如何使用绘图在Python中执行univaraiate分析

我在下面有一个数据集，我想对

收入

类别

进行单变量分析，如图所示。这里的点在数字类别中

1

被视为

男性

，

0

被视为

女性

有什么办法可以解决这个问题吗

Income  Population  Number  Category
54        77           1       A
23        88           1       A
44        87           0       B
55        88           0       B
66        89           1       B
73        90           0       A
12        89           1       C
34        9            0       C
54        77           1       A
23        88           1       A
44        87           0       B
55        88           0       B
66        89           1       B
73        90           0       A
12        89           1       C
34        9            0       C

---

我不确定你的问题是否清楚。但是，以下曲线图通常用于进行单变量和双变量分析

import seaborn as sns
import numpy as np
import pandas as pd

df = pd.DataFrame({'Income': [54,23,44,55,66,],
                   'Population':[77,88,87,88,89],
                   'Number':[1,1,0,0],
                   'Category':['A','A','B','B','C']})

### Univariate analysis
sns.distplot(df.Income) # numeric
sns.boxplot(df.Income) # numeric
sns.distplot(df.Population)
sns.countplot(df.Category) # categorical
sns.countplot(df.Number)

## Bivariate analysis
sns.jointplot('Income', 'Population', data = df, kind='scatter')
sns.lmplot(df.Income, df.Population, data=df, hue='Number', fit_reg=False)
sns.countplot(Category, hue = 'Number', data=df)

## Multivariate analysis
sns.pairplot(df.select_dtypes(include=[np.int, np.float]])

---

我不确定你的问题是否清楚。但是，以下曲线图通常用于进行单变量和双变量分析

import seaborn as sns
import numpy as np
import pandas as pd

df = pd.DataFrame({'Income': [54,23,44,55,66,],
                   'Population':[77,88,87,88,89],
                   'Number':[1,1,0,0],
                   'Category':['A','A','B','B','C']})

### Univariate analysis
sns.distplot(df.Income) # numeric
sns.boxplot(df.Income) # numeric
sns.distplot(df.Population)
sns.countplot(df.Category) # categorical
sns.countplot(df.Number)

## Bivariate analysis
sns.jointplot('Income', 'Population', data = df, kind='scatter')
sns.lmplot(df.Income, df.Population, data=df, hue='Number', fit_reg=False)
sns.countplot(Category, hue = 'Number', data=df)

## Multivariate analysis
sns.pairplot(df.select_dtypes(include=[np.int, np.float]])

---

如果将数据放入pandas数据框中，则可以轻松地将男性和女性的值分开，例如（仅使用

收入
和
数字
）：

然后，您可以使用以下示例绘制条形图：。plot.ly软件包也很适合这种情况，如示例所示。
如果将数据放入熊猫数据框中，则可以轻松地将男性和女性的值分开，例如（只需使用
收入
和
数字
）：

然后，您可以使用以下示例绘制条形图：。plot.ly包也很适合这种类型的东西，如示例中所示。
您有什么问题吗？我无法将
1
作为
男性
和
0
作为
女性
分开，并为不同的变量绘制以下图表。请将数据集放在
数据框中。例如，你可以阅读，它会帮助你。要区分男性和女性，你需要学习。例如，您可以执行
df[df.Number==1]
只使用
Male
获得
数据框
，然后绘制您想要的任何图形。您有什么问题？我无法将
1
作为
Male
和
0
作为
女性
分开，并为不同的变量绘制以下图形。请将数据集放入
数据框
。例如，你可以阅读，它会帮助你。要区分男性和女性，你需要学习。例如，您可以使用
df[df.Number==1]
获得一个只有
Male
的
DataFrame
，然后绘制您想要的任何内容。