对红酒品质进行数据分析（python）

时间2024-08-02 11:44:55发布ongwu分类云计算浏览51

http://t.csdnimg.cn/UWg2S

数据来源于这篇博客，直接下载好csv文件。

这篇内容均在VScode的jupyter notebook上完成，操作可以看我的另一篇博客：http://t.csdnimg.cn/69sDJ

一、准备工作

1. 导入数据库

#功能是可以内嵌绘图，并且可以省略掉plt.show()这一步，具体作用是当你调用matplotlib.pyplot的绘图函数plot()进行绘图的时候，或者生成一个figure画布的时候，可以直接在你的python console里面生成图像。

%matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

#Seaborn是基于matplotlib的Python可视化库

import seaborn as sns

plt.style.use(ggplot)

# 创建调色板

color = sns.color_palette()

#设置字体等，方便我们在下面使用中文写label

plt.rcParams[font.family] = [SimHei]

plt.rcParams[axes.unicode_minus] = False

sns.set_style(darkgrid,{font.sans-serif:[SimHei,Arial]})

import warnings

warnings.filterwarnings(ignore)

# 读取数据

wine_df = pd.read_csv(winequality-red.csv,sep=;)

wine_df.head()

得到下图：

2. 查看文本数量

一个较大的样本通常意味着数据更加全面二号具有代表性，可以减少随机误差的影响，提高分析结果的可靠性。并且大样本量可以增强分析结果的推广性，使得分析结果可以更可靠地推广到更大的总体中。

len(wine_df) 3. 更换文本文件名称为中文

为了方便看表格，将文本文件名称改为中文。

这里的代码很累赘，但是CV大法好！

#把标题换成中文，方便我们看数据

wine_df.rename(columns={"fixed acidity":"固定酸度"},inplace=True)

wine_df.rename(columns={"volatile acidity":"挥发性酸度"},inplace=True)

wine_df.rename(columns={"citric acid":"柠檬酸"},inplace=True)

wine_df.rename(columns={"residual sugar":"残糖"},inplace=True)

wine_df.rename(columns={"chlorides":"氯化物"},inplace=True)

wine_df.rename(columns={"free sulfur dioxide":"游离二氧化硫"},inplace=True)

wine_df.rename(columns={"total sulfur dioxide":"总二氧化硫"},inplace=True)

wine_df.rename(columns={"density":"密度"},inplace=True)

wine_df.rename(columns={"sulphates":"硫酸盐"},inplace=True)

wine_df.rename(columns={"alcohol":"酒精"},inplace=True)

wine_df.rename(columns={"quality":"品质"},inplace=True)

wine_df.head()

4. 查看基本信息

初步了解数据的整体情况，检查数据的完整性，看看数据有没有缺失值，然后确认数据的类型，确定分析方法。

wine_df.info()

得到下面：

二、数据处理

1. 将品质作为表格的索引

在分析过程中，可以根据品质对数据进行分类和聚合。

#按品质分组，查看每组均值，进一步分析数据

wine_df.groupby(品质).mean()

得到如下：

2. 计算相关系数

查看各个理化性质与品质的关系是否紧密。

三、绘制图表

1. 各个品质与理化性质的箱线图

总结得出品质更好的就有更高的柠檬酸、硫酸盐和酒精度数，还具有更低的挥发性酸度、密度。

对于品质优于7或者劣于4的酒，直观上是线性可分的，离群点较少，但是品质5、6的酒很难区分。

下图只展示了品质8，其它的类推：

quality_column = 品质

factors = [固定酸度,挥发性酸度,柠檬酸,残糖,氯化物,游离二氧化硫,总二氧化硫,密度,pH,硫酸盐,酒精] # 确保这里包含了所有你想要绘制箱线图的列名

# 创建一个3x4的网格，用于绘制11个子图

fig, axs = plt.subplots(3, 4, figsize=(10, 10))

# 遍历每个因素并绘制箱线图

for i, factor in enumerate(factors):

# 计算行和列的索引

row = i // 4

col = i % 4

# 选择具有特定品质等级的行

eight_data = wine_df[wine_df[quality_column] == 8]

# 绘制箱线图

axs[row, col].boxplot(eight_data[factor])

# 设置标题和轴标签

axs[row, col].set_title(f{factor}与品质8的关系, fontsize=12)

axs[row, col].set_ylabel(factor)

# 关闭最后一个子图

axs[2, 3].axis(off)

# 显示图表

plt.tight_layout()

plt.show()

2. 酒精和硫酸盐的数值指标条形图

grouped_df = wine_df.groupby(品质).mean()

