多维数据分析:使用Pandas进行原始值归一化处理
2025-06-04 20:13:44作者:裴麒琰
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
- 按感情状态归一化:
normed1 = pivot / pivot.sum()
normed1.T.plot.barh()
- 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:
- 使用Pandas对多维数据进行透视分析
- 按不同维度对数据进行归一化处理
- 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。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511