[Python]pandas畫圖來了解資料結構(熱力、分佈、散佈、成對關係圖)

接續上一篇文章，使用kaggle平台上的數據資料來實作說明。

[Python ]pandas基本操作，查看、新增、修改資料

用 pandas (pd) 來畫圖了解 MentalHealthSurvey 資料結構，圖表可以幫助你直觀地瞭解 MentalHealthSurvey 資料的結構和變數之間的關係。才有辦法進一步的在去做資料分析。

繪製分佈圖 (Histogram)

hist() 函式用來繪製數值型資料的直方圖，這有助於了解各變數的數值分佈情況。

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('F:/python/crab/pandas/MentalHealthSurvey.csv')
df.hist(bins=30, figsize=(15, 10))
plt.show()

• bins=30: 指定直方圖中分箱的數量，越多的分箱能夠顯示更細節的分佈。
• figsize=(15, 10): 設定圖表的大小，以便更清晰地查看。
• plt.show(): 顯示圖表。

資料分佈圖

繪製相關矩陣圖 (Correlation Matrix)

heatmap() 函式用於繪製數據的熱力圖，特別是相關矩陣，來顯示變數之間的相關性。

import seaborn as sns
plt.figure(figsize=(12, 8))
sns.heatmap(df.corr(), annot=True, cmap='coolwarm', linewidths=0.5)
plt.show()

• df.corr(): 計算數據框中各數值型變數之間的相關係數。
• annot=True: 在每個單元格中顯示相關係數的數值。
• cmap='coolwarm': 指定顏色地圖，用於更直觀地表示相關性強弱。
• linewidths=0.5: 設置網格線的寬度。
• plt.show(): 顯示圖表。

熱力圖（Heatmap）顯示的相關係數用來衡量兩個變數之間的線性關係，相關係數的範圍為 -1 到 1。

• 相關性最弱是 0：當相關係數為 0 時，表示兩個變數之間沒有線性關係。
• 負號表示負相關：相關係數為負數時，表示兩個變數之間存在負相關關係，當一個變數增加時，另一個變數傾向於減少。負相關係數越接近 -1，表示負相關性越強。

因此，相關性最弱的情況是相關係數為 0，此時兩個變數之間沒有線性關係。負號並不表示相關性最弱，而是表示相關性方向相反。

斜線切下來的數值1，因為自己跟自己比當然最相關，理所當然是1，可以明白的了解那些變數與那些變數相關性是特別強的，有助於後續的資料分析。

繪製散佈圖 (Scatter Plot)

散佈圖用於分析兩個數值型變數之間的關係。

df.plot(kind='scatter', x='variable1', y='variable2', alpha=0.5)
plt.show()
kind='scatter': 指定圖表類型為散佈圖。

• x='variable1', y='variable2': 指定橫軸和縱軸的變數。
• alpha=0.5: 設置點的透明度，以避免過度疊加時看不清楚。
• plt.show(): 顯示圖表。

根據上面的熱力圖，我們來挑選看起來相關性特別強跟特別弱的來比較看看。

看起來就depression與anxiety相關性最高0.84顏色最深。

df.plot(kind='scatter', x='depression', y='anxiety', alpha=0.5)
plt.show()

幾乎有部分資料都是重疊在一起了。點的分布呈現了一種往上的直線，代表他們有正相關

最後挑選與depression相關性較弱的financial_concerns來比較一下。

# 創建顏色映射
colors = plt.cm.viridis(df['depression'] / df['depression'].max())
df.plot(kind='scatter', x='depression', y='financial_concerns', c=colors, alpha=0.5)
plt.show()

這個圖跟上面那張圖相比，就雜亂不堪，看的出來沒有什麼相關性。

最後看負相關系數最高的兩個變數

isolation與social_relationships 有-0.56的關係 ，就看比較深的點，來判斷是否有負關聯。

# 創建顏色映射
colors = plt.cm.viridis(df['isolation'] / df['isolation'].max())

df.plot(kind='scatter', x='isolation', y='social_relationships', c=colors, alpha=0.5)
plt.show()

點的分佈模式：

• 如果點分佈呈現出某種模式（例如一條向上的直線），則說明 variable1 和 variable2 之間存在正相關關係。
• 如果點分佈呈現出一條向下的直線，則說明存在負相關關係。
• 如果點分佈雜亂無章，沒有明顯的模式，則表示兩者之間可能沒有明顯的線性關係。

繪製成對關係圖 (Pairplot)

pairplot() 用於展示多個數值型變數之間的成對關係，生成一組散佈圖和對角線上的分佈圖。

sns.pairplot(df)
plt.show()

• sns.pairplot(df): 自動繪製數據框中數值型變數之間的成對關係圖。
• plt.show(): 顯示圖表。

成對關係圖是一個強大的工具，用於視覺化多個變數之間的兩兩關係。它可以幫助你快速了解變數之間的有無關聯性、分佈情況以及是否存在異常值或其他模式。這在數據探索和初步分析中非常有用。