открывших депозит')
plt.xlabel('Род занятий')
plt.ylabel('Кол-во')
plt.legend(['no', 'yes'])
plt.xticks(n_ticks, data['job'], rotation = 30); # добавляем метки делений
# Готовим данные для графика
data = pd.crosstab(df['job'], df['convert'], normalize='index').reset_index().sort_values(by=0, ascending=False)
data.rename(columns={0: 'no', 1: 'yes'}, inplace=True)
data.head()
convert | job | no | yes |
---|---|---|---|
1 | blue-collar | 0.927250 | 0.072750 |
2 | entrepreneur | 0.917283 | 0.082717 |
3 | housemaid | 0.912097 | 0.087903 |
7 | services | 0.911170 | 0.088830 |
9 | technician | 0.889430 | 0.110570 |
# Строим столбчатую многорядную сложенную диаграмму
plt.figure(figsize=(8, 6))
plt.bar(data['job'], data['no'])
plt.bar(data['job'], data['yes'], bottom=data['no'])
plt.title('Род занятий клиентов банка, открывших депозит')
plt.xlabel('Род занятий')
plt.ylabel('Доля клиентов')
plt.legend(['no', 'yes'])
plt.xticks(rotation = 30);
# Готовим данные для графика
data1 = df['duration'][df['convert'] == 1]
data2 = df['duration'][df['convert'] == 0]
data1.head()
83 1042 86 1467 87 1389 129 579 168 673 Name: duration, dtype: int64
plt.figure(figsize=(6, 4))
sns.boxplot(data=[data1]);
sns.histplot(x=data1);
Matplotlib
# Строим боксплот
plt.figure(figsize=(6, 4))
plt.boxplot([data1, data2])
plt.title('Время последнего контакта')
plt.xlabel('Совершили покупку')
plt.ylabel('Время в секундах')
plt.xticks([1, 2], ['yes', 'no']);
# Строим боксплот без выбросов
plt.figure(figsize=(6, 4))
plt.boxplot([data1, data2], showfliers=False)
plt.title('Время последнего контакта')
plt.xlabel('Совершили покупку')
plt.ylabel('Время в секундах')
plt.xticks([1, 2], ['yes', 'no']);
Seaborn
# Строим боксплот без выбросов
plt.figure(figsize=(6, 4))
sns.boxplot(data=[data1, data2], showfliers=False)
plt.title('Время последнего контакта')
plt.xlabel('Совершили покупку')
plt.ylabel('Время в секундах')
plt.xticks([0, 1], ['yes', 'no']);
# Готовим данные для графика
data = df['convert'].value_counts()
data.index = ['no', 'yes']
data.head()
no 39922 yes 5289 Name: convert, dtype: int64
Matplotlib
# Строим круговую диаграмму
plt.figure(figsize=(6, 4))
plt.pie(data, autopct='%1.1f%%')
plt.title('Доля клиентов банка, открывших депозит')
plt.legend(data.index);
Описание датасета
Статистические данные о ряде домов в Калифорнии, основанные на переписи 1990 года.
df = pd.read_csv('housing.csv', sep=';')
df.head()
longitude | latitude | housing_median_age | total_rooms | total_bedrooms | population | median_income | median_house_value | ocean_proximity | INLAND | |
---|---|---|---|---|---|---|---|---|---|---|
0 | -122.23 | 37.88 | 41.0 | 880.0 | 129.0 | 322.0 | 8.3252 | 452600.0 | NEAR BAY | 0 |
1 | -122.22 | 37.86 | 21.0 | 7099.0 | 1106.0 | 2401.0 | 8.3014 | 358500.0 | NEAR BAY | 0 |
2 | -122.24 | 37.85 | 52.0 | 1467.0 | 190.0 | 496.0 | 7.2574 | 352100.0 | NEAR BAY | 0 |
3 | -122.25 | 37.85 | 52.0 | 1274.0 | 235.0 | 558.0 | 5.6431 | 341300.0 | NEAR BAY | 0 |
4 | -122.25 | 37.85 | 52.0 | 1627.0 | 280.0 | 565.0 | 3.8462 | 342200.0 | NEAR BAY | 0 |
# {'red', 'green', 'blue'} - дискретный признак ('red', 'green', 'blue', 'red', 'green', 'red')
# [0, 100] - вещественный признак (0, 5, 5.6, 10.5, 10.57)
plt.figure(figsize=(8, 6))
plt.hist(df['median_house_value'])
plt.title('Распределение median house value')
plt.xlabel('Стоимость')
plt.ylabel('Количество');
df_num_features = df.select_dtypes(include=['float64', 'float32', 'float16'])
df_num_features.drop('median_house_value', axis=1, inplace=True)
df_num_features.hist(figsize=(16, 16), bins=20, grid=False);
Поиск выбросов с помощью box plot
Как строится box plot
Как строятся "усы" - вариантов масса
*Интерквартильный размах = q75 - q25
