机器学习入门-数据分析入门-第一天

数据分析入门

第一天 参考视频

一、Jupyter使用

（一）优点

1. 展示数据方便

2. 可以分块运行代码

（二）模式

1. 编辑模式：在单元格（cell）里面操作

2. 命令模式：操作单元格

（三）快捷键

1. 命令模式:

   Shift-Enter : 运行本单元，选中下个单元

   Ctrl-Enter : 运行本单元，停留在本单元

   A : 在上方插入新单元

   B : 在下方插入新单元

   D,D : 删除选中的单元（双击D）

   Enter : 转入编辑模式

2. 编辑模式

   Tab : 代码补全或缩进

   Ctrl-A : 全选

   Ctrl-Z : 撤销

   Ctrl-/ : 注释

   Ctrl-鼠标点击：多光标操作

二、Matplotlib（Matrix Plot Library）

（一）用途及优点

1. 专用于开发2D图表

2. 以渐进、交互式方式实现数据可视化

（二）Matplotlib三层结构

1. 容器层

   画板层Canvas

   画布层Figure（plt.figure()）

   绘图区/坐标系axes（axis,一个画布可以有多个绘图区,plt.subfplots()）

2. 辅助显示层

   坐标轴、刻度、图例等

3. 图像层

   图像

（三）折线图

1. 基本绘图方法

   import matplotlib.pyplot as plt
   %matplotlib inline
   import random
   
   #需求：......
   
   #1.准备数据
   x=range(60)
   y_first=[random.uniform(15,18) for i in x] # 第一根线
   y_second=[random.uniform(1,3) for i in x] # 第二根线
   
   #2.创建画布
   plt.figure(figsize=(20,8),dpi=80)
   
   #3.绘制图像
   plt.plot(x,y_first,color="r",linestyle="--",label="SHanghai") # 第一根线
   plt.plot(x,y_second,color="b",linestyle="-.",label="Beijing") # 第二根线
   
   # 显示图例
   plt.legend()
   # 修改x、y刻度
   x_label = ["11H{}m".format(i) for i in x] #中文显示有问题 解决方法不管了
   plt.xticks(x[::5],x_label[::5])
   # plt.yticks(range(0,40,5))
   plt.yticks(range(40)[::5])
   # 添加网格线
   plt.grid(linestyle="--",alpha=0.5)
   # 添加标题、坐标轴标签
   plt.xlabel("Time")
   plt.ylabel("Temperature")
   plt.title("You Shoule Say Sth.")
   
   #4.保存图像
   # path = "C:/Users/ABC/Desktop/figure.png"
   # plt.savefig(path)
   
   #5.显示图像
   plt.show() #此语句会释放figure资源，如果在此语句后保存图像，将得到空白图
   

2. 多个坐标系显示-plt.subplots(面向对象的画图方法)

   import matplotlib.pyplot as plt
   %matplotlib inline
   import random
   
   #需求：......
   
   # 1.准备数据
   x=range(60)
   y_first = [random.uniform(15,18) for i in x] # 第一根线
   y_second = [random.uniform(1,3) for i in x] # 第二根线
   
   # 2.创建画布
   # plt.figure(figsize=(20,8),dpi=80)
   figure,axes = plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)
   
   # 3.绘制图像
   axes[0].plot(x,y_first,color="r",linestyle="--",label="SHanghai") # 第一根线
   axes[1].plot(x,y_second,color="b",linestyle="-.",label="Beijing") # 第二根线
   
   # 显示图例
   axes[0].legend()
   axes[1].legend()
   # 修改x、y刻度
   x_label = ["11H{}m".format(i) for i in x] # 中文显示有问题 解决方法不管了
   axes[0].set_xticks(x[::8])
   axes[0].set_xticklabels(x_label[::8])
   axes[0].set_yticks(range(40)[::5])
   axes[1].set_xticks(x[::8])
   axes[1].set_xticklabels(x_label[::8])
   axes[1].set_yticks(range(40)[::5])
   # 添加网格线
   axes[0].grid(linestyle="--",alpha=0.5)
   axes[1].grid(linestyle="--",alpha=0.5)
   # 添加标题、坐标轴标签
   axes[0].set_xlabel("Time")
   axes[0].set_ylabel("Temperature")
   axes[0].set_title("Shanghai")
   axes[1].set_xlabel("Time")
   axes[1].set_ylabel("Temperature")
   axes[1].set_title("Beijing")
   
   # 4.保存图像
   # path = "C:/Users/ABC/Desktop/figure.png"
   # plt.savefig(path)
   
   # 5.显示图像
   plt.show() # 此语句会释放figure资源，如果在此语句后保存图像，将得到空白图
   

3. 折线图的应用场景

   某事物、某指标随时间的变化状况
   拓展：画各种数学函数图像

（四）各种图型

1. 折线图 plot - 变化状况（拓展：画各种数学函数图像）

   画法见上面

2. 散点图 scatter - 关系/规律

   import matplotlib.pyplot as plt
   %matplotlib inline
   import random
   # 相比于折线图，plot改成scatter即可，少了画线这一步
   
   # 1.准备数据
   movie_names = ["The Intern","Me Before You","The Jungle Book","Room","The Martian","Like Sunday, Like Rain"]
   tickets = [int(random.uniform(30001,60000)) for i in movie_names]
   
