correct my homework

Author: alvinhuu

D22_mplot3d/homework.py

@@ -34,3 +34,93 @@
 
 # https://kknews.cc/code/lnnxmr9.html
 
+# Training code
+# 新增網路硬碟
+from google.colab import drive
+drive.mount("/gdrive", force_remount=True)
+#drive.mount('/gdrive')
+import os
+os.getcwd()
+
+#設定Google Drive路徑
+root = "/gdrive"
+path = "/gdrive/My Drive/Colab Notebooks/Visualization"
+os.chdir(path)
+os.getcwd()
+
+### 利用 PANDAS 取得酒的品質資料 
+df_red = pd.read_csv("winequality_red.csv")
+df_white = pd.read_csv("winequality_white.csv")
+
+#資料整理
+df_red["color"] = "R"
+df_white["color"] = "W"
+
+#整合紅酒與白酒的資料
+df_all=pd.concat([df_red,df_white],axis=0)
+
+# 檢查合併後的資料集
+df_all.head()
+
+df_all.rename(columns={'fixed acidity': 'fixed_acidity','citric acid':'citric_acid',
+                       'volatile acidity':'volatile_acidity','residual sugar':'residual_sugar',
+                       'free sulfur dioxide':'free_sulfur_dioxide',
+                       'total sulfur dioxide':'total_sulfur_dioxide'}, inplace=True)
+# 檢查合併後的資料集
+df_all.head()
+
+#處理缺失值
+df = pd.get_dummies(df_all, columns=["color"])
+df_all.isnull().sum()
+
+#可以使用 info() 方法瞭解有關資料集屬性的更多資訊。特別是行和列的數量、列名稱、它們的數據類型和空值數。
+df_all.info()
+
+#要瞭解數據集的統計摘要,即記錄數、平均值、標準差、最小值和最大值,我們使用描述()。
+df_all.describe()
+
+#可視化所有數值數據。在垂直軸上計數,在水平軸上使用值範圍。hist 函數通過將所有屬性繪製在一起使操作變得簡單。
+df_all.hist(bins=10, color='lightblue',edgecolor='blue',linewidth=1.0,
+          xlabelsize=8, ylabelsize=8, grid=False)    
+
+plt.tight_layout(rect=(0, 0, 1.2, 1.2))
+
+#Plotting heatmap
+f, ax = plt.subplots(figsize=(10, 6))
+b = sns.heatmap(df_all.corr(), annot=True, linewidths=.05, ax=ax)
+f.subplots_adjust(top=0.93)
+bottom, top = ax.get_ylim()
+ax.set_ylim(bottom + 0.5, top - 0.5)
+title= f.suptitle('Correlation Heatmap for wine attributes', fontsize=12)
+
+#Plotting Jointplot, 使用 'reg'== regression 回歸線繪製關係圖
+a = sns.jointplot("fixed_acidity","citric_acid",data = df_all,kind ='reg', color = None)
+b = sns.jointplot("alcohol", "citric_acid", data = df_all, kind = 'reg')
+c = sns.jointplot("volatile_acidity", "citric_acid", data = df_all, kind = 'reg')
+
+'''
+Swarm沿分類軸(質量)調整記錄。這種繪圖將記錄分別標記,而不會重疊。這就是為什麼它最適合小型數據集的原因。
+在此圖表中,您可以看到硫酸鹽的數量,根據品質。品質值為 6 的硫酸鹽密度最高,品質等級為 9 和 3 的最低
+'''
+
+#在此一區域寫下程式碼
+
+f,ax = plt.subplots(figsize=(12, 4))
+p = sns.catplot(x="quality", y="sulphates", kind = 'swarm', data= df_all, palette= 'GnBu_d', ax=ax)
+
+'''
+PairGrid 允許我們使用相同的繪圖類型繪製子圖網格來可視化數據。
+與 FacetGrid 不同,它在每個子圖使用不同的變數對。它形成子圖的矩陣。它有時也被稱為"散點圖矩陣"。
+對網格的用法與分面網格類似。首先初始化網格,然後傳遞繪圖函數。
+'''
+
+#在此一區域寫下程式碼
+#設定底圖樣式
+sns.set(style="white")
+
+#利用PairGrid 繪製對角圖
+g = sns.PairGrid(df_all, diag_sharey=False)
+g.map_upper(sns.scatterplot)
+g.map_lower(sns.kdeplot, colors="C0")
+g.map_diag(sns.kdeplot, lw=2)
+