重新研读fish千聊课代码02

自己每次研读完代码,就是直接把notebook文件copy到,使得排版特别杂乱,而且自己散乱的个人感悟,和代码混做一团,看起来毫无美感。 从这一篇开始,我要关注一下排版啦,而不是单纯地码完代码。

ps:我研读的方法是整句默写fish的课件代码,所以有很多错误记录。

这节课主要是展示一些可视化技巧。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
% config InlineBackend.figure_format="retina"
#% config InlineBackend.figure_format = 'retina' # 设置图像清晰度


%matplotlib inline
  • 错误记录,IinlineBackend后面,应该加点,我没有加点
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
  • 个人理解: 这个info带括号,和不带括号差别好大呀。 不带括号的,是显示总的信息和明细信息。带括号,则只显示总体信息。
  • 从info看来,总共有177行,但是life,gdp,pop三项,的数量都少于177,这意味着有空的行。所以需要删除空行,我记得好像是dropna方法


df =data.dropna()
df.info()

data.info()


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

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
  • 这里面的思路是这样的,把空行给删掉,成为新的数据啦,于是把新数据赋值给df。 那么data这个数据有变化吗?
  • 我尝试了一下,原来的data数据是没有变化的。
df.head()


查看了数据发现表头名称太长了,不方后期切片索引,要不,就把列名称改简单点吧。
修改列名称,用的是columns=[]的方法。


df.columns=['Country','Continent','Life','GDP','Pop']
df.tail()

必须赞叹一下,这功能太帅了呀。

画直方图

直方图的方法是.hist()

plt.hist(df.Life,bins=20,rwidth=0.9,color='blue')


plt.show()

错误记录:

  1. 单词拼写错误,rwidth我拼写成ridwith
  2. 没有写plt.show,结果只是出来一堆数字。应该是坐标数字
重新研读fish千聊课代码02_第1张图片
output_7_0.png

箱图

plt.boxplot

plt.boxplot(df.Life)



个人点子:我记得有个函数,可以不用写plt.show,就能出图,是什么来着?

  • 查到了,%matplotlib inline
{'boxes': [],
 'caps': [,
  ],
 'fliers': [],
 'means': [],
 'medians': [],
 'whiskers': [,
  ]}
重新研读fish千聊课代码02_第2张图片
output_9_1.png
plt.boxplot(df.GDP) #用箱图画了人均寿命和人居GDP
{'boxes': [],
 'caps': [,
  ],
 'fliers': [],
 'means': [],
 'medians': [],
 'whiskers': [,
  ]}
重新研读fish千聊课代码02_第3张图片
output_10_1.png

个人感悟:箱图和直方图,是用于画连续变量的。 接下来要画离散变量了。可以用条形图和饼图
☆点子: 但是按国家来计算的话,分布太细散了,还是根据大洲吧来作图吧。 先把大洲汇总。 咦,对了,可以用groupby啊

conti=list(df.groupby('Continent').size().index)
conti

哇哇,自己竟然摸索了一种方法,把名称取出来了,开心。
简单说,这部分就是列表化索引列。

['Africa', 'Asia', 'Europe', 'North America', 'Oceania', 'South America']
list(df.Continent.value_counts().index)
['Africa', 'Europe', 'Asia', 'North America', 'South America', 'Oceania']

试着也用了value——counts的方法,实现相同效果。

x =np.arange(len(conti))
x

错误记录:
少输入了arange,话说这个arrange的作用是啥啊?

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

疑惑: 这一段的作用什么啊,是把各大洲的名称,映射为数字吗?

plt.bar(x,df.groupby('Continent').size())
plt.xticks(x,conti,rotation=20)

错误记录:

  1. 拼写错误:xticks,被我拼写为xtricks。

  2. 拼写错误 :rotation被我拼写为rodation。 话说,rotation什么意思啊? 搜了一下,旋转的意思

    ([,
    ,
    ,
    ,
    ,
    ],
    )

output_15_1.png
conti_count=df.groupby('Continent').size()
conti_count
Continent
Africa           48
Asia             36
Europe           41
North America    19
Oceania           9
South America    11
dtype: int64
plt.pie(conti_count,labels=conti,autopct='%1.2f%%')
plt.axis('equal'
)

