import pandas as pd  # 导入pandas库
import numpy as np #导入numpy库
import matplotlib.pyplot as plt
import seaborn as sns  

import warnings
warnings.filterwarnings('ignore')  # 忽略警告信息
data = pd.read_csv(r'E:\PythonStudy\heart.csv') 
data

data.info()  # 列名、非空值、数据类型

data.columns      # 所有列名 data的属性
data.dtypes  

data.isnull()            # 布尔矩阵显示缺失值，这个方法返回一个布尔矩阵，也是dataframe对象，其中True表示是缺失值，False表示不是缺失值。
data.isnull().sum()   
# 无缺失值，所以不用补值

# 找到所有的连续特征
continuous_features = data.select_dtypes(include=['float64', 'int64']).columns.tolist()
continuous_features

discrete_features = [feat for feat in data.columns.tolist() if feat not in continuous_features]
discrete_features

plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]  # 支持常见中文字体
plt.rcParams["axes.unicode_minus"] = False  # 解决负号显示异常
# 屏蔽 matplotlib 关于字体查找的警告日志
logging.getLogger('matplotlib.font_manager').setLevel(logging.ERROR)

# 后续正常执行可视化代码即可
# （例如之前的 age 特征可视化代码）

data['age']

import matplotlib.pyplot as plt
import logging

# -------------------------- 前提：假设已加载数据（此处用模拟数据示例，可替换为真实数据） --------------------------
# 若使用真实数据，直接替换为 df = pd.read_csv("你的数据文件.csv") 等加载方式
np.random.seed(42)  # 固定随机种子，保证结果可复现
age_data = np.random.normal(loc=35, scale=12, size=1000)  # 模拟age数据：均值35，标准差12，1000个样本
age_data = np.clip(age_data, a_min=0, a_max=100)  # 限制age范围在0-100（符合实际年龄逻辑）
df = pd.DataFrame({"age": age_data})  # 转换为DataFrame，便于后续可视化调用


# -------------------------- 1. 箱线图（Box Plot）：展示分布四分位数、异常值 --------------------------
plt.figure(figsize=(8, 5))  # 设置画布大小
sns.boxplot(x="age", data=df, palette="Set2", linewidth=1.5, flierprops={"marker": "o", "markerfacecolor": "red", "markersize": 5})
plt.title("Age特征箱线图", fontsize=14, fontweight="bold", pad=20)  # 标题：加粗、调整间距
plt.xlabel("年龄（岁）", fontsize=12)  # x轴标签
plt.xticks(fontsize=10)  # x轴刻度字体大小
plt.grid(axis="x", alpha=0.3, linestyle="--")  # 添加x轴网格线（浅灰色虚线，增加可读性）
plt.tight_layout()  # 自动调整布局，避免标签被截断
plt.show()  # 显示图像


# -------------------------- 2. 小提琴图（Violin Plot）：结合箱线图与密度分布 --------------------------
plt.figure(figsize=(8, 5))
sns.violinplot(x="age", data=df, palette="Set2", inner="quartile", linewidth=1.5)  # inner="quartile"显示四分位数
plt.title("Age特征小提琴图", fontsize=14, fontweight="bold", pad=20)
plt.xlabel("年龄（岁）", fontsize=12)
plt.xticks(fontsize=10)
plt.grid(axis="x", alpha=0.3, linestyle="--")
plt.tight_layout()
plt.show()


# -------------------------- 3. 直方图（Histogram）：展示样本频次分布 --------------------------
plt.figure(figsize=(10, 6))
# 手动设置bins（区间数），避免自动分箱不合理；edgecolor="black"增加柱子边框，区分相邻柱子
n, bins, patches = plt.hist(df["age"], bins=20, edgecolor="black", alpha=0.7, color="#66b3ff")

# 为直方图添加“频次标签”（可选，增强信息传递）
for i in range(len(patches)):
    height = patches[i].get_height()
    if height > 0:  # 只对有数据的柱子添加标签
        plt.text(patches[i].get_x() + patches[i].get_width()/2., height + 1,
                 f"{int(height)}", ha="center", va="bottom", fontsize=9)

plt.title("Age特征直方图", fontsize=14, fontweight="bold", pad=20)
plt.xlabel("年龄（岁）", fontsize=12)
plt.ylabel("样本频次", fontsize=12)
plt.xticks(fontsize=10)
plt.yticks(fontsize=10)
plt.grid(axis="y", alpha=0.3, linestyle="--")  # y轴网格线，辅助读取频次
plt.tight_layout()
plt.show()


# -------------------------- 4. 密度图（Density Plot）：展示概率密度分布 --------------------------
plt.figure(figsize=(10, 6))
# 方法1：用seaborn的kdeplot（默认带阴影，更美观）
sns.kdeplot(df["age"], fill=True, color="#ff9999", alpha=0.6, linewidth=2, label="Age密度曲线")

