Thống kê theo nhóm với seaborn

Nhập và quản lý dữ liệu tài chính bằng Python

Stefan Jansen

Instructor

Biểu đồ phân loại với seaborn

Cách vẽ chuyên biệt cho biến phân loại và số
Trực quan hóa ước lượng thống kê tóm tắt theo nhóm
Hiểu tác động của nhóm lên biến số
So sánh bằng các thước đo đặc trưng phân phối
Ví dụ: Vốn hóa TB theo Ngành hoặc Năm IPO, kèm độ phân tán

Cơ bản: countplot

sns.countplot(x='Sector', data=nasdaq)
plt.xticks(rotation=45)

countplot, đã sắp xếp

sector_size = nasdaq.groupby('Sector').size()
order = sector_size.sort_values(ascending=False)
order.head()

Sector
Health Care          645
Finance              627
Technology           433
...

order = order.index.tolist()

['Health Care', 'Finance', ..., 'Energy', 'Transportation']

countplot, đã sắp xếp

sns.countplot(x='Sector', data=nasdaq, order=order)
plt.xticks(rotation=45)
plt.title('# Observations per Sector’)

countplot, đa nhóm

recent_ipos = nasdaq[nasdaq['IPO Year'] > 2014]
recent_ipos['IPO Year'] = recent_ipos['IPO Year'].astype(int)
sns.countplot(x='Sector', hue='IPO Year', data=recent_ipos)

So sánh thống kê với PointPlot

nasdaq['IPO'] = nasdaq['IPO Year'].apply(lambda x: 'After 2000' if x > 2000 else 'Before 2000')
sns.pointplot(x='Sector', y='market_cap_m', hue='IPO', data=nasdaq)
plt.xticks(rotation=45); plt.title('Mean Market Cap')

Ayo berlatih!

Nhập và quản lý dữ liệu tài chính bằng Python