个人理解:autopct,是自动显示百分比的意思,
疑惑: 但是后面的%是什么意思,搞不懂。只知道.2代表小数点后2位

个人理解:axis代表的意思是轴,参数equal即意味着饼图的横轴和纵轴,相等。 那么就是一个圆啦。

(-1.1155765255707346,
 1.1007417393128922,
 -1.108024726836466,
 1.1119198978159677)
重新研读fish千聊课代码02_第5张图片
output_17_1.png

散点图

散点图可以绘制出数据间的相关性

plt.plot(df.GDP,df.Life,'g.')
[]
重新研读fish千聊课代码02_第6张图片
output_19_1.png
plt.scatter(df.GDP,df.Life)

重新研读fish千聊课代码02_第7张图片
output_20_1.png
##矩阵图

 pd.scatter_matrix(df)

错误记录:plt.scatter_matrix(df)
又一个比较大的错误,这个scatter_matrix是pandas的,不是plt的。 完全不是同一个库啊。 这就是常识缺乏了。那么pd可以画散点图吗?(试过不行)

  File "", line 4
    pd.scatter_matrix(df)
    ^
IndentationError: unexpected indent
 pd.scatter_matrix(df)
d:\ProgramData\Anaconda3\lib\site-packages\ipykernel_launcher.py:1: FutureWarning: pandas.scatter_matrix is deprecated. Use pandas.plotting.scatter_matrix instead
  """Entry point for launching an IPython kernel.





array([[,
        ,
        ],
       [,
        ,
        ],
       [,
        ,
        ]], dtype=object)
重新研读fish千聊课代码02_第8张图片
output_22_2.png

图表定制

plt.rcParam['font.sanz_serif']=[
在图表定制这块儿,太有营养了,干货满满啊。


plt.rcParams['font.sans-serif']=['SimHei']

plt.scatter(df.GDP,df.Life)
plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命(年)')

plt.title('经济与寿命的相关性2015')

plt.xscale('log')

错误记录:

  1. 拼写错误sans_serif被我拼写为sanz_serif了。
  2. sans-serif。被我写成了下划线。

个人理解: 翻译了一下 sans serif是无衬线字体的意思。

新增知识点:对数变换。
疑惑: 对数变换到底什么意思,是指显示方式简化吗?这样看的话,确实显示更直观了。其实也是数字之间跨度更大了

重新研读fish千聊课代码02_第9张图片
output_24_0.png

感悟: 这一段代码,对我最困扰的就是设置中文显示的问题。 单词不熟,到底该横线还是下划线,不清晰,使得拼写老犯错。

plt.rcParams['font.sans-serif']=['SimHei']

plt.scatter(df.GDP,df.Life)
plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命(年)')

plt.title('经济与寿命的相关性2015')

plt.xscale('log')

tick_val=[1000,10000,100000]
tick_lab=['1k','10k','100k']
#如果只是到这一步的话,图形不会有任何改变,因为现在x轴的名字已经被固定了,只有重置一下
plt.xticks(tick_val,tick_lab)


困惑:这段儿就不太懂了,是把数字映射为10K等文字吗?

([,
  ,
  ],
 )
output_26_1.png

这几段代码,都是逐步增加知识点的。
第一段新增的知识点有:

  1. 设置中文标题。
  2. 对数变换

第二段新增的知识点有:

  • 置换x轴的刻度。

马上接下来的一段会新增,泡泡颜色泡泡大小。 接着来吧

size = df.Pop/1e6*2.1     #此处新增一个参数size,用人口除以20万,为甚
         要除以20万呢?   疑惑
         除以20万的目的是把尺寸缩小到坐标轴能够容纳的程度。 不是固定
          数值,只是这样看起来更合适,更直观而已。 

plt.rcParams['font.sans-serif']=['SimHei']

plt.scatter(df.GDP,df.Life,s=size)

plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命(年)')

plt.title('经济与寿命的相关性2015')

plt.xscale('log')

tick_val=[1000,10000,100000]
tick_lab=['1k','10k','100k']
###如果只是到这一步的话,图形不会有任何改变,因为现在x轴的名字已经被固定了,只有重置一下
plt.xticks(tick_val,tick_lab)
plt.show()

