使用 seaborn 按类别计算汇总统计

在 Python 中导入与管理金融数据

Stefan Jansen

Instructor

seaborn 的分类图

  • 专用于展示分类与数值变量的组合
  • 可视化各类别的汇总统计估计
  • 理解类别如何影响数值变量
  • 用分布特征的关键指标进行比较
  • 示例：按行业或 IPO 年份的平均市值，并标示离散程度
在 Python 中导入与管理金融数据

基础：countplot

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

计数图

在 Python 中导入与管理金融数据

countplot，排序后

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']
在 Python 中导入与管理金融数据

countplot，排序后

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

排序后的计数图

在 Python 中导入与管理金融数据

countplot，多类别

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)

多类别计数图

在 Python 中导入与管理金融数据

用 PointPlot 比较统计量

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')

点图

在 Python 中导入与管理金融数据

Passons à la pratique !

在 Python 中导入与管理金融数据

Preparing Video For Download...