Python Matplotlib数据可视化小白入门（2）

重点内容：

• 数据采集及清理
• 运用各类图形函数，调用数据绘制对应可视化图表

数据采集

本案例应用的是UCI的华盛顿自行车租赁数据，数据表地址如下：https://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset

对于在线的数据表压缩包，需要在引用代码中制定路径。为避免数据量过大、占用内存资源等问题，通常会定义临时文件夹来存放数据。

import pandas as pd #读取数据到dataframe
import urllib #获取url数据
import tempfile #创建临时文件夹，大量临时数据放在内存中会占用大量资源，可以使用临时文件来进行储存。临时文件不用命名，且使用后会被自动删除
import shutil #文件操作
import zipfile #压缩解压

#获取数据
temp_dir = tempfile.mkdtemp() #建立临时目录，用于下载线上的zip数据表并解压
data_source = 'https://archive.ics.uci.edu/ml/machine-learning-databases/00275/Bike-Sharing-Dataset.zip'
zipname = temp_dir + '/Bike-Sharing-Dataset.zip' #拼接文件和路径
try:
    urllib.urlretrieve(data_source,zipname) #获取数据
except:
    urllib.request.urlretrieve(data_source,zipname)
zip_ref = zipfile.ZipFile(zipname,'r') #创建zipefile对象处理压缩文件
zip_ref.extractall(temp_dir) #解压
zip_ref.close()

#清理数据
daily_path = temp_dir + "/day.csv"
daily_data = pd.read_csv(daily_path) #读取csv
daily_data['dteday']=pd.to_datetime(daily_data['dteday']) #把时间字符串转换为日期格式
drop_list = ['instant','season','yr','mnth','holiday','workingday','weathersit','atemp','hum'] #去掉不关注的列
daily_data.drop(drop_list, inplace =True, axis=1)

shutil.rmtree(temp_dir) #删除临时文件目录

#查看数据
daily_data.head() 

数据表结果如下：

image.png

全局样式参数配置

样式可以做为独立的模块，方便后期对图表全局的样式进行统一配置

import matplotlib
from matplotlib import pyplot as plt
import pandas as pd
import numpy as np
%matplotlib inline

#全局配置图像
#设置图片尺寸
matplotlib.rc('figure',figsize=(14,7)) #rc=resource configuration
#matplotlib.rc('figure',facecolor='red')
#设置全局字体
matplotlib.rc('font',size=14)
#设置背景网格
matplotlib.rc('axes',grid=False)
#设置背景颜色
matplotlib.rc('axes',facecolor='white')

可视化

在了解数据以及数据之间的关系以后，通过不同类型的图表可视化数据之间的关系，说明要表达的内容观点。

用matplotlib实现图表可视化分为两块内容：

• 配置基础图表函数（模版化）
• 调用数据赋予给图表，生成根据数据绘制的图表

案例：散点图

• 配置散点图函数模版

#散点图函数模版，单独列出便于复用
def scatterplot(x_data,y_data,x_label,y_label,title,ax = None):
    if ax:
        pass
    else:
        fig,ax = plt.subplots() #fig，ax是figure和axes的缩写，使用该函数来确定图的位置，fig是图像对象，ax是坐标轴对象
    
    #不显示顶部和右侧的坐标线
    ax.spines['top'].set_color('none')
    ax.spines['right'].set_color('none')
    ax.scatter(x_data,y_data,s=10,color="blue",alpha=0.7)
    
    #添加标题和坐标说明
    ax.set_title(title)
    ax.set_xlabel(x_label)
    ax.set_ylabel(y_label)

• 调用数据绘制图表

#调用数据绘制图表，观点：表达温度和租车人数的正相关关系
scatterplot(x_data = daily_data['temp'],
           y_data = daily_data['cnt'],
           x_label = 'normalized temperature',
           y_label = 'check outs', #租车量
           title = 'numbers of check outs vs temperature')

image.png

图表函数模版

下面分享一下各类图表的函数模版，具体调用数据部分不再列出
1.双轴曲线图

#双轴曲线图
def lineplot(x_data,x_label,y1_data,y1_label,y1_color,y2_data,y2_label,y2_color,title):
    ax1=plt.subplot() #一个figure里面可以包含多个axes
    ax1.plot(x_data,y1_data,color=y1_color)
    
    ax2=ax1.twinx()#关键函数，表示ax2和ax1共用x轴
    ax2.plot(x_data,y2_data,color=y2_color)
    
