Kaggle放大招：简单几步实现海量数据分析及可视化

In [10]：

plotPCA(df1, 2)  2D PCA 
plotPCA(df1, 3)  3D PCA 

同理，更换数据集文件的路径，也可以得到其它数据对应的结果。

当然，除了上述几种可视化的结果外，根据输入数据以及需求的不同，也可以得到其它数据分析可视化结果，例如：

相关矩阵：

In [11]：

plotCorrelationMatrix(df1, 8) 

散射和密度图：

In [12]：

plotScatterMatrix(df1, 20, 10) 

针对数据分析、数据可视化工作，Kaggle kerneler bot应当说是相当的便捷和高效了。那么你是否也想尝试一下呢?

【编辑推荐】

1. 数据分析师还吃香吗？用数据告诉你
2. 对比解读五种主流大数据架构的数据分析能力
3. 干货 ：数据分析师的完整流程与知识结构体系
4. 分析了20万场吃鸡数据后，我有这些发现！
5. 《狄仁杰之四大天王》影评分析（爬虫+词云+热力图）

（编辑：咸宁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!