第一章 【数据分析师---数据可视化1】 matplotlib
数据分析可视化1
- 第一章
-
- 第一节 matplotlib
- 第二节 绘制折线图
-
- color的选择
- 一张图中绘制两条线：
- 图片保存
- 风格样式
- fmt格式
- 第三节 绘制柱状图（离散数据）
-
- 直方图和条形图的区别
- 统计数的技巧
- 绘制柱状图
-
- 简单柱状图
- 分组柱状图
- 堆叠柱状图
- 第四节 绘制直方图（连续数据）
- 第五节 绘制堆叠图
-
- 第一种分组图：
- 第二种堆叠图：
- 第三种 df.plot:
- 第四种 plt.stackplot:
- 第六节 绘制带有阴影面积的折线图
- 第七节 绘制pie饼图
-
- 简单饼图
- 花样饼图
- 第八节 绘制散点图
-
- 基础知识
- 实战
- 第八节 时序数据可视化
-
- 基础知识
- 实战
- 第九节 实时数据可视化(不太明白实用性，提问课问问)
-
- 实时数据绘制以及模块调用
- 第十节 图表的多重绘制（subplot）
-
- 第一种方式：plt.subplots（）绘制子图
- 第二种方式：fig.add_subplot 绘制子图
- 第三种方式 plt.subplot2grid 绘制子图
- 附官网网址
第一章
第一节 matplotlib
from matplotlib import pyplot as plt
x = [0,1,2,3,4,5]
y = [0,1,9,3,4,5]
plt.plot(x,y)
设置X Y轴以及中文标题
- 显示x轴标题：plt.xlabel(“X轴”)
- 显示y轴标题：plt.ylabel(“Y轴”)
- 显示图像标题：plt.title(“这是我的第一个图表”)
- 设置中文字体显示：plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
第二节 绘制折线图
plt.plot(x,y,marker=".",markersize="15",color="",linewidth=""，markeredgecolor=""，mew="",markerfacecolor="")
marker/markersize/markeredgecolor/mew/markerfacecolor:标记/标记大小/标记边缘的颜色/标记边缘的宽度/标记里面的颜色
color/linewidth（lw）:线的颜色、粗细（默认为2）
color的选择
谷歌浏览器，F12或者ctrl+shift+I element style
一张图中绘制两条线：
针对x轴相同，y值不同的情况
plt.legend()和label标签联合使用
图片保存
plt.savefig() (jupter中需要放在上述代码同一个执行单元中，jupter中执行完一个单元即忘记)
风格样式
plt.style.available 风格获取
plt.style.use（“”） 风格使用
plt.xkcd（） 卡通模式 需要配合特殊的字体使用或者全英文使用，与中文不匹配
plt.rcdefaults（） jupter中去掉卡通模式，不去掉变不回来
fmt格式
plt.plot(x,y,"bo")
第三节 绘制柱状图（离散数据）
直方图和条形图的区别
直方图：
统计报告，统一数据，连续的。各个长条衔接在一起，表示数据间的数学关系；
条形图
各长条间有空隙，区分不同的类
统计数的技巧
统计一个列表中不同元素的个数
from collections import Counter
cnt=Counter()
list1=["A","B",'A',"B","D","D"]
for i in list1:
cnt.update(i)
结果 ：
Counter({'A': 2, 'B': 2, 'D': 2}) #cunt对象，类似字典格式
有一数据如下：
lang=data.LanguagesWorkedWith
lang[:5]
0 HTML/CSS;Java;JavaScript;Python
1 C++;HTML/CSS;Python
2 HTML/CSS
3 C;C++;C#;Python;SQL
4 C++;HTML/CSS;Java;JavaScript;Python;SQL;VBA
cnt=Counter()
for i in lang:
cnt.update(i.split(";"))
结果：
Counter({'HTML/CSS': 55466,
'Java': 35917,
'JavaScript': 59219,
'Python': 36443,
'C++': 20524,
'C': 18017,
'C#': 27097,
'SQL': 47544,
'VBA': 4781,
'R': 5048,
'Bash/Shell/PowerShell': 31991,
'Ruby': 7331,
'Rust': 2794,
'TypeScript': 18523,
'WebAssembly': 1015,
'Other(s):': 7920,
'Go': 7201,
'PHP': 23030,
'Assembly': 5833,
'Kotlin': 5620,
'Swift': 5744,
'Objective-C': 4191,
'Elixir': 1260,
'Erlang': 777,
'Clojure': 1254,
'F#': 973,
'Scala': 3309,
'Dart': 1683})
x y轴绘制
lang_x=[]
lang_y=[]
for i in cnt:
lang_x.append(i)
lang_y.append(cnt[i])
