机器学习与深度学习 / 系统课时
绘制特征分布图
绘制特征分布图
学习目标
完成本课后,你将能够:
- 使用直方图、箱线图和密度图观察数值特征
- 根据图形识别偏态、异常值和多峰结构
- 选择适合当前分析目标的图表
三种图表分别看什么
- 直方图显示数值落入各区间的频数,适合观察整体形状。
- 箱线图突出中位数、四分位数和潜在异常点,适合组间比较。
- 密度图显示平滑后的分布趋势,适合比较多个分布,但会受到带宽参数影响。
单张图不能回答所有问题,通常需要组合使用。
绘制直方图和箱线图
python
import matplotlib.pyplot as plt
import pandas as pd
data = pd.DataFrame({
"monthly_spend": [120, 150, 180, 200, 220, 260, 310, 450, 800, 1200]
})
data["monthly_spend"].plot.hist(bins=5, edgecolor="black")
plt.xlabel("Monthly spend")
plt.ylabel("Count")
plt.title("Monthly Spend Distribution")
plt.tight_layout()
plt.show()
data.boxplot(column="monthly_spend")
plt.ylabel("Monthly spend")
plt.title("Monthly Spend Boxplot")
plt.tight_layout()
plt.show()预期结果:
text
显示一张直方图和一张箱线图;数据右侧尾部较长,800 和 1200 位于较高区间。按类别比较分布
python
import matplotlib.pyplot as plt
import pandas as pd
data = pd.DataFrame({
"channel": ["app", "app", "app", "web", "web", "web"],
"amount": [100, 130, 160, 80, 220, 500],
})
data.boxplot(column="amount", by="channel")
plt.suptitle("")
plt.title("Amount by Channel")
plt.xlabel("Channel")
plt.ylabel("Amount")
plt.tight_layout()
plt.show()预期结果:
text
页面显示 app 与 web 两组金额箱线图,web 组波动更大。图形解释规则
- 先检查横轴范围和单位。
- 观察中心位置、离散程度、偏态和尾部。
- 检查是否存在多个峰,多个峰可能对应不同人群。
- 对异常点回查原始记录,不直接删除。
- 比较不同图时使用一致的坐标尺度。
常见错误
- 区间过少会掩盖细节,区间过多会放大随机波动。
- 密度图可能在数据范围外产生平滑曲线,不能当作真实样本。
- 箱线图中的点只是潜在异常值,不等于错误数据。
- 图表没有单位、样本量和分组说明时容易被误读。
本课练习
- 为一组交易金额分别绘制直方图和箱线图。
- 调整直方图区间数量,比较图形变化。
- 按渠道绘制箱线图,并写出两条可验证的观察结论。
按自己的节奏,确认真正理解。