Python 可视化分析：住房与违约关系

本示例使用 Python 的 Bokeh 库，可视化分析住房与违约之间的关系，并以散点图呈现，清晰区分有房贷款和无房贷款人群的违约情况。

from bokeh.plotting import figure, show, output_file
import numpy as np
import pandas as pd
import pandas
df = pd.read_csv(r'/Users/fuchuanruo/Desktop/可视化作业/实践/train.csv')
test = pd.read_csv(r'/Users/fuchuanruo/Desktop/可视化作业/实践/test.csv')

# 创建散点图
p = figure(title='Housing and Default Relationship', x_axis_label='Housing', y_axis_label='Default')

# 将数据分为两个组，一个是有房屋贷款的人，另一个是没有房屋贷款的人
has_housing = df[df['housing']=='yes']
no_housing = df[df['housing']=='no']

# 绘制有房屋贷款的人的散点图
p.circle(x=has_housing['housing'], y=has_housing['default'], color='blue', legend_label='Has Housing')

# 绘制没有房屋贷款的人的散点图
p.circle(x=no_housing['housing'], y=no_housing['default'], color='red', legend_label='No Housing')

# 显示图表
show(p)

代码解析:

导入库: 首先导入 Bokeh、NumPy 和 Pandas 库，用于可视化、数据处理和数据分析。
读取数据: 从 CSV 文件中读取数据，并将其分别存储在 df 和 test 变量中。
创建图形: 使用 Bokeh 的 figure 函数创建散点图，并设置标题、X 轴和 Y 轴标签。
数据分组: 将数据根据 housing 列的值进行分组，分为有房贷款 (has_housing) 和无房贷款 (no_housing) 两个组。
绘制散点图: 使用 circle 函数分别绘制有房贷款和无房贷款组的散点图，并设置颜色和图例标签。
显示图表: 使用 show 函数显示生成的散点图。

结果:

该代码将生成一个散点图，以可视化的方式展示住房与违约之间的关系，并区分有房贷款和无房贷款人群的违约情况。

注意:

请将代码中的文件路径替换为您的实际文件路径。

总结:

通过使用 Python 的 Bokeh 库，我们可以轻松地将数据可视化，并帮助我们更好地理解数据之间的关系。该示例展示了如何使用散点图来分析住房与违约之间的关系，并区分不同组别的数据。