# 方法2：用matplotlib的gaussian_kde（偏底层，可自定义程度更高，二选一即可）
# kde = stats.gaussian_kde(df["age"])
# x_range = np.linspace(df["age"].min() - 5, df["age"].max() + 5, 200)  # 扩展x轴范围，使曲线更完整
# plt.plot(x_range, kde(x_range), color="#ff9999", linewidth=2, label="Age密度曲线")
# plt.fill_between(x_range, kde(x_range), alpha=0.6, color="#ff9999")

plt.title("Age特征密度图", fontsize=14, fontweight="bold", pad=20)
plt.xlabel("年龄（岁）", fontsize=12)
plt.ylabel("概率密度", fontsize=12)
plt.xticks(fontsize=10)
plt.yticks(fontsize=10)
plt.legend(fontsize=11)  # 显示图例
plt.grid(axis="y", alpha=0.3, linestyle="--")
plt.tight_layout()
plt.show()


# -------------------------- 5. CDF图（累积分布函数图）：展示“小于等于某值的样本占比” --------------------------
plt.figure(figsize=(10, 6))
# 步骤1：计算CDF的核心数据（排序后的age + 对应的累积概率）
sorted_age = np.sort(df["age"])  # 对age从小到大排序
cumulative_prob = np.arange(1, len(sorted_age) + 1) / len(sorted_age)  # 累积概率（范围0-1）

# 步骤2：绘制CDF曲线（阶梯式，更符合离散样本的累积逻辑）
plt.step(sorted_age, cumulative_prob, where="post", color="#99ff99", linewidth=2, label="Age累积分布")

# 可选：添加“关键分位数标注”（如25%、50%、75%分位数）
percentiles = [25, 50, 75]
for p in percentiles:
    p_val = np.percentile(df["age"], p)  # 计算对应分位数的age值
    p_prob = p / 100  # 对应累积概率
    plt.scatter(p_val, p_prob, color="red", s=50, zorder=5)  # 红色圆点标记分位数
    plt.annotate(f"{p}%分位数: {p_val:.1f}岁", 
                 xy=(p_val, p_prob), xytext=(10, 10),
                 textcoords="offset points", fontsize=10,
                 bbox=dict(boxstyle="round,pad=0.3", facecolor="yellow", alpha=0.7))  # 标注框

plt.title("Age特征CDF图（累积分布函数）", fontsize=14, fontweight="bold", pad=20)
plt.xlabel("年龄（岁）", fontsize=12)
plt.ylabel("累积概率（≤当前年龄的样本占比）", fontsize=12)
plt.xticks(fontsize=10)
plt.yticks(np.arange(0, 1.1, 0.1), [f"{int(x*100)}%" for x in np.arange(0, 1.1, 0.1)], fontsize=10)  # y轴用百分比显示
plt.grid(alpha=0.3, linestyle="--")
plt.legend(fontsize=11)
plt.tight_layout()
plt.show()

# -------------------------- 前提：假设已加载数据（此处用模拟数据示例，可替换为真实数据） --------------------------
# 真实数据直接替换为：df = pd.read_csv("你的数据文件.csv")（需包含"age"列和"target"列）
np.random.seed(42)
# 模拟二分类target（0/1），也可改为多分类（如0/1/2），代码兼容
df = pd.DataFrame({
    "age": np.clip(np.random.normal(loc=35, scale=12, size=1000), 0, 100),  # age范围0-100
    "target": np.random.randint(0, 2, size=1000)  # 二分类标签（0/1），多分类可改为0,3
})
# 若target是字符串标签（如"正常"/"异常"），无需修改代码，自动兼容


# -------------------------- 1. 按target分组的箱线图：对比不同类别age的分布统计量 --------------------------
plt.figure(figsize=(10, 6))
# x=target（分组依据），y=age（待展示特征），hue=target（颜色区分类别，更直观）
sns.boxplot(x="target", y="age", hue="target", data=df, palette="Set2", 
            linewidth=1.5, flierprops={"marker": "o", "markerfacecolor": "red", "markersize": 4},
            dodge=False)  # dodge=False避免分组重叠
plt.title("不同Target类别下Age的箱线图", fontsize=14, fontweight="bold", pad=20)
plt.xlabel("Target标签", fontsize=12)
plt.ylabel("年龄（岁）", fontsize=12)
plt.xticks(fontsize=10)
plt.yticks(fontsize=10)
plt.legend(title="Target类别", fontsize=10, title_fontsize=11)
plt.grid(axis="y", alpha=0.3, linestyle="--")
plt.tight_layout()
plt.show()


