《数据探索性分析案例实现(EDA) 》

《数据探索性分析案例实现(EDA) 》

 

一、数据描述

1.1数据集描述

diamonds数据框包含53940行,有caratcutcolorclaritydepthtablepricexyz10列,对应每个钻石的一些参数值。

carat:克拉,钻石的重量

cut:代表了钻石的切工,由低到高依次为Fair, Good, Very Good, Premium, Ideal

color:代表了钻石的颜色从最低的J到最高的D

clarity:钻石的纯净度,代表了钻石的透明程度从低到高依次为I1, SI1, SI2, VS1, VS2, VVS1, VVS2, IF

depth:深度比例

table:代表了钻石的桌面比例

price:代表了钻石的价格

x,y,z:分别代表了钻石的长//

1.2数据展示

 《数据探索性分析案例实现(EDA) 》

二、问题提出

1、每个数据有什么特征?

3、价格和什么成正比?

2、克拉、切割、颜色、钻石的纯净度对价格的影响?

三、数据清洗和预处理

3.1查找缺失值

pd.isnull(df).sum()

 《数据探索性分析案例实现(EDA) 》

可以看出,该数据集没有缺失值。

3.2查看数据集类型

df.info()

《数据探索性分析案例实现(EDA) 》

查看数据集类型,可以看到一个10x3的列表,该数据集有10列,53940条数据。Not-Null记录该列是否有空值,Dtype描述每列数据的类型。

四、各变量相关性数据分析与可视化

4.1通过库,用代码实现可视化

查看数据描述

df.describe()

 《数据探索性分析案例实现(EDA) 》

对每个特征绘制柱状图

《数据探索性分析案例实现(EDA) 》

《数据探索性分析案例实现(EDA) 》

扇形图

 《数据探索性分析案例实现(EDA) 》

如上绘制clarity列扇形图。同理绘制colorcut列扇形图。图片如下:

 《数据探索性分析案例实现(EDA) 》

可以看到clarity主要分布在VS2、SI1、SI2、VS1,I1、IF占比很少。

《数据探索性分析案例实现(EDA) 》

可以看到,color为G占比最大,J最小。

 《数据探索性分析案例实现(EDA) 》

可以看出,cut切割理想(Ideal)的占比最大,失败的很少。

单个特征的分布情况(直方图)

sns.distplot(df[‘price‘],kde=False)

《数据探索性分析案例实现(EDA) 》

由直方图可以看出加出价格的分布情况。

4.2使用dtale可视化数据

查看数据

 《数据探索性分析案例实现(EDA) 》

结果如下:

 《数据探索性分析案例实现(EDA) 》

通过左上角的三角形打开功能菜单(通过language可将语言切换为中文)

《数据探索性分析案例实现(EDA) 》

描述

price为例详细展开说明:

 《数据探索性分析案例实现(EDA) 》

查看描述,可知价格分布及频率,还有最大值、中值、最小值、总和等。通过箱式图可知道:

 《数据探索性分析案例实现(EDA) 》

最小值:326

1/4分位点:950

中位数:2401

3/4分位点:5324.25

最大值:18823

直方图:

 《数据探索性分析案例实现(EDA) 》

可以看到价格为1250左右的最多,2000-7000其次,更贵就更少了。

细分

500个数据

 《数据探索性分析案例实现(EDA) 》

5000个数据

 《数据探索性分析案例实现(EDA) 》

50000条数据

 《数据探索性分析案例实现(EDA) 》

从此细分计数图可以看出,价格为600左右的最多。

price-carat

 《数据探索性分析案例实现(EDA) 》

可以看出price-carat是正比例相关,价格越高,carat越高

以下给出了其他列和price计数图

 《数据探索性分析案例实现(EDA) 》

 《数据探索性分析案例实现(EDA) 》

 《数据探索性分析案例实现(EDA) 》

图表功能

pricex轴,其他列为y轴,可以得到如下结果:

carat by price

 《数据探索性分析案例实现(EDA) 》

随着钻石重量的增加钻石的价格也呈上升的趋势

depth by price

 《数据探索性分析案例实现(EDA) 》

cut by price

 《数据探索性分析案例实现(EDA) 》

color by price

 《数据探索性分析案例实现(EDA) 》

clarity by price

 《数据探索性分析案例实现(EDA) 》

可以得出,克拉和价格成正相关,质量越重,价格越高,而价格高的钻石的切工、纯净度不会太差,而颜色没有太大相关。

ScatterPlot-散点图

 《数据探索性分析案例实现(EDA) 》

 《数据探索性分析案例实现(EDA) 》

Wordcloud-词云图

 《数据探索性分析案例实现(EDA) 》

 《数据探索性分析案例实现(EDA) 》

 《数据探索性分析案例实现(EDA) 》

相关性

《数据探索性分析案例实现(EDA) 》

 《数据探索性分析案例实现(EDA) 》

可以知道影响价格的最重要因素是carat。

五、主要结论

钻石的重量越高价格越高,钻石的重量越高其价格受其他因素的影响越大。

颜色、切工、透明度越好的钻石价格均值越低。

钻石的价格随克拉数的升高而升高,透明度越好(IF)的钻石的单价越高。

钻石的价格随克拉数的升高而升高,切工越好(Ideal)的钻石的单价越高。

钻石的价格随克拉数的升高而升高,颜色越好(D)的钻石的单价越高。

参考文献

https://zhuanlan.zhihu.com/p/135405141

https://www.cnblogs.com/Qqun821460695/p/11911246.html

https://zhuanlan.zhihu.com/p/101284491?utm_source=wechat_session

 

《数据探索性分析案例实现(EDA) 》

上一篇:求非空二叉树b的宽度(具有结点数最多的那一层的结点个数)


下一篇:条件查询