#然后我们选出来酒精和硫酸盐两个指标

alcohol_content = grouped_df[酒精]

sulfur_content = grouped_df[硫酸盐]

width = 0.35

ind = np.arange(len(grouped_df.index))

plt.figure(figsize=(13,10))

# 使用matplotlib绘制条形图

plt.bar(ind - width/2, alcohol_content, color=yellowgreen,width=0.35, alpha=0.8,label=酒精)

plt.bar(ind + width/2, sulfur_content, color=green, width=0.35,alpha=0.8, label=硫酸盐)

#添加数据

for i, content in enumerate(alcohol_content):

plt.text(i-width/2, content + 0.1, str(content), ha=center) # ha=center 表示水平对齐方式为居中

for i, content in enumerate(sulfur_content):

plt.text(i+width/2, content + 0.1, str(content), ha=center) # ha=center 表示水平对齐方式为居中

# 设置图表标题和轴标签

plt.title(与红酒品质正相关)

plt.xlabel(品质等级)

plt.ylabel(酒精&硫酸盐含量平均值 )

plt.xticks(ind,[3,4,5,6,7,8])

#添加图例

plt.legend()

# 显示图表

plt.show()

得到如下：

3. 挥发性酸度和总二氧化硫条形图

grouped_df = wine_df.groupby(品质).mean()

#我们选出负相关性强的两个指标：挥发性酸度和总二氧化硫

volatile_acidity_content = grouped_df[挥发性酸度]

sulfur_dioxide_content = grouped_df[总二氧化硫]

width = 0.35

ind = np.arange(len(grouped_df.index))

plt.figure(figsize=(13,10))

# 使用matplotlib绘制条形图

plt.bar(ind + width/2, volatile_acidity_content, color=orangered, alpha=0.8, width=0.35, label=挥发性酸度)

plt.bar(ind - width/2, sulfur_dioxide_content, color=sandybrown, alpha=0.8, width=0.35, label=总二氧化硫)

#添加数据

for i, content in enumerate(sulfur_dioxide_content):

plt.text(i-width/2, content + 0.1, str(content), ha=center) # ha=center 表示水平对齐方式为居中

for i, content in enumerate(volatile_acidity_content):

plt.text(i+width/2, content + 0.1, str(content), ha=center) # ha=center 表示水平对齐方式为居中

# 设置图表标题和轴标签

plt.title(与红酒品质负相关)

plt.xlabel(品质等级)

plt.ylabel(挥发性酸度&总二氧化硫含量平均值 )

#添加图例

plt.legend()

# 显示图表

plt.show()

得到如下：

4. 挥发性酸度条形图

#总二氧化硫的数据不够理想，现在只保留挥发性酸度的数据

volatile_acidity_content = grouped_df[挥发性酸度]

#sulfur_dioxide_content = grouped_df[总二氧化硫]

width = 0.35

ind = np.arange(len(grouped_df.index))

plt.figure(figsize=(13,10))

# 使用matplotlib绘制条形图

plt.bar(grouped_df.index, volatile_acidity_content, color=sandybrown, alpha=0.8, width=0.3, label=挥发性酸度)

#plt.bar(grouped_df.index, sulfur_dioxide_content, color=sandybrown, alpha=0.8, width=0.3, label=总二氧化硫)

# 设置图表标题和轴标签

plt.title(与红酒品质负相关)

plt.xlabel(品质等级)

plt.ylabel(挥发性酸度含量平均值 )

#添加图例

plt.legend()

# 显示图表

plt.show()

得到如下：

5. 多变量分析

与品质相关性最高的两个特征是酒精浓度、挥发性酸度。下面图中显示酒精浓度、挥发性酸度的关系。

plt.style.use(ggplot)

sns.lmplot(x=酒精, y=挥发性酸度, hue=品质, data=wine_df, fit_reg=False, scatter_kws={s: 10}, height=5, aspect=1)

print("Figure 11-1: Scatter Plots of Alcohol, Volatile Acid and Quality")

sns.lmplot(x = 酒精, y = 挥发性酸度, col=品质, hue = 品质, data = wine_df,fit_reg = False, height = 3, aspect = 0.9, col_wrap=3,scatter_kws={s:20})

print("Figure 11-2: Scatter Plots of Alcohol, Volatile Acid and Quality")

一	二	三	四	五	六	日
				1	2	3
4	5	6	7	8	9	10
11	12	13	14	15	16	17
18	19	20	21	22	23	24
25	26	27	28	29	30

对红酒品质进行数据分析（python）

一、准备工作

二、数据处理

三、绘制图表

最新文章

热评文章

热门文章

对红酒品质进行数据分析（python）

一、准备工作

二、数据处理

三、 绘制图表

三、绘制图表