西部网站管理助手/百度认证证书

phython 从表格中提取特定信息和以图形的方式呈现数据

为了更方便理解，因此我直接用一个例题和它的标准解法参杂着知识点来讲解
这些数据与肝病的诊断有关。从345名患者（345行）记录了7条不同的信息（7列）。我们将讨论345个样本，每个样本有7个特征。七列中的数据具有以下含义：，

平均红细胞体积;
碱性磷酸酶;
丙氨酸转氨酶;
天冬氨酸转氨酶;
γ-谷氨酰转肽酶;
每天饮用半品脱酒精饮料的数量;
类别标签（1=健康；2=患病）

前五项测量是血液测试的结果（我们不必担心它们的确切含义），第六项是关于患者的酒精消耗量。最后一列是“类标签”。本栏中的“1”表示患者健康，而“2”表示患者患有肝病。

import numpy as np
data = np.loadtxt(open("data/liver_data.txt", "rb"), delimiter=",")

np.loadtext命令将从文件liver\u data.txt加载所有逗号分隔的数字行，并将它们全部存储在一个名为data的矩阵变量中。（注意，变量’data’不需要声明或给定类型，也不需要分配内存。）

drinks = data[:, 5]

现在让我们更详细地了解其中一个特性。我们可以从矩阵M中提取$n$th列，并使用Python numpy代码将其存储在向量$v$中，例如v=M[：，n]
注意，特性6出现在第5列中，因为Python从0开始计数。

import matplotlib.pylab as plt%matplotlib inline
plt.plot(drinks)

这将显示折线图
上面的’plt.plot’行以分号结尾。默认情况下，运行单元格时会打印单元格最后一行的返回值。分号禁止此输出，即分号是Jupyter笔记本的一项功能。Python不要求在每行代码末尾加分号。
执行上述单元格时，绘图应直接显示在单元格下方。它将沿$x$轴（即，患者1至患者345）显示样本编号，并在$y$轴上显示患者的酒精消耗量。这不是一种非常有用的查看数据的方式。

更适合使用直方图，即表示一组值分布的条形图。
要制作直方图，我们可以使用matplotlib的’hist’函数

plt.hist(drinks)

不幸的是，默认情况下直方图只有10条，这不足以精确显示数据。
“hist”函数有一个名为“bin”的参数，该参数采用一个向量，该向量指定每个直方图bin之间的边界位置。我们需要以0，1，2，…，20为中心的容器，因此需要在-0.5，0.5，1.5，…，20.5处指定边界。使用python的’linspace’命令最容易实现这一点，该命令在两个指定的限制之间生成一个等距值序列

plt.hist(drinks, bins=np.linspace(-0.5, 20.5, 22))

通过使用’xlim’函数更改轴的范围，可以使图形更清晰

plt.hist(drinks, bins=np.linspace(-0.5, 20.5, 22))
plt.xlim([-0.5, 20.5])

import numpy as npdata = np.loadtxt(open("data/liver_data.txt", "rb"), delimiter=",")
drinks = data[:, 5]
np.mean(drinks)

要计算平均酒精消耗量，请使用命令’np.mean（drinks）’。

在上一节中，我们研究了所有345人的酒精消费分布情况。我们现在想看看健康人和患病人的单独直方图。记住类标签在第7列中。我们可以让Python测试列中的条目是否匹配特定的数字，例如1

data[:, 6] == 1

注意它是==而不是=。
结果以1（真）和0（假）的向量返回。这一行代码有效地执行了345次比较，并一次性返回了345个结果。我们可以将这些结果存储在变量中

wellPeople = data[:, 6] == 1
wellDrinks = data[wellPeople, 5]

或者把它们放在一行

wellDrinks = data[data[:, 6] == 1, 5]

现在我们要比较这两类的直方图。我们可以使用’subplot’命令在同一窗口中放置两个绘图。

plt.subplot(2, 1, 1)
plt.hist(wellDrinks, bins=np.linspace(-0.5, 20.5, 22))
plt.xlim(-0.5, 20.5)
plt.subplot(2, 1, 2)
plt.hist(illDrinks, bins=np.linspace(-0.5, 20.5, 22))
plt.xlim(-0.5, 20.5)

您可能会发现，没有一个功能单独是非常有用的。如果我们使用更多的特性，这些类将更好地分离。当观察一维时，我们可以使用直方图可视化数据分布。当查看一对特征的分布时，通常最好使用散点图。使用散点图，将一对特征表示为二维平面上的一个点，即每个样本在平面上表示样本特征值的位置绘制。

wellFeatureX = data[data[:, 6] == 1, 3]
wellFeatureY = data[data[:, 6] == 1, 4]
plt.scatter(wellFeatureX, wellFeatureY)

加粗样式

illFeatureX = data[data[:, 6] == 2, 3]
illFeatureY = data[data[:, 6] == 2, 4]
plt.scatter(wellFeatureX, wellFeatureY)
plt.scatter(illFeatureX, illFeatureY)

现在的问题是，两组数据都是用同一个符号绘制的，所以我们看不到哪个是哪个。
要使用不同的符号和/或颜色，您可以为“散射”提供额外的参数。参数“c”可用于指定颜色，“marker”可用于指定标记样式，“s”是指定标记大小的整数。
下面的例子使用绿色十字架代表健康人，红色圆点代表患病人

plt.scatter(illFeatureX, illFeatureY, s=20, c="r", marker="o")
plt.scatter(wellFeatureX, wellFeatureY, s=20, c="g", marker="x")

这里是最基础的处理方式，如果遇到更复杂的情况，请去查看
phython 从表格中提取特定信息和以图形的方式呈现数据2