皮马印第安人糖尿病描述性统计绘图代码

以下是使用Python的matplotlib库和seaborn库对皮马印第安人糖尿病数据集进行可视化的示例代码：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 读取数据集
diabetes_df = pd.read_csv('pima-indians-diabetes.csv')

# 绘制直方图
diabetes_df.hist(bins=10, figsize=(10,8))
plt.show()

# 绘制箱线图
sns.boxplot(data=diabetes_df, orient="h", palette="Set2")
plt.show()

# 绘制散点图
sns.scatterplot(x='Glucose', y='BMI', hue='Outcome', data=diabetes_df)
plt.show()

# 绘制条形图
sns.countplot(x='Outcome', data=diabetes_df)
plt.show()

上述代码中，我们使用了pandas库中的read_csv()函数读取了皮马印第安人糖尿病数据集，并使用了matplotlib库和seaborn库中的各种可视化函数进行绘图。具体来说，我们绘制了直方图、箱线图、散点图和条形图，分别展示了数据的分布、异常值、变量之间的关系以及类别之间的比较。其中，直方图使用了hist()函数，箱线图使用了boxplot()函数，散点图使用了scatterplot()函数，条形图使用了countplot()函数。通过这些图表，我们可以更好地了解数据集的特征和分布，为后续的建模和分析提供有价值的参考。