plt.figure(figsize=(6, 3))
sns.boxplot(x=df['population'], whis=1.5)
plt.xlabel('population')
plt.show()
counts = df['ocean_proximity'].value_counts()
plt.figure(figsize=(8, 6))
plt.title('ocean_proximity')
sns.barplot(x=counts.index, y=counts.values)
plt.show()
counts = df['INLAND'].value_counts()
plt.figure(figsize=(8, 6))
plt.title('INLAND')
sns.barplot(x=counts.index, y=counts.values)
plt.show()
sns.jointplot(x=df['median_income'], y=df['median_house_value'], kind='reg');
sns.jointplot(x=df['latitude'], y=df['longitude'], kind='kde');
sns.jointplot(x=df['latitude'], y=df['median_house_value'], kind='reg');
Видно два города, имеет смысл посмотреть на зависимость по отдельности
df_cut = df[df['latitude'] < 36]
sns.jointplot(x=df_cut['latitude'], y=df_cut['median_house_value'], kind='reg');
df_cut = df[df['latitude'] >= 36]
sns.jointplot(x=df_cut['latitude'], y=df_cut['median_house_value'], kind='reg');
longitude
sns.jointplot(x=df['longitude'], y=df['median_house_value'], kind='reg');
df_cut = df[df['longitude'] < -120]
sns.jointplot(x=df_cut['longitude'], y=df_cut['median_house_value'], kind='reg');
df_cut = df[df['longitude'] >= -120]
sns.jointplot(x=df_cut['longitude'], y=df_cut['median_house_value'], kind='reg');
plt.figure(figsize=(16, 8))
sns.boxplot(x=df['median_house_value'], y=df['ocean_proximity'], whis=1.5)
plt.xlabel('median_house_value')
plt.ylabel('ocean_proximity')
plt.title('Distribution of median_house_value by ocean_proximity');
Как строится box plot
Как строятся "усы" - вариантов масса
*Интерквартильный размах = q75 - q25
sns.jointplot(x=df['total_rooms'], y=df['total_bedrooms'], kind='reg');
sns.jointplot(x=df['longitude'], y=df['latitude'], kind='reg');
corr_matrix = df.corr()
corr_matrix = np.round(corr_matrix, 1)
corr_matrix[np.abs(corr_matrix) < 0.3] = 0
corr_matrix
longitude | latitude | housing_median_age | total_rooms | total_bedrooms | population | median_income | median_house_value | INLAND | |
---|---|---|---|---|---|---|---|---|---|
longitude | 1.0 | -0.9 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
latitude | -0.9 | 1.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.4 |
housing_median_age | 0.0 | 0.0 | 1.0 | -0.4 | -0.3 | -0.3 | 0.0 | 0.0 | 0.0 |
total_rooms | 0.0 | 0.0 | -0.4 | 1.0 | 0.9 | 0.8 | 0.0 | 0.0 | 0.0 |
total_bedrooms | 0.0 | 0.0 | -0.3 | 0.9 | 1.0 | 0.9 | 0.0 | 0.0 | 0.0 |
population | 0.0 | 0.0 | -0.3 | 0.8 | 0.9 | 1.0 | 0.0 | 0.0 | 0.0 |
median_income | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 1.0 | 0.6 | 0.0 |
median_house_value | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.6 | 1.0 | -0.5 |
INLAND | 0.0 | 0.4 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | -0.5 | 1.0 |
plt.figure(figsize=(10, 8))
sns.set(font_scale=1.4)
sns.heatmap(corr_matrix, annot=True, linewidths=.5, cmap='coolwarm')
plt.title('Correlation matrix');
min_long = -124.55
max_long = -113.80
min_lat = 32.45
max_lat = 42.05
import matplotlib.image as img
california_map = img.imread('California_Map.png')
plt.figure(figsize=(12, 9))
plt.imshow(california_map,
extent=[min_long, max_long, min_lat, max_lat], alpha=0.5);
plt.figure(figsize=(12, 9))
sc = plt.scatter(df['longitude'], df['latitude'], alpha=0.5, c=df['median_house_value'])
plt.imshow(california_map,
extent=[min_long, max_long, min_lat, max_lat], alpha=0.5)
plt.colorbar(sc)
plt.xlabel("Longitude")
plt.ylabel("Latitude")
plt.title("Homes geography");
# !pip install folium
import folium
this_map = folium.Map(prefer_canvas=True)
def plotDot(point):
folium.CircleMarker(
location=[point.latitude, point.longitude],
radius=2,
popup=point.median_house_value
).add_to(this_map)
df.apply(plotDot, axis=1)
this_map.fit_bounds(this_map.get_bounds())
this_map