一、序言

随着各种组学技术的发展，一个样本可能对应成千上万个变量，现阶段研究往往是实践先于理论，通过层层特征筛选，得到少数可能和结局有关的变量，然后再去研究这些变量具体的含义。其中变量间的相互的关系也是研究的一个内容。通过肉眼直接分析原始的数据不太可能能看出变量间的关系，因此往往需要借助图像，以更直观地方式展现变量的分布情况。

二、实战演示

假设经过前期研究，得到了500个数据的两个变量 n, r，，没有任何关于它们对应的总体的信息。现在需要分析这两个变量间的关系
画图前，先选个好看点的预设图像风格：

import matplotlib.pyplot as plt
plt.style.use('ggplot')

1. 直方图

对于一组数据，统计描述的第一步是绘制频数直方图，在matplotlib中，使用hist()函数来绘制。几个关键的参数是：
x：原始数据的sequence，可输入的数据类型为列表（list）、元组（tuple）、pandas序列（series）、numpy数组（array）等
bins： 箱，当输入值为整数时，表示需要绘制的频数直方图的组数；当输入为一个sequence时，表示定义的每组的界值，如输入[1, 2, 3 ,4]表示分成三组，[1, 2)、[2, 3)、[3, 4]
range： 用于设定bins的左侧边界和右侧边界，例如bins = 3, range = (1,4)，则产生三组，每组界值为[1, 2)、[2, 3)、[3, 4]；当bins输入为sequence时，这条指令无效。
density： 默认为False，如果设置为True，则绘制频率密度直方图。

fig, ax = plt.subplots()
ax.hist(n, bins = 18, range = (-50, 40), label = 'unknown distribution1')
ax.hist(r, bins = 18, range = (-50, 40), label = 'unknown distribution2', alpha = 0.8)
ax.legend()
plt.show()

然而直方图并不能看出这两个特征有什么关系，因此接下来选择直方图的升级版

2. 箱型图和小提琴图

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.boxplot.html

     Q1-1.5IQR   Q1   median  Q3   Q3+1.5IQR|-----:-----|o      |--------|     :     |--------|    o  o|-----:-----|
flier             <----------->            fliersIQR

一个箱型图大概长这样，每一条线是和百分位数有关，flier表示离群值或者异常值。
小提琴图就相当于把直方图旋转90°在取对称。
在matplotlib中，boxplot()用于绘制箱型图，violinplot()用于绘制小提琴图。

violins = ax.violinplot((n, r), showmeans = False, showextrema = False, showmedians = False)
for violin in violins['bodies']:violin.set_edgecolor('black')violin.set_alpha(1)boxes = ax.boxplot((n, r), positions = (1,2), patch_artist = True, medianprops = {'linestyle':'--', 'color':'black'})
ax.set_xticklabels(labels = ['normal\ndistribution', 'unknown\ndistribution'])
ax.grid(axis = 'x')
plt.show()

直方图的升级版也并不能看出这两个特征有什么关系

3. 散点图

每个样本的这两个特征是相互匹配的，因此以n为x轴，r为y轴，绘制的点就代表每一个样本。
在matplotlib中，用scatter()绘制散点图

ax.scatter(n, r)
ax.set_xlabel('n')
ax.set_ylabel('r')
plt.show()

豁然开朗，原来这两个变量是呈现强的线性关系，使用直线回归验证我们的观点

from scipy.stats import linregress
statistics = linregress(n,r)
print(statistics)
'''
LinregressResult(
slope=0.9748791206336714,
intercept=-14.490971785425117,
rvalue=0.8537217995118889,
pvalue=3.1209429808110146e-143,
stderr=0.026645986874802068,
intercept_stderr=0.3018466146896383
)
'''

可以看出，相关系数r为0.854，p为10的-143次方基本上等于0，表现出很强的相关性。那么到底n和r是什么分布呢？

import numpy as np
np.random.seed(1)
n = np.random.normal(5, 10, 500)
r = n - np.random.randint(5, 25, 500)

其实n是一个均数为5，标准差为10的正态分布，而r是n随机减掉5-25之间的一个值得到的。在直线回归结果中可以看到，斜率为0.975，相当于1；截距为-14.491，正好在-25和-5的中位数附近。结果和r的推导式基本一样。

三、结语

最原始的最简单，散点图通过把每个样本的值都画出来，能很直观地看出变量的关系。

Python - matplotlib - 如何探索两个变量间关系？相关推荐

python一个函数调用另一个函数中的变量_在Python 中同一个类两个函数间变量的调用方法...
在Python 中同一个类两个函数间变量的调用方法更新时间:2019年01月31日 15:44:54 作者:wxy_summer 今天小编就为大家分享一篇在Python 中同一个类两个函数间变量的调 ...
python判断字符串相等_如何在python语言中判断两个变量或字符串相等
在python语言中,判断两个变量是否相等或一致,除了使用==之外,还是可以使用is来判断.is和==作用是一致的,但是还有个判断不一致,就是使用is not.下面利用几个实例说明==和is的区别,操 ...
典型相关分析如何分析两组变量的关系
前言我们在分析两组变量之间的相关性时,比如X=[X1,X2,...,Xm]X=[X_1,X_2,...,X_m]和Y=[Y1,Y2,...,Yn]Y=[Y_1,Y_2,...,Y_n],最原始的方法 ...
python数据分析 - 如何探索数据
python数据分析 1.数据的组成 1.1 非结构化数据 1.2 结构化数据 1.3 矩形数据 1.4 非矩形数据 2.位置估计 2.1 均值 2.2 中位数和稳健估计量 3.变异性估计 3.1 标 ...
利用协方差，皮尔逊相关系数和斯皮尔曼相关系数确定变量间的关系
利用协方差,皮尔逊相关系数和斯皮尔曼相关系数确定变量间的关系 https://www.toutiao.com/i6550915552490029576/ 数据集中的变量之间可能存在复杂且未知的关系.重 ...
【统计学笔记】如何判断变量间相关关系，并建立一元线性回归模型？
本章内容: 判断两个变量间是否有相关关系,且关系强度如何? 如何建立一元线性回归模型,且模型效果如何? 如何利用回归方程进行预测? 为什么要进行残差分析,及如何进行分析? 索引
R数据分析：变量间的非线性关系，多项式，样条回归和可加模型
之前的文章中都是给大家写的变量间线性关系的做法,包括回归和广义线性回归,变量间的非线性关系其实是很常见的,今天给大家写写如何拟合论文中常见的非线性关系.包括多项式回归Polynomial regres ...
Python数据可视化 | 6、基于Sesborn探索变量间的关系
目录绘制线性回归模型拟合不同模型残差图变量间的条件关系探索控制图片的大小和形状小结数据变量之间的关联性,主要针对定量数据而言: 数据的分布问题也是主要针对定量数据: 分组问题及组间问题里 ...
python使用matplotlib可视化、使用xcorr函数可视化两个变量的互相关图、使用acorr函数可视化自相关图像
python使用matplotlib可视化.使用xcorr函数可视化两个变量的互相关图.使用acorr函数可视化自相关图像目录
python matplotlib数据可视化教程_matplotlib的Python数据可视化和探索——入门指南
matplotlib--最受欢迎的Python库,用于数据可视化和探索我喜欢在Python中使用matplotlib.这是我学会掌握的第一个可视化库,此后一直存在.matplotlib是最受欢迎的用 ...

Python - matplotlib - 如何探索两个变量间关系？

文章目录