以FIFA球员数据集为例，详解3大酷炫可视化技巧

只保留最好的球队(保留波尔图足球俱乐部只是为了让样本更加多样化)和最常见的国籍。

俱乐部偏好在很大程度上反映了“国籍”：了解前者有助于预测后者。

由图可知，英国球员更可能效力于切尔西队或曼联队，而不是在巴塞罗那队、拜仁慕尼黑队或波尔图队。

同理，克莱姆V系数也也捕获到了同样的信息。

如果所有俱乐部拥有的球员的国籍比例相同，那么克莱姆V系数则为0。

如果每个俱乐部偏好单一国籍的球员，则克莱姆系数V==1，例如，所有的英国球员在曼联队效力，所有的德国球员在拜仁慕尼黑队效力等等。

在所有其他情况下，范围则为[0,1]。

3. 数值变量和分类变量

对连续分类案例使用相关比率。

在不涉及太多数学的情况下，该变量用于离散程度的衡量。

如果给定一个数字，就能找出它的类别吗?

例如，假设数据集中有“SprintSpeed”和“Position”两列分类，那么：

• 守门员：58(De Gea)、52(T. Courtois)、58(M. Neuer)、 43(G. Buffon)
• 中后卫：68(D. Godin)、59(V. Kompany)、73(S. Umtiti)、 75(M. Benatia)
• 前锋：91(C.Ronaldo)、94(G. Bale)、80(S.Aguero)、 76(R. Lewandowski)

由上可知，这些数字很好地预测了他们所处的位置，因此相关性很高。

如果某球员冲刺速度超过85，那么该球员肯定是前锋。

这个比率也在[0,1]之间。

执行此操作的代码取自dython包，代码不会很多，最终结果如下：

player_dfplayer_df = player_df.fillna(0) 
results = associations(player_df,nominal_columns=catcols,return_results=True) 

分类vs.分类、分类vs.数值、数值vs.数值，这些使图表更为有趣。

很美，不是吗?

只要看看数据，就能对足球有如此多的了解，例如：

• 球员的位置与运球能力高度相关。总不能让梅西踢后卫吧!
• 值与传球和控球的相关性比运球更高。规则是永远传球，正如内马尔的传球。
• “俱乐部”和“收入”有很高的相关性并且可预测。
• “体型”与“踢球偏好的脚”高度相关。这是否意味着如果某球员是瘦子，就很可能喜欢用左脚踢球?这可能没啥实际意义，需要进一步调查。

此外，通过这个简单的图表，就能找到上述这么多信息，这在没有分类变量的典型相关图中是见不到的。

大家可深入研究这张图表，得到更多有意义的结果，但关键是图表能让大家在现实生活中更容易找到某种规律。

散点图矩阵

虽然前文谈到了很多相关性，但它是一个变幻无常的指标，为了让大家理解，我们来看一个例子。

“Anscombe四重奏”由四个相关性几乎近似于1的数据集组成，但具有非常不同的数据分布，并且在绘制时呈现出非常不同的效果。

Anscombe四重奏：相关性变化无常

因此，有时绘制相关数据变得至关重要，并且需要单独查看分布。

现在数据集中有很多列，把它们全都绘制成图形会很费力。

其实只需几行代码就可以解决。

filtered_player_df = player_df[(player_df['Club'].isin(['FC Barcelona', 'Paris Saint-Germain', 
       'Manchester United', 'Manchester City', 'Chelsea', 'Real Madrid','FC Porto','FC Bayern München'])) &  
                      (player_df['Nationality'].isin(['England', 'Brazil', 'Argentina', 
       'Brazil', 'Italy','Spain','Germany']))  
                     ] 
# Single line to create pairplot 
g = sns.pairplot(filtered_player_df[['Value','SprintSpeed','Potential','Wage']]) 

（编辑：核心网）

【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!