   # 2.创建画布
   plt.figure(figsize=(20,8),dpi=80)
   
   # 3.绘制图像
   plt.scatter(movie_names,tickets)
   
   # 4.显示图像
   plt.show()
   

3. 柱状图 bar - 统计/对比

   # 显示单个柱状图
   import matplotlib.pyplot as plt
   %matplotlib inline
   import random
   
   # 柱状图，对比不同电影票数
   
   # 1.准备数据
   # movie_names = ["The Intern","Me Before You","The Jungle Book","Room","The Martian","Like Sunday, Like Rain"]
   movie_names = ["The","Me","Jungle","Room","Martian","Sunday"]
   tickets = [int(random.uniform(30001,60000)) for i in movie_names]
   
   # 2.创建画布
   plt.figure(figsize=(20,8),dpi=80)
   
   # 3.绘制图像
   x_ticks = range(len(movie_names))
   plt.bar(x_ticks,tickets,color=['b','r','g','y','c','m'])
   # 修改刻度
   # plt.xticks = (x_ticks,movie_names) # 不知道为什么刻度标签显示不出来
   
   plt.xticks(x_ticks,movie_names) # 这是个函数，用等于当然显示不出来，垃圾jupyter，这函数也不显示清楚些，连个doc都没有
   # 添加标题
   plt.title("Movie Tickets")
   # 添加网格
   plt.grid(linestyle="--",alpha=0.5)
   
   # 4.显示图像
   plt.show()
   

   # 显示多个柱状图
   import matplotlib.pyplot as plt
   %matplotlib inline
   import random
   
   # 柱状图，对比不同电影票数
   
   # 1.准备数据
   # movie_names = ["The Intern","Me Before You","The Jungle Book","Room","The Martian","Like Sunday, Like Rain"]
   movie_name = ["Lighting","Justice","Travel"]
   
   first_day = [10587,10062,1275]
   first_weekend = [36224,34479,11830]
   
   # 2.创建画布
   plt.figure(figsize=(20,8),dpi=80)
   
   # 3.绘制图像
   plt.bar(range(3),first_day,width=0.2,label="first_day")
   plt.bar([(i+0.2) for i in range(3)],first_weekend,width=0.2,label="first_weekend") # 让柱状图偏移0.2，不然与上面重叠
   # 修改刻度
   plt.xticks([(i+0.1) for i in range(3)],movie_name) # 让刻度偏移0.1，不然显示在左边不好看
   # 添加标题
   plt.title("Movie Tickets")
   # 添加网格
   plt.grid(linestyle="--",alpha=0.5)
   # 显示图例
   plt.legend()
   
   # 4.显示图像
   plt.show()
   

4. 直方图 histogram - 分布状况

   （1）直方图相关概念

   ​ 组数（长度）：在统计数据时，我们把数据按照不同的范围分成几个组，分成的组的个数称为组数

   ​ 组距（宽度）：每一组两个端点的差

   ​ 已知 最高175.5 最矮150.5 组距5

   ​ 求组数：(175.5 - 150.5) / 5 = 5

   （2）直方图与柱状图对比

   ​ ① 直方图展示数据的分布，柱状图比较数据的大小。

   ​ ② 直方图X轴为定量数据，柱状图X轴为分类数据。

   ​ ③ 直方图柱子无间隔，柱状图柱子有间隔

   ​ ④ 直方图柱子宽度（组距）可不一，柱状图柱子宽度（分类）须一致

   （3）直方图绘制

   import matplotlib.pyplot as plt
   %matplotlib inline
   import random
   
   # 直方图，电影时长分布图
   # 1.准备数据
   time = [int(random.uniform(80,150)) for i in range(250)]
   
   # 2.创建画布
   plt.figure(figsize=(20,8),dpi=80)
   
   # 3.绘制图像
   distance = 2 # 组距
   group_num = (max(time) - min(time)) // distance # 组数
   
   plt.hist(time, bins=group_num, density=True) # density频度，怎么解决网格线和直方图柱子不对齐问题？
   
   # 修改刻度
   plt.xticks(range(min(time),max(time) + 2,distance)) # 左闭右开注意加上distance
   
   # 添加标题
   plt.title("Movie Duration")
   # 添加网格
   plt.grid(linestyle="--",alpha=0.5)
   # 添加x、y描述信息
   plt.xlabel("Movie Duration")
   plt.ylabel("Movie Quantity")
   
   # 4.显示图像
   plt.show()
   

5. 饼图 pie π - 占比（类别超过9个不建议使用，可用柱状图）

   import matplotlib.pyplot as plt
   %matplotlib inline
   
   # 直方图，电影时长分布图
   # 1.准备数据
   movie_names = ["The Intern","Me Before You","The Jungle Book","Room","The Martian","Like Sunday, Like Rain"]
   place_count = [60605,54536,45819,28243,12370,7654]
   
   # 2.创建画布
   plt.figure(figsize=(20,8),dpi=80)
   
   # 3.绘制图像
   plt.pie(place_count, labels=movie_names, colors=['b','r','g','y','c','m'], autopct="%1.2f%%") # autopct百分比显示格式，%%转义为一个%
   
   # 保持x、y轴比例 默认就是这个，不用写此句
   plt.axis("equal")
   
   # 显示图例
   plt.legend()
   
   # 4.显示图像
   plt.show()