Kaggle放大招：简单几步实现海量数据分析及可视

近期，Kaggle发布了新的数据分析及可视化工具——Kaggle Kerneler bot，用户只需上传数据集，便可用Python为用户自动获取相关的深度数据分析结果。本文将带领读者体验一下这款便捷而又高效的工具。

 

 

Kaggle Kerneler bot是一个自动生成的kernel，其中包含了演示如何读取数据以及分析工作的starter代码。用户可以进入任意一个已经发布的项目，点击顶部的“Fork Notebook”来编辑自己的副本。接下来，小编将以最热门的两个项目作为例子，带领读者了解该如何使用这款便捷的工具。

好的开始是成功的一半!

要开始这个探索性分析(exploratory analysis)，首先需要导入一些库并定义使用matplotlib绘制数据的函数。但要注意的是，并不是所有的数据分析结果图像都能够呈现出来，这很大程度上取决于数据本身(Kaggle Kerneler bot只是一个工具，不可能做到Jeff Dean或者Kaggle比赛选手们那么完美的结果)。

In [1]：

 

 

在本例中，一共输入了12个数据集。

In [2]：

 

 

接下里，用户在编辑界面中会看到四个已经编好的代码块，它们定义了绘制数据的函数。而在发布后的页面，这些代码块会被隐藏，如下图所示，只需单击已发布界面中的“code”按钮就可以显示隐藏的代码。

 

 

准备就绪!读取数据!

首先，让我们先看一下输入中的第一个数据集：

In [7]：

 

 

 

 

那么数据长什么样子呢?

In [8]：

 

 

Out [8]：

 

 

数据可视化：仅需简单几行!

样本的柱状图：

In [9]：

 

 

二维和三维的PCA图：

In [10]：

 

 

 

 

 

 

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]：

 

 

 

 

散射和密度图：

In [12]：

 

 

 

 

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?

时间:2018-09-21 00:22  来源:    转发量:次