绘制柱状图
简单柱状图
plt.bar(lang_x,lang_y)
plt.figure(figsize=(6,4)) #大小
plt.bar(lang_x,lang_y)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.title("最受欢迎的语言")
plt.xlabel("最喜欢的编程语言")
plt.ylabel("人次")
想排序分布数据就要是排序好的
lang_x=[]
lang_y=[]
for i in cnt.most_common(10):
print (i)
lang_x.append(i[0])
# # print(cnt[i])
lang_y.append(i[1])
如果想要X轴的文字不相互堆叠
方法一：
plt.barh(lang_x,lang_y)
如果想最大值在上放，则
lang_x.reverse()
lang_y.reverse()
方法二：
plt.xticks(rotation=65)
分组柱状图
data = [[30, 25, 50, 20],
[40, 23, 51, 17],
[35, 22, 45, 19]]
x = np.arange(4) #array([0, 1, 2, 3])
plt.bar(x,data[0],width=0.25)
plt.bar(x+0.25,data[1],width=0.25) #x+0.25坐标轴的偏移长度 width=0.25 条的宽度
plt.bar(x+0.5,data[2],width=0.25)
堆叠柱状图
plt.bar(x,data[0],width=0.25)
plt.bar(x,data[1],width=0.25,bottom=data[0]) #最底部从哪开始
plt.xticks(x,('2015','2016','C','D')) #底部X轴的标识
plt.legend(labels=['A','B']) #标识
第四节 绘制直方图（连续数据）
ages = [18,19,21,25,26,26,30,32,38,45,55]
bins = [20,30,40,50,60]
plt.hist(ages)
X轴是连续的，没有值保留这个值，bar图没有值根本不显示。
plt.hist(df.Age,bins=15,edgecolor='black') #bins=15 合并器 edgecolor边缘着色
median=df.Age.mean()
plt.axvline(median,color='r',label='mean') #axvline vlian 垂直线 hline 水平线
plt.axvline(df.Age.max(),color='g',label='max') #或者plt.axhline(28000,color='g',label='max')
plt.legend()
第五节 绘制堆叠图
前期学过的堆叠图：
第一种分组图：
需要自行计算索引值偏移多少
import matplotlib.pyplot as plt；import numpy as np
plt.style.use('fivethirtyeight')
minutes = [1, 2, 3, 4, 5, 6, 7, 8, 9]
player1 = [1, 2, 3, 3, 4, 4, 4, 4, 5]
player2 = [1, 1, 1, 1, 2, 2, 2, 3, 4]
player3 = [1, 5, 6, 2, 2, 2, 3, 3, 3]
index_x = np.arange(len(minutes))
w=0.25
plt.bar(index_x-w,player1,width=w)
plt.bar(index_x,player2,width=w)
plt.bar(index_x+w,player3,width=w)
plt.legend(labels=['1','2','3'])
第二种堆叠图：
bottom需要自行计算底线，当有多种分组时不适合
plt.figure(figsize=(9,6))
plt.bar(index_x,player1,width=w)
plt.bar(index_x,player2,width=w,bottom=player1)
#player1+player2=[1, 2, 3, 3, 4, 4, 4, 4, 5, 1, 1, 1, 1, 2, 2, 2, 3, 4]
#相当于拼接而不是相加，所以用np.array(player1)+np.array(player2)
plt.bar(index_x,player3,width=w,bottom=np.array(player1)+np.array(player2))
plt.legend(labels=['1','2','3'])
第三种 df.plot:
import pandas as pd
df = pd.DataFrame([['A', 10, 20, 10, 26], ['B', 20, 25, 15, 21], ['C', 12, 15, 19, 6],
['D', 10, 18, 11, 19]],
columns=['Team', 'Round 1', 'Round 2', 'Round 3', 'Round 4'])
#因为是df.plot所以可以直接给相应的字段 Team plot原来绘制折线图，kind='bar'，模式为柱状图
df.plot(x='Team',kind='bar')
#stacked不需要处理细节了
df.plot(x='Team',kind='bar',stacked=True)
