二変量CDF/CCDF分布Python

Question

xとyの両方の値を持つデータセットの二変量ccdfをプロットしようとしています。

単変量私は非常にうまくプロットすることができますが、下は入力、コードは一意のデータセットです。

入力：これはデータポイントの最初の20行です。入力には1000sの行があり、ユーザーとキーワードの頻度関係があるので、col[1]とcol[3]をプロットする必要があります。

tweetcricscore 34 #afgvssco 51 
tweetcricscore 23 #afgvszim 46 
tweetcricscore 24 #banvsire 12 
tweetcricscore 456 #banvsned 46 
tweetcricscore 653 #canvsnk 1 
tweetcricscore 789 #cricket 178 
tweetcricscore 625 #engvswi 46 
tweetcricscore 86 #hkvssco 23 
tweetcricscore 3 #indvsban 1 
tweetcricscore 87 #sausvsvic 8 
tweetcricscore 98 #wt20  56 

コード：univeriateデータセット

import numpy as np 
import matplotlib.pyplot as plt 
from pylab import* 
import math 
from matplotlib.ticker import LogLocator 

data = np.genfromtxt('keyword.csv', delimiter=',', comments=None) 

d0=data[:,1] 
X0 = np.sort(d0) 
cdf0 = np.arange(len(X0))/float(len(X0)) 
ccdf0 = 1 - cdf0 
plt.plot(X0,ccdf0, color='b', marker='.', label='Keywords') 

plt.legend(loc='upper right') 
plt.xlabel('Freq (x)') 
plt.ylabel('ccdf(x)') 
plt.gca().set_xscale("log") 
#plt.gca().set_yscale("log") 
plt.show() 

私は二変量データポイントのためのいくつかのオプションを探しています。私はSeaborn Bivariate Distributionを参照しましたが、私はそれを適切な文脈で私のデータセットに入れることができません。

python、matplotlib、seaborn内の代替提案は、歓迎します.. ありがとうございます。

Answer 1

二変量分布あなたが説明しようとしている方法は、家の大きさ（input、x）や価格（output、y）など、しばしば連続的です。 ）をキーワードの数に置き換えてください。これはおそらくキーワードrightに割り当てられたIDなのでしょうか？

カテゴリ（キーワード）があるように私の場合は、それはように見えます。各カテゴリは、2つの数字、tweetcricscoreおよびkeywordの数を有するように見える。 \ここ

あなたのコード：

cdf0 = np.arange(len(X0))/float(len(X0)) 

私にはあなたのxの範囲は、ちょうどそのラベルではなく意味のある値であることを示唆しています。

カテゴリプロットのより良いソースはhereです。

それはあなたが以下の上からあなたのデータを使用した例として、あなたのデータを使用しないだろう、ということ読んだ欲しいものはまだだと仮定すると、二変量分布を作成するには：

非常に無意味を生成

import numpy as np 
import seaborn as sns 

col_1 = np.array([34, 23, 24, 456, 653, 789, 625, 86, 3, 87, 98]) 
col_3 = np.array([51, 46, 12, 46, 1, 178, 46, 23, 1, 8, 56]) 

sns.jointplot(x=col_3, y=col_1) 

ここで図：

手動で、xとyのラベルを追加する必要があります。これは、pandasDataframesの代わりにnumpyarrayを渡しているからです。dictionariesと考えることができます。ここで、辞書の各キーは列のタイトルであり、値はnumpyの配列です。

乱数を使用して、よりランダムで連続的な関連データセットの表示方法を示します。

これはドキュメントの例です。これを与え

import numpy as np 
import seaborn as sns 
import pandas as pd 

mean, cov = [0, 1], [(1, .5), (.5, 1)] 
data = np.random.multivariate_normal(mean, cov, 200) 
df = pd.DataFrame(data, columns=["x", "y"]) 
sns.jointplot(x="x", y="y", data=df); 

：

彼らはただの分布を説明するためのチャートの上に棒グラフをとしてユニ変量チャート（あなたはおそらく生産持っているもの）と考えることができます1つまたは他の変数（x、y、col_3、col_1）