开发者学堂课程【Python 常用数据科学库：结合 pandas 与 sklearn】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/546/detail/7510
结合 pandas 与 sklearn
首先引入需要用到的库，构造一个 df,随意购造出数据之后，基于这些指标画图，同样也是画条形图，只不过比较特殊。指定指标之后考虑是否进行堆叠，可以通过STACKED 的进行堆叠。先不进行堆叠。代码如下：
fig.ax = plt.subplots()
df.plot.bar(ax=ax)
plt.show（）
图像如下：
但是在这个指标里，一共有20个数据，所以 X 轴有20个，但堆的地方比较挤，现在只有123画出来了，整体什么样子不清楚。所以就需要加上指标进行堆叠。于是加入代码：stacked=（True），执行之后的结果就是原来的123是分开写的，现在不是分开写的，是堆在一起的。堆叠起来之后，不仅可以单独看，也可以看现在整体的情况了，这也就是堆叠的功能。有了整体情况之后，就得到了指标。这也就是 bar 图如何看堆叠的情况。如果想关心各个 condition 占的百分比，比如说0的数据里面，condition 123分别所占的情况，因为高度不一样，很难统计各自百分比的情况。所以如果想统计0到20红色蓝色绿色分别的百分比情况，此时就可以借助另外一个工具。先导入工具，设置一下 AX，刚才导入的工具就可以用来做百分比。对 Y 轴的指标进行调节，代码如下：
from matplotlib.ticker import FuncFormatter
df_ratio = df.div(df. sun(axis=1),axis=0)
fig.ax =plt.subplots()
df_ratio.plot.bar(ax=ax,stacked=True)
ax.yaxis.set_major_formatter(FuncFormatter(lanbda y._:'(:0.5)'.format(y)))
plt.show（）
执行如上代码之后图像如下：
由图可以看到它们图像都是一样高度，就可以看出所占的百分比。还可以再把一段数据拿出来在 pandas 当中直接读 UR 指定位置，把 DF 复制之后，直接进行读取，就基于这些数据画图。在这些数据当中有一些缺失值，Imputer 可以自动根据均值来进行缺失值的填充。用其进行处理数据之后。就可以进行画图了。 PC 就是主城分析，如果想做主城分析，就先导入包，PC 的意思就是在特征当中有很多特征，但并不见得36列当中都是有用的，可以看一下按照什么样的维度进行映射，出来一个更好的数据，这就是 PC。首先先指定 features，在 SK learn 当中执行，一个操作就相当于直接引入包。先打印前3个特征，这些都是 SK learn 当中的内部函数。然后直接复制构造 figure，转化为 3D 格式。 3D 图画散点图，原始特征有36位，做 PC 之后相当于得到了新的结果。也就可以把3维数据传进去，得到 3D 图。图像如下：
也就是说，SK learn 可以和 pandas 还有之后的工具包都结合在一起，之后还会提到Saber ，Saber 这个东西更为方便。画一个图，很多细节需要自己设置，如果不设置就没有。但是在 Saber 当中细节的设置相对来说就会更简单，因为其会提供模板。
