python学统计第二课 复现与作业

可视化

导入数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

%config InlineBackend.figure_format = 'retina' # 设置图像清晰度

data = pd.read_csv('WorldIndex.csv')

data.head()

data.info()

RangeIndex: 177 entries, 0 to 176
Data columns (total 5 columns):
Country            177 non-null object
Continent          177 non-null object
Life_expectancy    169 non-null float64
GDP_per_capita     169 non-null float64
Population         176 non-null float64
dtypes: float64(3), object(2)
memory usage: 7.0+ KB

df = data.dropna()
df.info()
##这行的意思是删除缺失行。
###不过dropna是什么意思

Int64Index: 164 entries, 0 to 175
Data columns (total 5 columns):
Country            164 non-null object
Continent          164 non-null object
Life_expectancy    164 non-null float64
GDP_per_capita     164 non-null float64
Population         164 non-null float64
dtypes: float64(3), object(2)
memory usage: 7.7+ KB

# 重新定义列名
df.columns = ['country', 'continent', 'life', 'gdp', 'popu']

直方图

plt.hist(df.life, bins=20, rwidth=0.9)  # bins 设置区间数，rwidth设置柱子相对宽度
plt.show()

output_8_0.png

箱图

绘制人均寿命的箱图，使用boxplot函数

plt.boxplot(df.life)
plt.show()

output_10_0.png

###绘制人均gdp箱图
plt.boxplot(df.gdp)
plt.show()

output_11_0.png

条形图

value_counts() 应该就是统计的函数

# 统计每个州的国家数
conti_count = df.continent.value_counts()
conti_count

Africa           48
Europe           41
Asia             36
North America    19
South America    11
Oceania           9
Name: continent, dtype: int64

# 获取各大州名称
conti = list(conti_count.index)
conti

['Africa', 'Europe', 'Asia', 'North America', 'South America', 'Oceania']

list()本例中使用的是list函数

x = np.arange(len(conti))
x
### 这个len（）函数是干嘛的呢

array([0, 1, 2, 3, 4, 5])

# 条形图
plt.bar(x, conti_count)
# 设置横坐标
plt.xticks(x, conti, rotation=70)   # rotation 旋转横坐标标签
plt.show()


### 此例中使用的是plt.bar,plt.xticks等函数

output_17_0.png

饼图 plt.pie

绘制各大洲国家数量占比

plt.pie(conti_count, labels=conti, autopct='%1.1f%%')  # autopct 显示占比
plt.axis('equal')  # 调整坐标轴的比例
plt.show()

output_19_0.png

plt.pie() 和plt.axis() 这两个函数怎么理解呢？ 这些函数，是不是只要使用过一次，理解其基本用法，就可以啦。至少现在可以不用太在意原理？

散点图

人均寿命和gdp之间的关系

plt.plot(df.gdp, df.life)
plt.show()


此处所用到的函数，是plt.plot. 相当于把两列数据分别定义成x，y轴。

下面是把线描绘成点，只是加入颜色，就能变为点吗？

plt.plot(df.gdp, df.life, 'g.')  # 'g.' 表示用绿色的点绘制
plt.show()


plt.scatter(df.gdp, df.life)
plt.show()
### 此处使用的是plt.scatter函数，相当于是专门的散点图函数。在描绘点，这方面比plt.plot更到位

output_25_0.png

矩阵图 pd.scatter_matrix()函数

多个变量时，可以使用

pd.scatter_matrix(df)
plt.show()

Paste_Image.png

相当于同时把几列数据同时绘制了

---

数据图表

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 

plt.scatter(df.gdp, df.life)

plt.xlabel('人均GDP（美元）')  # x轴名称
plt.ylabel('人均寿命（年）')   # y轴名称
plt.title('各国健康和经济水平关系（2015）')  # 图标题

plt.show()

output_30_0.png

png

此处用到的函数颇多

1. 显示中文的rcParams
2. 散点图plt.scatter
3. plt.x/ylabel,以及plt.title(标题）

plt.scatter(df.gdp, df.life)

plt.xscale('log')  # 对x轴采用对数刻度

plt.xlabel('人均GDP（美元）') 
plt.ylabel('人均寿命（年）')   
plt.title('各国健康和经济水平关系（2015）')  

plt.show()

png

output_32_0.png

？？？ 此处的对数变换是什么概念。 就是一种数据的表达方式吗？

###设置刻度显示方式

plt.scatter(df.gdp, df.life)
plt.xscale('log')

plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')

tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)  # 重置x坐标刻度

plt.show()


png

此处使用了tick_val,和tick_lab，是什么意思，不太懂。

设置各数据点的大小

跟人口成正比

size = df.popu / 1e6 * 2  # 数据点大小，正比于人口数
plt.scatter(x=df.gdp, y=df.life, s=size)  # 参数s设置点的大小
plt.xscale('log')

plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')

tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)

plt.show()

png

此例就只是增加了size这个参数，然后放在了scatter函数中了。

赋予不同洲，不同的颜色

map_dict = {      
    'Asia':'red',
    'Europe':'green',
    'Africa':'blue',
    'North America':'yellow',
    'South America':'yellow',
    'Oceania':'black'
}
colors = df.continent.map(map_dict)   # 将国家按所在州对于不同的颜色

size = df.popu / 1e6 * 2
plt.scatter(x=df.gdp, y=df.life, s=size, c=colors, alpha=0.5)  # 参数c设置颜色，alpha设置透明度
plt.xscale('log')

plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')

tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)

plt.show()

output_40_0.png

png

此处新增知识点：

1. map_dic ，应该是定义了一个字典，地图字典
2. scatter函数的参数中，增加了颜色c，和透明度alpha。
3. map字典是赋值给了colors的。

添加文本网格

map = {
    'Asia':'red',
    'Europe':'green',
    'Africa':'blue',
    'North America':'yellow',
    'South America':'yellow',
    'Oceania':'black'
}
colors = df.continent.map(map_dict)

size = df.popu / 1e6 * 2
plt.scatter(x=df.gdp, y=df.life, s=size, c=colors, alpha=0.5)
plt.xscale('log')

plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')

tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)

plt.text(1550, 73, 'India')   # 在图中添加文本
plt.text(5700, 81, 'China')

plt.grid(True)  # 添加网格

plt.show()


png

此处新增知识点：

1. 指定位置添加文字，plt.text(x,y,"文本")
2. 添加背景网格函数plt.grid(True)

？？？ plt.grid()这种函数是不是布尔函数啊，就是只有true和false的参数。

作业

绘制人均GDP数据的直方图，要求：

设置图片标题和坐标轴名称

只显示人均GDP在2万美元以内的数据

设置区间数bins为30

颜色设置成绿色

plt.hist(df.gdp,bins=30,rwidth=0.9,color='g')
plt.rcParams['font.sans-serif']=['SimHei']
plt.xlabel("人均GDP(美元)")
plt.ylabel("年龄(岁)")
plt.xlim([0,20000])
plt.show()

png