# -------------------------- 2. 按target分组的小提琴图：对比分布形状+统计量 --------------------------
plt.figure(figsize=(10, 6))
# inner="quartile"显示四分位数，与箱线图核心信息一致，同时展示密度分布
sns.violinplot(x="target", y="age", hue="target", data=df, palette="Set2",
               inner="quartile", linewidth=1.5, dodge=False)
plt.title("不同Target类别下Age的小提琴图", fontsize=14, fontweight="bold", pad=20)
plt.xlabel("Target标签", fontsize=12)
plt.ylabel("年龄（岁）", fontsize=12)
plt.xticks(fontsize=10)
plt.yticks(fontsize=10)
plt.legend(title="Target类别", fontsize=10, title_fontsize=11)
plt.grid(axis="y", alpha=0.3, linestyle="--")
plt.tight_layout()
plt.show()


# -------------------------- 3. 按target分组的直方图：对比不同类别age的频次分布 --------------------------
plt.figure(figsize=(12, 6))
# 方法1：用seaborn的histplot（自动分组，支持stack/side-by-side）
sns.histplot(data=df, x="age", hue="target", multiple="dodge",  # multiple="dodge"并列显示，"stack"堆叠显示
             bins=20, edgecolor="black", alpha=0.7, palette="Set2")

# 方法2：用matplotlib手动分组（适合更精细控制）
# for target_val, color in zip(df["target"].unique(), ["#66b3ff", "#ff9999"]):
#     age_subset = df[df["target"] == target_val]["age"]
#     plt.hist(age_subset, bins=20, alpha=0.7, color=color, label=f"Target={target_val}",
#              edgecolor="black")

plt.title("不同Target类别下Age的直方图", fontsize=14, fontweight="bold", pad=20)
plt.xlabel("年龄（岁）", fontsize=12)
plt.ylabel("样本频次", fontsize=12)
plt.xticks(fontsize=10)
plt.yticks(fontsize=10)
plt.legend(title="Target类别", fontsize=10, title_fontsize=11)
plt.grid(axis="y", alpha=0.3, linestyle="--")
plt.tight_layout()
plt.show()


# -------------------------- 4. 按target分组的密度图：对比不同类别age的概率密度 --------------------------
plt.figure(figsize=(12, 6))
# 用seaborn的kdeplot，按target自动分组，fill=True填充面积更易区分
sns.kdeplot(data=df, x="age", hue="target", fill=True, alpha=0.6, 
            linewidth=2, palette="Set2", common_norm=False)  # common_norm=False：各曲线单独归一化（默认True）
# common_norm=True：所有曲线下面积总和=1；False：每条曲线下面积=1，更易对比形状

plt.title("不同Target类别下Age的密度图", fontsize=14, fontweight="bold", pad=20)
plt.xlabel("年龄（岁）", fontsize=12)
plt.ylabel("概率密度", fontsize=12)
plt.xticks(fontsize=10)
plt.yticks(fontsize=10)
plt.legend(title="Target类别", fontsize=10, title_fontsize=11)
plt.grid(axis="y", alpha=0.3, linestyle="--")
plt.tight_layout()
plt.show()


# -------------------------- 5. 按target分组的CDF图：对比不同类别age的累积分布 --------------------------
plt.figure(figsize=(12, 6))
# 遍历每个target类别，单独计算并绘制CDF
for target_val, color, linestyle in zip(df["target"].unique(), ["#66b3ff", "#ff9999"], ["-", "--"]):
    # 筛选当前target类别的age数据
    age_subset = df[df["target"] == target_val]["age"]
    # 计算CDF核心数据
    sorted_age = np.sort(age_subset)
    cumulative_prob = np.arange(1, len(sorted_age) + 1) / len(sorted_age)  # 累积概率（0-1）
    # 绘制CDF曲线（阶梯式）
    plt.step(sorted_age, cumulative_prob, where="post", color=color, 
             linewidth=2, linestyle=linestyle, label=f"Target={target_val}")

# 可选：添加关键分位数标注（以50%分位数为例）
for target_val, color in zip(df["target"].unique(), ["#66b3ff", "#ff9999"]):
    age_subset = df[df["target"] == target_val]["age"]
    median = np.percentile(age_subset, 50)
    plt.scatter(median, 0.5, color=color, s=60, zorder=5)
    plt.annotate(f"Target={target_val} 中位数: {median:.1f}岁",
                 xy=(median, 0.5), xytext=(10, 10), textcoords="offset points",
                 fontsize=10, bbox=dict(boxstyle="round,pad=0.3", facecolor="yellow", alpha=0.7))

plt.title("不同Target类别下Age的CDF图（累积分布函数）", fontsize=14, fontweight="bold", pad=20)
plt.xlabel("年龄（岁）", fontsize=12)
plt.ylabel("累积概率（≤当前年龄的样本占比）", fontsize=12)
plt.xticks(fontsize=10)
plt.yticks(np.arange(0, 1.1, 0.1), [f"{int(x*100)}%" for x in np.arange(0, 1.1, 0.1)], fontsize=10)
plt.legend(title="Target类别", fontsize=10, title_fontsize=11)
plt.grid(alpha=0.3, linestyle="--")
plt.tight_layout()
plt.show()

@浙大疏锦行