多维数据分析：使用Pandas进行原始值归一化处理

前言

在数据分析领域，处理多维数据是一项常见但具有挑战性的任务。本文将基于一个实际案例，展示如何使用Pandas对多维数据进行有效分析和可视化，特别是如何将原始计数数据转换为更有意义的百分比形式。

准备工作

首先，我们需要设置分析环境并导入必要的库：

%matplotlib inline
import pandas as pd
import matplotlib.pyplot as plt
from sqlalchemy import create_engine

# 设置图形样式和大小
plt.style.use(['seaborn-talk', 'seaborn-ticks', 'seaborn-whitegrid'])
plt.rcParams['figure.figsize'] = (15, 7)

数据获取

我们从数据库中获取Facebook用户的性别和社会观点数据：

# 构建数据库连接
conn_string = 'mysql+pymysql://{user}:{password}@{host}:{port}/{db}'.format(
    user='student',
    password='dwdstudent2015',
    host='db.ipeirotis.org',
    port=3306,
    db='facebook')
engine = create_engine(conn_string)

# 查询SQL获取数据
query = '''
SELECT Sex, SocialViews, COUNT(*) AS cnt 
FROM Profiles 
WHERE Sex IS NOT NULL AND SocialViews IS NOT NULL 
GROUP BY Sex, SocialViews
ORDER BY SocialViews, Sex
'''

df = pd.read_sql(query, con=engine)

数据透视与初步可视化

原始数据是长格式的，我们需要将其转换为宽格式以便分析：

# 创建透视表
dfp = pd.pivot_table(
    data=df,
    index='SocialViews',
    columns='Sex',
    values='cnt',
    aggfunc='sum'
)

此时直接绘制图表可能不太直观：

dfp.plot(kind='bar')

数据规范化处理

按列归一化（性别维度）

由于男女用户数量不同，我们需要按性别进行归一化：

dfp_norm = dfp / dfp.sum()
dfp_norm.plot(kind='bar')

这种归一化方式展示了在每个社会观点类别中，男女用户各自所占的比例。

按行归一化（社会观点维度）

我们也可以反过来，查看在每个性别中，不同社会观点的分布：

dfp_norm2 = dfp.T / dfp.T.sum()
dfp_norm2.T.plot(kind='bar', rot=45)

进阶可视化技巧

使用堆叠条形图可以更直观地比较不同性别在各社会观点中的分布：

dfp_norm2.T.plot(kind='bar', stacked=True, rot=45)

实际应用案例

让我们通过一个实际案例巩固所学知识：分析不同感情状态用户寻找的关系类型。

数据查询与处理

query = '''
SELECT R.Status, L.LookingFor, COUNT(*) AS cnt
FROM Relationship R INNER JOIN LookingFor L ON R.ProfileID = L.ProfileID
GROUP BY R.Status, L.LookingFor
HAVING cnt>10
'''
df_relationship = pd.read_sql(query, con=engine)
pivot = df_relationship.pivot_table(
    index='Status',
    columns='LookingFor',
    values='cnt'
)

多角度分析

1. 按感情状态归一化：

normed1 = pivot / pivot.sum()
normed1.T.plot.barh()

2. 按寻找关系类型归一化：

normed2 = (pivot.T / pivot.T.sum())
normed2.T.plot.barh()

总结

通过本文的学习，我们掌握了：

1. 使用Pandas对多维数据进行透视分析
2. 按不同维度对数据进行归一化处理
3. 选择合适的可视化方式展示分析结果

这些技能在处理任何多维数据集时都非常有用，能够帮助我们从不同角度理解数据的内在结构和关系。记住，选择哪种归一化方式取决于你的分析目的和想要回答的问题。