Сделай в этом коде, чтобы по y было от 0: import pandas as pd import matplotlib.pyplot…
- User
Сделай в этом коде, чтобы по y было от 0:
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import numpy as np
Настройка стиля графиков
sns.set(style="whitegrid")
Загрузка данных из CSV файла
data = pd.read_csv('training_set.csv')
Просмотр первых строк данных
print("Первые 5 строк датасета:") print(data.head())
Проверка на наличие пропущенных значений
print("\nПропущенные значения в каждом столбце:") print(data.isnull().sum())
Основные статистики
print("\nСтатистические показатели датасета:") print(data.describe())
Визуализация 1: Круговая диаграмма распределения пользователей по платформам
platform_counts = data['platform'].value_counts()
plt.figure(figsize=(8, 8)) plt.pie(platform_counts, labels=platform_counts.index, autopct='%1.1f%%', startangle=140, colors=sns.color_palette('pastel')) plt.title('Распределение пользователей по платформам') plt.axis('equal') # Чтобы круг был круглым plt.tight_layout() plt.savefig('pie_chart_platform_distribution.png') plt.show()
Визуализация 2: Зависимость возраста от количества друзей
plt.figure(figsize=(12, 8))
Создание цветовой палитры по платформам
palette = sns.color_palette("hsv", len(data['platform'].unique())) sns.scatterplot(data=data, x='age', y='friends', hue='platform', palette=palette, s=100, edgecolor='k', alpha=0.7)
plt.title('Зависимость возраста от количества друзей') plt.xlabel('Возраст') plt.ylabel('Количество друзей') plt.legend(title='Платформа', bbox_to_anchor=(1.05, 1), loc='upper left')
Установка интервала по оси X с шагом 10
min_age = data['age'].min() max_age = data['age'].max()
Определяем начало и конец диапазона для оси X
tick_start = (min_age // 10) * 10 tick_end = ((max_age // 10) + 1) * 10
Генерируем список меток с шагом 10
plt.xticks(range(tick_start, tick_end + 1, 10))
plt.tight_layout() plt.savefig('scatter_age_friends.png') plt.show()
Дополнительно: Логарифмическая шкала для количества друзей
plt.figure(figsize=(12, 8)) sns.scatterplot(data=data, x='age', y='friends', hue='platform', palette=palette, s=100, edgecolor='k', alpha=0.7) plt.yscale('log') plt.title('Зависимость возраста от количества друзей (Логарифмическая шкала)') plt.xlabel('Возраст') plt.ylabel('Количество друзей (логарифмическая шкала)') plt.legend(title='Платформа', bbox_to_anchor=(1.05, 1), loc='upper left')
Установка интервала по оси X с шагом 10
plt.xticks(range(tick_start, tick_end + 1, 10))
plt.tight_layout() plt.savefig('scatter_age_friends_log.png') plt.show()
Шаг 1: Удаление выбросов с помощью IQR
Q1 = data['friends'].quantile(0.25) Q3 = data['friends'].quantile(0.75) IQR = Q3 - Q1 lower_bound = Q1 - 1.5 * IQR upper_bound = Q3 + 1.5 * IQR
print(f"\nНижняя граница для 'friends': {lower_bound}") print(f"Верхняя граница для 'friends': {upper_bound}")
filtered_data = data[(data['friends'] >= lower_bound) & (data['friends'] <= upper_bound)]
print(f"\nКоличество записей до фильтрации: {data.shape[0]}") print(f"Количество записей после фильтрации: {filtered_data.shape[0]}")
Визуализация без выбросов
plt.figure(figsize=(12, 8)) sns.scatterplot(data=filtered_data, x='age', y='friends', hue='platform', palette=palette, s=100, edgecolor='k', alpha=0.7) plt.title('Зависимость возраста от количества друзей (без выбросов)') plt.xlabel('Возраст') plt.ylabel('Количество друзей') plt.legend(title='Платформа', bbox_to_anchor=(1.05, 1), loc='upper left')
Установка интервала по оси X с шагом 10
filtered_min_age = filtered_data['age'].min() filtered_max_age = filtered_data['age'].max() filtered_tick_start = (filtered_min_age // 10) * 10 filtered_tick_end = ((filtered_max_age // 10) + 1) * 10 plt.xticks(range(filtered_tick_start, filtered_tick_end + 1, 10))
plt.tight_layout() plt.savefig('scatter_age_friends_no_outliers.png') plt.show()
Анализ корреляции с выбросами
correlation_with_outliers = data['age'].corr(data['friends']) print(f'\nКоэффициент корреляции между возрастом и количеством друзей (с выбросами): {correlation_with_outliers:.2f}')
Анализ корреляции без выбросов
