Python数据可视化: 使用Bokeh库分析不同职业的贷款利率

本案例使用Python的Bokeh库对贷款数据集进行可视化分析, 探索不同职业对3个月贷款利率的影响。

1. 数据准备:

使用Pandas库读取贷款数据集 (train.csv)。
从数据集中筛选出'lending_rate3m' (3个月贷款利率) 和 'job' (职业) 两列数据。

import pandas as pd
from bokeh.plotting import figure, show, output_file

df = pd.read_csv('train.csv')
data = df[['lending_rate3m', 'job']]

2. 数据分组与计算:

按照'job' (职业) 对数据进行分组。
计算每组的'lending_rate3m' (3个月贷款利率) 平均值。

grouped_data = data.groupby('job').mean().reset_index()

3. 创建可视化图形:

创建一个figure对象，设置图形标题、高度和宽度。
使用vbar()方法添加柱状图，x轴为职业，y轴为平均贷款利率。
设置x轴和y轴的标签。

p = figure(x_range=grouped_data['job'], plot_height=500, plot_width=800, title='不同职业的3个月贷款利率')
p.vbar(x=grouped_data['job'], top=grouped_data['lending_rate3m'], width=0.9, color='blue')
p.xaxis.axis_label = '职业'
p.yaxis.axis_label = '3个月贷款利率'

4. 输出和展示图形:

使用output_file()方法将图形输出到HTML文件。
使用show()方法显示图形。

output_file('lending_rate3m_by_job.html')
show(p)

通过运行以上代码，我们可以得到一个交互式的柱状图，清晰地展示不同职业对3个月贷款利率的影响。