01 提綱
不斷總結(jié)是學(xué)習(xí)進(jìn)步的階梯。
前陣子針對python數(shù)據(jù)可視化進(jìn)行了一波學(xué)習(xí)和實操锁保，是時候總結(jié)一下數(shù)據(jù)可視化的方法和代碼了薯酝，一起來復(fù)習(xí)吧半沽！
想要說明的一點是，方法千千萬吴菠，是學(xué)習(xí)不完的者填，怎么辦呢？
最近聽到一個詞：用以致學(xué)做葵。就是以目的為導(dǎo)向去學(xué)習(xí)占哟，學(xué)到之后再進(jìn)行總結(jié)，而不是盲目地學(xué)酿矢。
本次數(shù)據(jù)可視化復(fù)習(xí)提綱如下：
- 散點圖
- 箱線圖
- 折線圖
- 條形圖榨乎、直方圖
- 餅圖
- 多圖
主要使用到matplotlib.pyplot和seaborn兩個python內(nèi)置繪圖包。
下面我們開始吧~
對了瘫筐，別忘記引入包
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
#設(shè)置在notebook中直接展示圖形輸出
%matplotlib inline
#設(shè)置圖片清晰度
%config InlineBackend.figure_format="retina"
02 散點圖
【.plot作圖】
# kind="scatter",做散點圖蜜暑，x軸表示花瓣長度，y軸表示花瓣寬度
iris.plot(kind="scatter",color="red",x="petal_length",y="petal_width")
【matlibplot.pyplot.plot作圖】 [plt.plot( )]
plt.style.use('ggplot')
#設(shè)置畫布大小
plt.figure(figsize=(8,6))
#scatter繪制散點圖严肪，s設(shè)置點大小
plt.scatter(x=top10.Purchases,y=top10.Sales,s=100)
【seaborn作圖】[sns.] v.s. 【.plt作圖】
- matplotlib是python的主要繪圖工具史煎，但其自身的語法比較復(fù)雜
- Seaborn是基于matplotlib產(chǎn)生的一個模塊，專攻于統(tǒng)計可視化
- Seaborn和matplotlib的關(guān)系類似于pandas和numpy的關(guān)系
我們來看看seaborn相較于plt的簡潔之處驳糯，下面兩個代碼實現(xiàn)同樣的效果——花瓣長寬散點圖，以品種劃分?jǐn)?shù)據(jù).
seaborn實現(xiàn)
# FacetGrid中的hue參數(shù)指明劃分?jǐn)?shù)據(jù)的變量氢橙，這里是species（品種）
# \ 用于將一行語句提行
# add_legend()添加圖例
#先將iris數(shù)據(jù)集以species字段劃分開
sns.FacetGrid(iris,hue='species',size=7)\
.map(plt.scatter,'petal_length','petal_width').add_legend()
plt實現(xiàn)
# 使用布爾型索引酝枢，分別獲取三種類型鳶尾花的數(shù)據(jù)集
setosa=iris[iris.species=="Iris-setosa"]
versicolor=iris[iris.species=="Iris-versicolor"]
virginica=iris[iris.species=="Iris-virginica"]
#作圖，setosa數(shù)據(jù)散點圖ax
bx = setosa.plot(kind="scatter",x="petal_length",y="petal_width",color="red",label="setosa",figsize=(10,6))
#將其余兩種類型的花數(shù)據(jù)也作圖在ax上
versicolor.plot(ax=bx,kind="scatter",x="petal_length",y="petal_width",color="blue",label="versicolor")
virginica.plot(ax=bx,kind="scatter",x="petal_length",y="petal_width",color="yellow",label="virginica")
03 箱線圖
箱線圖體現(xiàn)數(shù)據(jù)的最大悍手、最小值帘睦，中位數(shù)、上下四分位數(shù)坦康，是一個數(shù)據(jù)集的統(tǒng)計結(jié)果可視化竣付。
【.plot作圖】
# 指定某列數(shù)據(jù)，作單個箱線圖
# kind="box"作箱圖
iris.petal_width.plot(kind="box",label="iris",figsize=(8,4))
【seaborn作圖】[sns.]
# 花萼寬度箱線圖滞欠，以品種劃分?jǐn)?shù)據(jù)
sns.boxplot(data=iris,x='species',y='sepal_width')
#下面語句實現(xiàn)與sns.boxplot一樣的效果
iris[["sepal_width","species"]].boxplot(grid=False,by="species")
04 折線圖
【matlibplot.pyplot.plot作圖】 [plt.]
plt擁有很多內(nèi)置函數(shù)可調(diào)用古胆，對于美化圖片、設(shè)置標(biāo)識等都比較方便筛璧。
#繪制折線圖
plt.plot(rank1m.year,rank1m.pct,color="blue",linewidth=2)
#plt.fill_between設(shè)置填充線與坐標(biāo)軸之間的空間
plt.fill_between(rank1m.year,rank1m.pct,color="blue",alpha=0.2)
#設(shè)置坐標(biāo)軸區(qū)間范圍
plt.xlim(1880,2016)
plt.ylim(0,9)
#美化圖：給圖添加標(biāo)題逸绎，調(diào)整字體大小等
plt.title("Popularity of 1# boys'name by year",size=18,color="blue")
plt.xlabel("Year",size=16)
plt.ylabel("% of male births",size=16)
05 條形圖、直方圖
【matlibplot.pyplot.plot作圖】 [plt.]