##其实我可以把这段背下来使用的。


df.groupby('Continent').size()

新增知识点:plt.scatter(x,y,s),s代表点(也可以理解为小圆)的直径大小。s应该就是scatter的简写吧。

重新研读fish千聊课代码02_第11张图片
output_28_0.png
Continent
Africa           48
Asia             36
Europe           41
North America    19
Oceania           9
South America    11
dtype: int64

接下来会引入词典功能,一直没使用过这个功能,好奇呀,到底是怎么使用的呢? 拭目以待



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


错误记录:
  1. 大洲之间,我没有逗号隔开,误以为空行了就可以分辨,其实是需要逗号的
  2. 我的逗号是中文状态下的,使得报错invalid character in identifier,要知道这中英文的标点,电脑不给兼容啊。坑爹!
个人理解:
  • 这个地方的转换很大,我按自己的理解梳理一下思路。 先是定义一个词典map_dict,然后将大洲的名字对应一个颜色,如A:red。
  • 然后再引入含有大洲名字的数据赋值给A。 就相当于两个方程式求解变量的感觉。 如初中数学,x = 1.5y,y=1. 可得出x=1.5.
  • 打个比喻,我有一个机器人保镖,我让他驻守关口,先给他两个规则:第一,看到坏人,就开大炮炸死他;看到好人,就发射面包给他。
  • 第二:拿刀的就是坏人,举双手的人就是好人。 然后说完,就让他自己去弄了。
  • 这个字典的本质,有点像这种状态,先告诉你,只要是亚洲的就给我标红色,再告诉机器,亚洲国家是哪些。
size = df.Pop/1e6*2.1   

plt.rcParams['font.sans-serif']=['SimHei']
plt.scatter(df.GDP,df.Life,s= size,c=colors,alpha=0.5)

plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命(年)')

plt.title('经济与寿命的相关性2015')

plt.xscale('log')

tick_val=[1000,10000,100000]
tick_lab=['1k','10k','100k']

plt.xticks(tick_val,tick_lab)
plt.show()


重新研读fish千聊课代码02_第12张图片
output_31_0.png

添加颜色和泡泡尺寸,感觉好有用啊。 不过,自己还是花了点时间才理解了。 这感觉真好啊,哈哈哈哈哈哈。

接下来,比较简单,就是添加网格和字体到图标中。

plt.rcParams['font.sans-serif']=['SimHei']

size = df.Pop/1e6*2.1   

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

plt.scatter(df.GDP,df.Life,s= size,c=colors,alpha=0.5)
plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命(年)')
plt.title('经济与寿命的相关性2015')
plt.xscale('log')
tick_val=[1000,10000,100000]
tick_lab=['1k','10k','100k']

plt.xticks(tick_val,tick_lab)

plt.text(1550,73,'印度阿三')
plt.text(5700,81,'天朝上国')# 很想知道,这个坐标是怎么确定的,是估计吗?还是根据印度的gdp和人均寿命的数字确定的呢? 问题。

plt.grid(True)  #grid就是网格的意思。
plt.show()
重新研读fish千聊课代码02_第13张图片
output_33_0.png

我配的颜色,没有fish配得好看。 审美上差点。

作业

绘制人均GDP数据的直方图,要求

  1. 设置图片标题和坐标轴名称
  2. 只显示人均GDP在2万美元以内的数据
  3. 设置区间数bins为30
  4. 颜色设置成绿色

参考:matplotlib中直方图函数hist的说明文档:
https://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.hist


df.head()
df_poor = df[df.GDP<2e4]
df_poor.head()

df_poor = df[df.GDP<2e4]
plt.hist(df_poor.GDP,bins=30,rwidth=0.85,color = 'green')
plt.show()
重新研读fish千聊课代码02_第14张图片
output_38_0.png

你可能感兴趣的:(重新研读fish千聊课代码02)