correlation_without_outliers = filtered_data['age'].corr(filtered_data['friends']) print(f'Коэффициент корреляции между возрастом и количеством друзей (без выбросов): {correlation_without_outliers:.2f}')
Визуализация с линией тренда без выбросов
plt.figure(figsize=(12, 8)) sns.scatterplot(data=filtered_data, x='age', y='friends', hue='platform', palette=palette, s=100, edgecolor='k', alpha=0.7)
Добавляем линию тренда на отфильтрованных данных
sns.regplot(data=filtered_data, x='age', y='friends', scatter=False, ax=plt.gca(), color='red', line_kws={'linewidth':2}, label='Линия тренда (без выбросов)')
plt.title('Зависимость возраста от количества друзей с линией тренда (без выбросов)') plt.xlabel('Возраст') plt.ylabel('Количество друзей') plt.legend(title='Платформа')
Установка интервала по оси X с шагом 10
plt.xticks(range(filtered_tick_start, filtered_tick_end + 1, 10))
plt.tight_layout() plt.savefig('scatter_age_friends_trend_no_outliers.png') plt.show()
- Assistant
Конечно! Я модифицирую ваш код так, чтобы ось Y начиналась с 0 в соответствующих визуализациях. Для этого добавлю настройку нижней границы оси Y с помощью
plt.ylim(bottom=0). В случае с логарифмической шкалой ось Y не может начинаться с 0, поэтому я установлю нижнюю границу чуть выше минимального значения, например, с 1.Ниже приведён обновлённый код с необходимыми изменениями:
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import numpy as np # Настройка стиля графиков sns.set(style="whitegrid") # Загрузка данных из CSV файла data = pd.read_csv('training_set.csv') # Просмотр первых строк данных print("Первые 5 строк датасета:") print(data.head()) # Проверка на наличие пропущенных значений print("\nПропущенные значения в каждом столбце:") print(data.isnull().sum()) # Основные статистики print("\nСтатистические показатели датасета:") print(data.describe()) # Визуализация 1: Круговая диаграмма распределения пользователей по платформам platform_counts = data['platform'].value_counts() plt.figure(figsize=(8, 8)) plt.pie(platform_counts, labels=platform_counts.index, autopct='%1.1f%%', startangle=140, colors=sns.color_palette('pastel')) plt.title('Распределение пользователей по платформам') plt.axis('equal') # Чтобы круг был круглым plt.tight_layout() plt.savefig('pie_chart_platform_distribution.png') plt.show() # Визуализация 2: Зависимость возраста от количества друзей plt.figure(figsize=(12, 8)) # Создание цветовой палитры по платформам palette = sns.color_palette("hsv", len(data['platform'].unique())) sns.scatterplot(data=data, x='age', y='friends', hue='platform', palette=palette, s=100, edgecolor='k', alpha=0.7) plt.title('Зависимость возраста от количества друзей') plt.xlabel('Возраст') plt.ylabel('Количество друзей') plt.legend(title='Платформа', bbox_to_anchor=(1.05, 1), loc='upper left') # Установка интервала по оси X с шагом 10 min_age = data['age'].min() max_age = data['age'].max() # Определяем начало и конец диапазона для оси X tick_start = (min_age // 10) * 10 tick_end = ((max_age // 10) + 1) * 10 # Генерируем список меток с шагом 10 plt.xticks(range(tick_start, tick_end + 1, 10)) # Установка нижней границы по оси Y plt.ylim(bottom=0) plt.tight_layout() plt.savefig('scatter_age_friends.png') plt.show() # Дополнительно: Логарифмическая шкала для количества друзей plt.figure(figsize=(12, 8)) sns.scatterplot(data=data, x='age', y='friends', hue='platform', palette=palette, s=100, edgecolor='k', alpha=0.7) plt.yscale('log') plt.title('Зависимость возраста от количества друзей (Логарифмическая шкала)') plt.xlabel('Возраст') plt.ylabel('Количество друзей (логарифмическая шкала)') plt.legend(title='Платформа', bbox_to_anchor=(1.05, 1), loc='upper left') # Установка интервала по оси X с шагом 10 plt.xticks(range(tick_start, tick_end + 1, 10)) # В логарифмической шкале ось Y не может начинаться с 0. Установим нижнюю границу на 1 или минимальное положительное значение plt.ylim(bottom=1) plt.tight_layout() plt.savefig('scatter_age_friends_log.png') plt.show() # Шаг 1: Удаление выбросов с помощью IQR Q1 = data['friends'].quantile(0.25) Q3 = data['friends'].quantile(0.75) IQR = Q3 - Q1 lower_bound = Q1 - 1.5 * IQR upper_bound = Q3 + 1.5 * IQR print(f"\nНижняя граница для 'friends': {lower_bound}") print(f"Верхняя граница для 'friends': {upper_bound}") filtered_data = data[(data['friends'] >= lower_bound) & (data['friends'] <= upper_bound)] print(f"\nКоличество записей до фильтрации: {data.shape[0]}") print(f"Количество записей после фильтрации: {filtered_data.shape[0]}") # Визуализация без выбросов plt.figure(figsize=(12, 8)) sns.scatterplot(data=filtered_data, x='age', y='friends', hue='platform', palette=palette, s=100, edgecolor='k', alpha=0.7) plt.title('Зависимость возраста от количества друзей (без выбросов)') plt.xlabel('Возраст') plt.ylabel('Количество друзей') plt.legend(title='Платформа', bbox_to_anchor=(1.05, 1), loc='upper left') # Установка интервала по оси X с шагом 10 filtered_min_age = filtered_data['age'].min() filtered_max_age = filtered_data['age'].max() filtered_tick_start = (filtered_min_age // 10) * 10 filtered_tick_end = ((filtered_max_age // 10) + 1) * 10 plt.xticks(range(filtered_tick_start, filtered_tick_end + 1, 10)) # Установка нижней границы по оси Y plt.ylim(bottom=0) plt.tight_layout() plt.savefig('scatter_age_friends_no_outliers.png') plt.show() # Анализ корреляции с выбросами correlation_with_outliers = data['age'].corr(data['friends']) print(f'\nКоэффициент корреляции между возрастом и количеством друзей (с выбросами): {correlation_with_outliers:.2f}') # Анализ корреляции без выбросов correlation_without_outliers = filtered_data['age'].corr(filtered_data['friends']) print(f'Коэффициент корреляции между возрастом и количеством друзей (без выбросов): {correlation_without_outliers:.2f}') # Визуализация с линией тренда без выбросов plt.figure(figsize=(12, 8)) sns.scatterplot(data=filtered_data, x='age', y='friends', hue='platform', palette=palette, s=100, edgecolor='k', alpha=0.7) # Добавляем линию тренда на отфильтрованных данных sns.regplot(data=filtered_data, x='age', y='friends', scatter=False, ax=plt.gca(), color='red', line_kws={'linewidth':2}, label='Линия тренда (без выбросов)') plt.title('Зависимость возраста от количества друзей с линией тренда (без выбросов)') plt.xlabel('Возраст') plt.ylabel('Количество друзей') plt.legend(title='Платформа') # Установка интервала по оси X с шагом 10 plt.xticks(range(filtered_tick_start, filtered_tick_end + 1, 10)) # Установка нижней границы по оси Y plt.ylim(bottom=0) plt.tight_layout() plt.savefig('scatter_age_friends_trend_no_outliers.png') plt.show()Объяснение внесённых изменений:
-
Установка нижней границы оси Y на 0:
-
Визуализация 2 (Зависимость возраста от количества друзей):
plt.ylim(bottom=0) -
Визуализация без выбросов:
plt.ylim(bottom=0) -
Визуализация с линией тренда без выбросов:
plt.ylim(bottom=0)
-
-
Логарифмическая шкала:
В логарифмической шкале ось Y не может начинаться с 0, так как логарифм 0 не определён. Вместо этого устанавливаем нижнюю границу на 1:
plt.ylim(bottom=1)Если в ваших данных есть значения
friends, равные 0, то для логарифмической шкалы их необходимо обрабатывать отдельно, например, заменить на минимально возможное положительное значение или исключить.
Дополнительные рекомендации:
-
Проверка данных на наличие нулевых или отрицательных значений в столбце
friends:Прежде чем применять логарифмическую шкалу, убедитесь, что все значения в столбце
friendsположительные. Если есть нулевые или отрицательные значения, их необходимо обработать:# Проверка на наличие нулевых или отрицательных значений if (data['friends'] <= 0).any(): print("Есть нулевые или отрицательные значения в 'friends'. Они будут удалены для логарифмической шкалы.") data = data[data['friends'] > 0] -
Автоматическая установка нижней границы:
Вместо жёсткой установки нижней границы можно динамически определять её на основе данных:
plt.ylim(bottom=data['friends'].min() if data['friends'].min() > 0 else 1)
Это поможет сделать код более устойчивым к различным наборам данных.
Если у вас возникнут дополнительные вопросы или потребуется помощь с другими аспектами кода, пожалуйста, сообщите!
-