barh-水平條形圖
bar-垂直條形圖
hist-直方圖
繪制水平條形圖
plt.style.use('ggplot')
#barh繪制水平條形圖夭谤；bar繪制垂直直方圖
"""注意棺牧，條形圖條數(shù)np.arange(10),要與top10.Sales數(shù)據(jù)數(shù)量一致，否則會報錯-形狀不匹(shape mismatch)"""
plt.barh(np.arange(10),top10.Sales,height=0.6)
#添加標(biāo)題
plt.title('Top 10 Sales Company')
plt.xlabel('Total Revenue')
plt.ylabel('Company')
#修改縱坐標(biāo)朗儒、橫坐標(biāo)刻度
'''此語句颊乘，可用tick_label=top10.Company替代参淹，替代語句放在plt.barh()參數(shù)中
例如：plt.barh(np.arange(10),top10.Sales,tick_label=top10.Company,height=0.8) '''
plt.yticks(np.arange(10),top10.Company)
plt.xticks([0,20000,40000,60000,80000,100000,120000,140000],
['$0k','$20k','$40k','$60k','$80k','$100k','$120k','$140k'])
plt.show()
繪制直方圖
# 對于原始數(shù)據(jù)df中，每筆訂單的交易額(ext price)乏悄，統(tǒng)計單筆訂單交易額分布情況
#hist繪制直方圖浙值，bins設(shè)置區(qū)間個數(shù)
plt.hist(df['ext price'],bins=20,rwidth=0.8)
plt.xlim(-200, 5000)
plt.show()
06 餅圖
【matlibplot.pyplot.plot作圖】 [plt.]
#plt.pie()繪制餅圖
"""
labels代表每個扇區(qū)的標(biāo)簽，
colors=['b','g'],設(shè)置扇區(qū)顏色
startangle代表起始位置角度
explode=(0.1,0,0,0,0,0,0,0,0,0)代表將第一個扇區(qū)拉出來0.1纲爸，作為突出顯示
autopct='%1.1f%%',代表給出每個扇區(qū)的占比 亥鸠，精確到小數(shù)點后1位
"""
plt.pie(top10.Sales,labels=[top10.Company](http://top10.company/),
colors=['r','y','b','g','c','r','y','b','g','c'],
startangle=90,
explode=(0.1,0,0,0,0,0,0,0,0,0),
autopct='%1.1f%%')
#使餅圖呈圓形
plt.axis('equal')
07 繪制多圖
在一張畫布上，繪制多張圖片识啦，更加方便對比分析负蚊。
【matlibplot.pyplot.plot作圖】 [plt.]
plt.style.use('ggplot')
#設(shè)置畫布大小
fig=plt.figure(figsize=(12,12))
#加上圖像大標(biāo)題
fig.suptitle('Sales Analysis',fontsize=16,fontweight='bold')
#fig.add_subplot(x,y,z),表示將畫布分為x行,y列,當(dāng)前圖像放在從左到右、從上到下的第z個位置
#添加第一個子圖
ax1=fig.add_subplot(2,2,1)
plt.barh(np.arange(10),top10.Sales,height=0.5,tick_label=top10.Company)
plt.title('Revenue')
#加入平均銷售額線 plt.axvline()表示添加垂直線axis vertical line
revenue_avg=top10.Sales.mean()
plt.axvline(x=revenue_avg,color='b',linestyle='--',linewidth=3)
#添加第二個子圖
ax2=fig.add_subplot(222)
plt.barh(np.arange(10),top10.Purchases,height=0.5)
plt.title('Purchases')
#設(shè)置不顯示y軸刻度
plt.yticks(visible=False)
#加入平均訂單數(shù)線
Purchases_avg=top10.Purchases.mean()
plt.axvline(x=Purchases_avg,color='b',linestyle='--',linewidth=3)
#加入第三個颓哮、第四個子圖
ax3=fig.add_subplot(223)
plt.barh(np.arange(10),top10.Sales,height=0.5,tick_label=top10.Company)
plt.title('Revenue')
ax4=fig.add_subplot(224)
plt.pie(top10.Sales,labels=top10.Company,
colors=['r','y','b','g','c','r','y','b','g','c'],
startangle=90,
explode=(0.1,0,0,0,0,0,0,0,0,0),
autopct='%1.1f%%')
plt.axis('equal')
plt.show()
【seaborn作圖】[sns.]
- sns.pairplot實現(xiàn)
- 用于快速觀察各變量的分布情況家妆，關(guān)系等
# 一條語句，展現(xiàn)4個變量之間的關(guān)系
# 分別展示了4個變量分布的直方圖哨坪；以及兩兩變量之間的散點圖
sns.pairplot(iris,hue='species')
08 總結(jié)
本文完整梳理了數(shù)據(jù)分析中常用的幾種圖的python繪制方法。
主要涉及到以下幾種圖的繪制：
- 散點圖
- 箱線圖
- 折線圖
- 條形圖乍楚、直方圖
- 餅圖
- 多圖
主要使用到的繪圖包
- matplotlib.pyplot
- seaborn
當(dāng)然当编，條條大路通羅馬，方法是學(xué)不完的徒溪，一定要以目的為導(dǎo)向?qū)W習(xí)技能忿偷，希望對你有幫助。