第四种 plt.stackplot:
小插曲：
np.vstack 按垂直方向（行顺序）堆叠数组构成一个新的数组
x = [1, 2, 3, 4, 5]
y1 = [1, 1, 2, 3, 5]
y2 = [0, 4, 2, 6, 8]
y3 = [1, 3, 5, 7, 9]
y = np.vstack([y1,y2,y3])
结果：
array([[1, 1, 2, 3, 5],
[0, 4, 2, 6, 8],
[1, 3, 5, 7, 9]])
plt.stackplot绘图：
colors = ['r','g','b']
plt.stackplot(x,y1,y2,y3,colors=colors)
plt.legend(labels=['y1','y2','y3'],loc='upper left')
第六节 绘制带有阴影面积的折线图
如下一组数据（展示了部分）
Age All_Devs Python JavaScript
0 18 17784 20046 16446
1 19 16500 17100 16791
2 20 18012 20000 18942
3 21 20628 24744 21780
4 22 25206 30500 25704
data.plot() 可以直接展示，但是有一些细节不好调节，所以用plt.plot()
plt.plot(data.Age,data.All_Devs)
plt.plot(data.Age,data.Python)
plt.legend(labels=['All','Python'])
plt.plot(data.Age,data.All_Devs)
plt.plot(data.Age,data.Python)
plt.legend(labels=['All','Python'])
#第三个参数 data.All_Devs为边界线
plt.fill_between(data.Age,data.Python ,data.All_Devs,where=(data.Python > data.All_Devs), alpha=0.2 ,color='b')
plt.fill_between(data.Age,data.Python ,data.All_Devs,where=(data.Python < data.All_Devs), alpha=0.2 ,color='r')
上图中空白部分为缺失值，可以使用interpolate做线性填充
plt.plot(data.Age,data.All_Devs)
plt.plot(data.Age,data.Python)
plt.legend(labels=['All','Python'])
plt.fill_between(data.Age,data.Python ,data.All_Devs,
where=(data.Python > data.All_Devs),
alpha=0.2 ,color='b',
interpolate=True,
)
plt.fill_between(data.Age,data.Python ,data.All_Devs,
where=(data.Python < data.All_Devs),
alpha=0.2 ,color='r',
interpolate=True,)
plt.legend(labels=['All','Python','Python High','Python Low'])
第七节 绘制pie饼图
简单饼图
line图 bar图，或其他xy坐标的要告诉它xy轴就行，饼图需要数据并告诉他标签在哪
list1 =['JavaScript',
'HTML/CSS',
'SQL',
'Python',
'Java']
list2 = [59219,
55466,
47544,
36443,
35917]
plt.pie(list2,labels=list1)
共绘制了10个图，5个边界模块，5个text信息
花样饼图
explo 突出某一块
shadow 阴影。模拟的3d效果
autopct 数据标注，比例数据。’% 数据格式 %’
startangle 开始的第一组数据在什么地方，转动
wedgeprops 勾线，edgecolor 边界颜色，字典格式
title 标题
tight_layout 浏览器尺寸自适应。
explo=[0,0,0,0.2,0]
plt.pie(list2,labels=list1,explode=explo,
shadow=True,
autopct='%1.2f%%' ,
startangle=190,
wedgeprops={'edgecolor':'black'}
)
plt.title("Pie chart")
plt.tight_layout()
实战未展示。。。。。。
第八节 绘制散点图
基础知识
plt.scatter(x,y,c='r',s=140,edgecolor='black',alpha=0.5) #c颜色,s大小，edgecolor边缘颜色,alpha颜色透明度
plt.grid() #网格
散点图有时候用来分别类别，用类别来判定数之间有没有关联，不一定肯定有关联，引入第三个参数–类别。
x=[1,3,5,7,9,4,5,7,9,3]
y=[2,4,6,8,10,2,3,5,6,5]
z=[1,2,4,5,7,8,9,0,2,1]
plt.scatter(x,y,c=z,s=140,edgecolor='black',alpha=0.5)
plt.grid()
cbar=plt.colorbar() #颜色标尺 种类太多有颜色过度，相当于标尺
cbar.set_label('Color Bar ')
