数据的可视化

今天聊聊数据可视化。

在数据分析中，数据可视化是一道很重要的工序，毕竟人都是视觉动物，要想以最直观最震撼地方式，向不同知识背景的观众老爷展示我的数据分析结果，可视化是最佳也几乎是唯一的选择。

机器学习也一样。虽说模型不相信视觉，但毕竟人工智能人工智能，有多少人工才能有多少智能，数据探索差不多就成了不可缺少的重要工序，这时数据可视化就很重要了。

不过，“可视化”听着好像很酷很复杂，实现挺简单。

拿加利福利亚房价预测来说好了，这个数据集已然成为回归预测的Hello World，要获取也很容易：

import sklearn.datasets as datasets
dataset = datasets.fetch_california_housing()

虽然内置了Api，不过数据还是要在线获取的。下好了可以通过变量dataset查看。dataset的类型是比较少见的sklearn.utils.Bunch，没必要深究，比较有用的属性有两个，data和feature_name，顾名思义，数据和属性名称。

看看都有哪些属性：

最后两个维度很重要，分别记录的是房子所在经度和维度，毕竟连猴哥都知道房子最重要的是位置。

那就看看位置分布好了。数据都在data里，不过是numpy.ndarray，要可视化先要做一些处理，转为DataFrame类型：

dataset = pd.DataFrame(dataset.data)

DataFrame是可以直接plot的，不过得设置plot什么。这里要看位置分布，就画个散点图吧：

dataset.plot(kind="scatter", x="Longitude", y="Latitude")

效果一言难尽，像是一群蚂蚁围攻两只正在约会的菜青虫：

对比一下加州的地图：

看得出来，散点图其实已经带了不少信息量，首先勾勒出了加州的大致轮廓，同时也反映出加州的发展重心在西边，和我国大多数地区正好相反——这不奇怪，加州毗邻西海岸。

大致趋势看出来来，不过，光知道哪是沿海城市未免太粗放了，好歹也得说一下哪是沿海一线城市。

这可以做到，将alpha调为0.5，这回菜青虫的内部结构也可以看清楚了：

下次再聊。