快捷導(dǎo)航

Python實現(xiàn)多維數(shù)據(jù)分析的示例詳解

更新時間：2023年11月15日 14:02:22 作者：python收藏家

多維數(shù)據(jù)分析是對數(shù)據(jù)的信息分析,它考慮了許多關(guān)系,這篇文章主要為大家詳細介紹了一些使用Python分析多維/多變量數(shù)據(jù)的基本技術(shù),希望對大家有所幫助

多維數(shù)據(jù)分析是對數(shù)據(jù)的信息分析，它考慮了許多關(guān)系。讓我們來介紹一些使用Python分析多維/多變量數(shù)據(jù)的基本技術(shù)。

從這里找到用于說明的數(shù)據(jù)的鏈接。（https://archive.ics.uci.edu/dataset/111/zoo）

以下代碼用于從zoo_data. csv讀取2D表格數(shù)據(jù)。

import pandas as pd

zoo_data = pd.read_csv("zoo_data.csv", encoding = 'utf-8',
							index_col = ["animal_name"])

# print first 5 rows of zoo data 
print(zoo_data.head())

輸出

**注意：**我們這里的數(shù)據(jù)類型通常是分類的。本案例研究中使用的分類數(shù)據(jù)分析技術(shù)是非?；镜?，易于理解，解釋和實施。這些方法包括聚類分析、相關(guān)分析、PCA（主成分分析）和EDA（探索性數(shù)據(jù)分析）。

聚類分析

由于我們擁有的數(shù)據(jù)是基于不同類型動物的特征，我們可以使用一些眾所周知的聚類技術(shù)將動物分為不同的組（簇）或子組，即KMeans聚類，DBscan，層次聚類和KNN（K-Nearest Neighbours）聚類。為了簡單起見，在這種情況下，KMeans聚類應(yīng)該是一個更好的選擇。使用Kmeans聚類技術(shù)對數(shù)據(jù)進行聚類，可以使用sklearn庫聚類類的KMeans模塊實現(xiàn)，如下所示：

# from sklearn.cluster import KMeans
clusters = 7

kmeans = KMeans(n_clusters = clusters)
kmeans.fit(zoo_data)

print(kmeans.labels_)

輸出

inertia表示的是每個樣本點到其所在質(zhì)心的距離之和。按照inertia的定義來說inertia是越小越好。

在這里，總的集群inertia是119.70392382759556。

EDA分析

為了執(zhí)行EDA分析，我們需要將多變量數(shù)據(jù)降維為三變量/雙變量（2D/3D）數(shù)據(jù)。我們可以使用PCA（主成分分析）來實現(xiàn)這個任務(wù)。

可以使用sklearn庫的類分解的PCA模塊進行PCA，如下所示：

# from sklearn.decomposition import PCA

pca = PCA(3)
pca.fit(zoo_data)

pca_data = pd.DataFrame(pca.transform(zoo_data))

print(pca_data.head())

輸出

上面的數(shù)據(jù)輸出表示簡化的三變量（3D）數(shù)據(jù)，我們可以在其上執(zhí)行EDA分析。

注意： PCA產(chǎn)生的簡化數(shù)據(jù)可間接用于執(zhí)行各種分析，但不能直接由人類解釋。

散點圖是一種2D/3D圖，有助于分析2D/3D數(shù)據(jù)中的各種聚類。

我們之前制作的3D簡化數(shù)據(jù)的散點圖可以繪制如下：

下面的代碼是一個Python代碼，它生成一個顏色數(shù)組（其中顏色的數(shù)量大約等于聚類的數(shù)量），按照色調(diào)，值和飽和度值的順序進行排序。這里，每種顏色與單個聚類相關(guān)聯(lián)，并將用于將動物表示為3D點，同時將其繪制在3D圖/空間中（本例中為散點圖）。

from matplotlib import colors as mcolors
import math

''' Generating different colors in ascending order 
								of their hsv values '''
colors = list(zip(*sorted((
					tuple(mcolors.rgb_to_hsv(
						mcolors.to_rgba(color)[:3])), name)
					for name, color in dict(
							mcolors.BASE_COLORS, **mcolors.CSS4_COLORS
													).items())))[1]


# number of steps to taken generate n(clusters) colors 
skips = math.floor(len(colors[5 : -5])/clusters)
cluster_colors = colors[5 : -5 : skips]

下面的代碼是一個pythonic代碼，它生成一個3D散點圖，其中每個數(shù)據(jù)點都有一個與其對應(yīng)的聚類相關(guān)的顏色。

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111, projection = '3d')
ax.scatter(pca_data[0], pca_data[1], pca_data[2], 
		c = list(map(lambda label : cluster_colors[label],
											kmeans.labels_)))

str_labels = list(map(lambda label:'% s' % label, kmeans.labels_))

list(map(lambda data1, data2, data3, str_label:
		ax.text(data1, data2, data3, s = str_label, size = 16.5,
		zorder = 20, color = 'k'), pca_data[0], pca_data[1],
		pca_data[2], str_labels))

plt.show()

輸出

仔細分析散點圖可以得出這樣的假設(shè)，即使用初始數(shù)據(jù)形成的聚類沒有足夠好的解釋力。為了解決這個問題，我們需要將我們的特征集降低到一個更有用的特征集，使用它我們可以生成有用的聚類。產(chǎn)生這樣一組特征的一種方法是進行相關(guān)性分析。這可以通過如下繪制熱圖和3d圖來完成：

import seaborn as sns

# generating correlation heatmap
sns.heatmap(zoo_data.corr(), annot = True)

# posting correlation heatmap to output console 
plt.show()

下面的代碼用于通過制作元組列表來生成相關(guān)矩陣的3d圖，其中元組包含按動物名稱順序排列的坐標(biāo)和相關(guān)值。

上述解釋的偽代碼：

# PseudoCode
tuple -> (position_in_dataframe(feature1),
          position_in_dataframe(feature2),
          correlation(feature1, feature2))

用于生成相關(guān)矩陣的3d圖的代碼：

from matplotlib import cm

# generating correlation data
df = zoo_data.corr()
df.index = range(0, len(df))
df.rename(columns = dict(zip(df.columns, df.index)), inplace = True)
df = df.astype(object)

''' Generating coordinates with 
corresponding correlation values '''
for i in range(0, len(df)):
	for j in range(0, len(df)):
		if i != j:
			df.iloc[i, j] = (i, j, df.iloc[i, j])
		else :
			df.iloc[i, j] = (i, j, 0)

df_list = []

# flattening dataframe values
for sub_list in df.values:
	df_list.extend(sub_list)

# converting list of tuples into trivariate dataframe
plot_df = pd.DataFrame(df_list)

fig = plt.figure()
ax = Axes3D(fig)

# plotting 3D trisurface plot
ax.plot_trisurf(plot_df[0], plot_df[1], plot_df[2], 
					cmap = cm.jet, linewidth = 0.2)

plt.show()

輸出