以上是二维表格上用三组数据显示三维信息，除此之外还有第四组信息。
x=[1,3,5,7,9,4,5,7,9,3]
y=[2,4,6,8,10,2,3,5,6,5]
z=[1,2,4,5,7,8,9,0,2,1]
size=[233,455,677,244,677,333,233,233,233,233]
plt.scatter(x,y,c=z,s=size,edgecolor='black',alpha=0.5)
plt.grid()
cbar=plt.colorbar() #颜色标尺 种类太多有颜色过度，相当于标尺
cbar.set_label('Color Bar ')
实战
测试数据为影片的观看数量以及点赞数量信息，有三个字段，读取数据如下
对于此类数据量的量级很大的情况（比如最后x轴的坐标都到了10的7次方），或者因为一个超级大的数据，别的数据都堆叠在一块，可以采用对数转化，将x轴的数据转化为对数表示，代码指令：
plt.xscale(‘log’)，
plt.yscale(‘log’)
plt.figure(figsize=(10,6))
plt.scatter(df.view_count,df.likes,c=df.ratio)
plt.xscale('log')
plt.yscale('log')
cbar =plt.colorbar()
cbar.set_label('Like/Dislike ')
少数深颜色的可能为烂片，要根据实际数据分析。
plt.scatter(df.view_count,df.likes,edgecolor='black',linewidth=1,alpha=0.9,c=df.ratio,cmap='summer')
cmap：可以用来控制颜色渐变，字符串或者matplotlib.colors.Colormap
第八节 时序数据可视化
基础知识
字符串时间数据和Datetime格式的时间数据绘图对比
1.字符串格式的时间绘图： 忽略时间的连续性，只是当样本
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime,timedelta
from matplotlib import dates as mpl_dates
x = ['2019-5-24','2019-5-25','2019-5-26','2019-5-27','2019-5-28','2019-5-29','2019-5-30','2019-6-30']
y = [0,1,3,4,6,5,7,3]
plt.figure(figsize=(9,6))
plt.plot(x,y)
2.再编写一个Datetime格式的时序绘图 考虑了时间的连续性，缺失的时间会自动补齐。
x2 = [
datetime(2019,5,24),
datetime(2019,5,25),
datetime(2019,5,26),
datetime(2019,5,27),
datetime(2019,5,28),
datetime(2019,5,29),
datetime(2019,5,30),
datetime(2019,6,30),]
y = [0,1,3,4,6,5,7,3]
plt.figure(figsize=(9,6))
plt.plot(x2,y)
plt.xticks(rotation=45)
总结： 对比字符串时间数据和Datetime时间数据作为x轴绘制图形，可以发现前者只是将时间作为一个样例，忽略了时间的连续性，而后者证实体现了时间连续性，在绘制图形上没有忽略中间缺失的时间。
plt.plot_date(x2,y2, linestyle='solid')
plt.gcf().autofmt_xdate() #相当于plt.xticks(rotation=45)
date_format = mpl_dates.DateFormatter('%b,%d %Y') #设置时间格式
plt.gca().xaxis.set_major_formatter(date_format) #设置x轴的时间格式
实战
遇到字符串格式的时间，要先转化为时间序列，因为字符串不会按时间排序，所以要排下序。
df.Date= pd.to_datetime(df.Date) #时间类型转化
df.sort_values('Date',inplace=True) #时间排序
plt.plot_date(df.Date,df.Close, linestyle='solid')
plt.gcf().autofmt_xdate()
date_format = mpl_dates.DateFormatter('%b,%d %Y')
plt.gca().xaxis.set_major_formatter(date_format)
第九节 实时数据可视化(不太明白实用性，提问课问问)
实时数据绘制以及模块调用
import pandas as pd
import matplotlib.pyplot as plt
from IPython.display import HTML
from itertools import count
import random
from matplotlib.animation import FuncAnimation
x1=[]
y1=[]
index =count()
def animate(i):
x1.append(next(index))
y1.append(random.randint(0,10))
plt.cla()
plt.plot(x1,y1)
plt.style.use('fivethirtyeight')