    #不显示顶部的坐标线
    ax1.spines['top'].set_color('none')
    ax2.spines['top'].set_color('none')

    #添加标题和坐标说明
    ax1.set_title(title)
    ax1.set_xlabel(x_label)
    ax1.set_ylabel(y1_label)
    ax2.set_ylabel(y2_label)

2.直方图

#直方图
def histoplot(data,x_label,y_label,title):
    _,ax = plt.subplots() # _,多个变量时需使用
    res = ax.hist(data,color = '#539caf',bins=10) #res输出图形的细节值
    ax.set_xlabel(x_label)
    ax.set_ylabel(y_label)
    ax.set_title(title)
    return res

3.堆叠直方图

#堆叠直方图,比较两个数据的分布
def overlaid_histoplot(data1,data1_name,data2,data2_name,x_label,y_label,title):
    max_nbins = 10
    data_range = [min(min(data1),min(data2)),max(max(data1),max(data2))] #对齐两组数据的起止位置
    binwidth = (data_range[1] - data_range[0])/max_nbins
    bins = np.arange(data_range[0],data_range[1]+binwidth,binwidth)
    
    _,ax = plt.subplots()
    ax.hist(data1,bins=bins,color = 'black',alpha=0.7,label=data1_name)
    ax.hist(data2,bins=bins,color ='blue',alpha=0.7,label=data2_name)
    ax.set_xlabel(x_label)
    ax.set_ylabel(y_label)
    ax.set_title(title)
    ax.legend(loc='best')

4.柱状图

#绘制柱状图：数据处理，按照周来查看租车量的分布趋势
mean_data=daily_data[['weekday','cnt']].groupby('weekday').agg([np.mean,np.std])
mean_data.columns = mean_data.columns.droplevel()

#mean_data.head()#查看mean_data的数据

#定义绘制柱状图的函数
def barplot(x_data,y_data,x_label,y_label,title):
    _,ax = plt.subplots()
    
    ax.bar(x_data,y_data,align='center')
    
    ax.set_xlabel(x_label)
    ax.set_ylabel(y_label)
    ax.set_title(title)

barplot(x_data=mean_data.index.values,#为什么不用直接取weekday column？
       y_data=mean_data['mean'],
       x_label='day of weekdays',
       y_label='number of mean check outs',
       title="check outs by day of week")

5.堆积柱状图

#堆积柱状图

#数据处理，按照register和causual来查看不同类别用户的租车量分布趋势
mean_data_by_type =daily_data[['weekday','registered','casual']].groupby('weekday').mean()
mean_data_by_type['total']=mean_data_by_type['registered']+mean_data_by_type['casual']
mean_data_by_type['reg_%']=mean_data_by_type['registered']/mean_data_by_type['total']
mean_data_by_type['cas_%']=mean_data_by_type['casual']/mean_data_by_type['total']

#mean_data_by_type.head()#查看mean_data的数据

#定义堆积柱状图的函数
def stackedbarplot(x_data,x_label,y_data_list,y_data_name,y_label,colors,title):
    _,ax = plt.subplots()
    #循环绘制堆积柱状图
    for i in range(0,len(y_data_list)):
        if i ==0:
            ax.bar(x_data,y_data_list[i],color=colors[i],align='center',label=y_data_name[i])
        else:
            ax.bar(x_data,y_data_list[i],bottom=y_data_list[i-1],color=colors[i],align='center',label=y_data_name[i])
    
    #定义标题和图例
    ax.set_xlabel(x_label)
    ax.set_ylabel(y_label)
    ax.set_title(title)
    ax.legend()

练习

image.png