ani = FuncAnimation(plt.gcf(),animate,interval=1000)
HTML(ani.to_jshtml())
第十节 图表的多重绘制（subplot）
plt.plot(data.Age,data.All_Devs)
plt.plot(data.Age,data.Python)
plt.plot(data.Age,data.JavaScript)
plt.legend(labels=['All_Devs','Python','JavaScript'])
之前的代码都是一张图中绘制多条线，那怎么在一张图中绘制3份线呢？
第一种方式：plt.subplots（）绘制子图
fig ,(ax1,ax2,ax3) = plt.subplots(nrows=1,ncols=3,figsize=(12,6),sharey=True)
ax1.plot(data.Age,data.All_Devs,c='r',label='All_Devs')
ax2.plot(data.Age,data.Python,c='g',label='Python')
ax3.plot(data.Age,data.JavaScript,c='b',label='JavaScript')
# a.legend(labels=['All_Devs','Python','JavaScript'])
ax1.legend()
ax2.legend()
ax3.legend()
注意：
- plt.figure(figsize=(9,9))在多重绘制图标中已失效，用plt.subplots(figsize=(12,6)）
- 要想三份图表的y坐标轴一样的刻度，需要添加，sharey=True命令。
绘图的风格可以自行进行切换，前面已经介绍过如何使用内置的一些绘图风格，比如切换成为seaborn，排列的方式变成1行3列（这里默认就是已经x轴刻度范围一致，也就不用指定sharex参数，其它样式的出图也可以试试，找个自己倾向的即可）
第二种方式：fig.add_subplot 绘制子图
fig = plt.figure(figsize=(12,6))
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(212)
既然fig是实例化的对象，直接可以使用它调用显示图例的函数，但是最终得效果是把所有的图例放在了一起，如果要单独显示图例还是需要单端使用ax进行指定
fig = plt.figure(figsize=(12,6))
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(212)
ax1.plot(data.Age,data.All_Devs,c='r',label='All_Devs')
ax2.plot(data.Age,data.Python,c='g',label='Python')
ax3.plot(data.Age,data.JavaScript,c='b',label='JavaScript')
# a.legend(labels=['All_Devs','Python','JavaScript'])
ax1.legend()
ax2.legend()
ax3.legend()
**注意：**这时候就没有前面的函数的共享x轴或者y轴的参数，这种方法的使用主要在于位置布局上有优势
第三种方式 plt.subplot2grid 绘制子图
第二种的坐标易混
fig = plt.figure(figsize=(12,6))
ax1 = plt.subplot2grid((6,2),(0,0),rowspan=2,colspan=1)
ax2 = plt.subplot2grid((6,2),(0,1),rowspan=2,colspan=1)
ax3 = plt.subplot2grid((6,2),(2,0),rowspan=1,colspan=2)
ax4 = plt.subplot2grid((6,2),(4,0),rowspan=2,colspan=1)
ax5 = plt.subplot2grid((6,2),(4,1),rowspan=2,colspan=1)
ax1.plot(data.Age,data.All_Devs,label='All')
ax2.plot(data.Age,data.Python,label='Python',color='g')
ax3.plot(data.Age,data.JavaScript,label='JS',color='r')
ax4.plot(data.Age,data.Python,label='Python',color='g')
ax5.plot(data.Age,data.JavaScript,label='JS',color='r')
ax1.legend()
ax2.legend()
ax3.legend()
函数中的第一个参数(6,2)是指定要绘制的图形行和列，共6行2列；第二个参数就是图形绘制的起始位置，比如(0,0)，代表第0行第0列的位置；第3，4个参数rowspan，colspan就是图形跨过的行和列的数量，比如rowspan=2,colspan=1代表图形跨2行，只占1列。ax3绘制的图形解析：绘制的图像都是在6行2列的画布上，起始点在第2行第0列，然后跨1行跨2列
注意： 上图发现第3个图像把上面第1,2图像的x轴刻度信息覆盖了，这种可以尝试通过指定画布大小进行解决，输出如下（比如指定figsize=(12,10),也就是增加一下图形的高度，自然在纵向上就拥挤了。
附官网网址
Matplotlib官方示例图库
撒花，待更新、、、、、