数据科学导论——数据可视化

第1关：数据可视化的内涵

Matplotlib的优点不包含以下那个选项？

A、功能全
B、可定制性好
C、应用广泛
D、界面可交互

2、新兴数据可视化工具不包含以下那个选项？

A、Seaborn
B、numpy
C、Matplotlib
D、Pandas Visualization

答案：D、B

第2关：初识数据

任务描述:

本关任务：分析 Airbnb 房源数据并挖掘规律。

相关知识:

为了完成本关任务，你需要掌握：1. 如何使用 pandas ；2. 如何进行数据分析。

房源数据介绍:

Airbnb 简介：是全世界最大的民宿预订网站，酒店业里的 P2P ，房东发布房源，游客选择并且预订。

数据分析准备:

在具体开展可视化实战之前我们先介绍工程项目并且初始数据，帮助我们更好地进行可视化分析。下面是列出的前期准备：

Python 编程环境；

Jupyter Notebook 或者其他编辑器；

Matplotlib ：是画图的基本库；

Seaborn : Seaborn 是一种基于 matplotlib 的图形可视化 python libraty 。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。 Seaborn 其实是在 matplotlib 的基础上进行了更高级的 API 封装，从而使得作图更加容易，在大多数情况下使用 seaborn 就能做出很具有吸引力的图，而使用 matplotlib 就能制作具有更多特色的图。应该把 Seaborn 视为 matplotlib 的补充，而不是替代物。同时它能高度兼容 numpy 与 pandas 数据结构以及 scipy 与 statsmodels 等统计模式。掌握 seaborn 能很大程度帮助我们更高效的观察数据与图表，并且更加深入了解它们。

观察数据:
可视化分析的三个部分，是相承关系：

首先要观察原始数据，看有哪些数据内容，哪些内容是具有研究价值，哪些部分数据质量不高需要过滤；

选定一些研究点；

最后针对不同研究点选择适合的可视化途径。

首先读取数据:

import seaborn as sns#导入模块  
import pandas as pd  
from matplotlib import pyplot as plt
df = pd.read_csv('data/listings.csv', index_col=0)#读入数据

查看数据表格有哪些项:

for col in df.columns:#循环输出列名  
    print(col)  

编程要求:

请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，读入 Airbnb 数据集，并打印前 5 行数据。（文件路径为 Task2/listings.csv ）。

测试说明:

平台会对你编写的代码进行测试：

预期输出：

  id                                               name  host_id  host_name  neighbourhood_group                           neighbourhood  latitude  longitude        room_type  price  minimum_nights  number_of_reviews last_review  reviews_per_month  calculated_host_listings_count  availability_365  
0   2818           Quiet Garden View Room & Super Fast WiFi     3159     Daniel                  NaN  Oostelijk Havengebied - Indische Buurt  52.36575    4.94142     Private room     59               3                262  2019-06-28               2.09                               1               107  
1  20168       Studio with private bathroom in the centre 1    59484  Alexander                  NaN                            Centrum-Oost  52.36509    4.89354     Private room     80               1                279  2019-07-08               2.45                               2               140  
2  25428    Lovely apt in City Centre (w.lift) near Jordaan    56142       Joan                  NaN                            Centrum-West  52.37297    4.88339  Entire home/apt    125              14                  3  2019-05-11               0.17                               2               106  
3  27886  Romantic, stylish B&B houseboat in canal district    97647       Flip                  NaN                            Centrum-West  52.38673    4.89208     Private room    150               2                195  2019-07-01               2.14                               1                74  
4  28871                            Comfortable double room   124245      Edwin                  NaN                            Centrum-West  52.36719    4.89092     Private room     75               2                277  2019-07-02               2.56                               3               138

开始你的任务吧，祝你成功！

Begin-- End–:

import pandas as pd
import numpy as np
pd.set_option('display.max_columns', 1000)
pd.set_option('display.width', 1000)
pd.set_option('display.max_colwidth', 1000)
def student():

    # ********* Begin *********#
    df=pd.read_csv("Task2/listings.csv")
    print(df.head(5))
    # ********* End *********#

第3关：柱状图

任务描述:

旅游选住的地方，地理位置往往是最重要的。那么在我们的数据中，房源地理位置分布有什么特点呢？下面我们来对地理位置数据进行可视化分析。

相关知识:

为了完成本关任务，你需要掌握：1. 如何统计数据；2. 如何绘制柱状图。

地理位置分析:

地理位置分析可以从两块入手：所属区域和位置经纬度

房源所属区域分析：房源按区域的数量分布；

房源位置经纬度：具体地理位置分布。

编程要求:

请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，读入数据并画出房源类型的柱状图。具体请按照以下要求可视化：

读入数据路径为：Task3/listings.csv；

图形的 figsize 为 (10, 10)；

使用 plt.savefig 函数保存图形；

图形保存到 Task3/img/T1.png。

测试说明:

平台会对你编写的代码进行测试：

图片预期输出结果为：

Begin-- End–:

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
def student():

    # ********* Begin *********#
    df=pd.read_csv("Task3/listings.csv")
    plt.figure(figsize=(10,10))
    sns.countplot(x = 'room_type',
                data = df,
                order = df['room_type'].value_counts(ascending=False).index)
    plt.xticks(rotation=90)
    plt.savefig("Task3/img/T1.png")
    plt.show()
    # ********* End *********#

第4关：散点图

任务描述:

本关任务：使用 scatterplot 绘制房源位置经纬度的散点图。

相关知识

散点图：顾名思义就是把一个个点按照横纵坐标画在图中。

seaborn绘制散点图
散点图能够显示 2 个维度上 2 组数据的值，每个点代表一个观察点。

X （水平）和 Y （垂直）轴上的位置表示变量的值。研究这两个变量之间的关系是非常有用的。在 seaborn 中通过 scatterplot 制作散点图。

sctterplot() 参数说明:

x ，y :输入的绘图数据，必须是数值型数据；

hue :对输入数据进行分组的序列，使用不同颜色对各组的数据加以区分；

s :标记大小。

示例如下：

tips = pd.read_csv('tips.csv')  
print(tips.head())  
sns.relplot(x="total_bill",  
            y="tip",   
            data=tips)

编程要求

请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，使用seaborn 的 scatterplot 绘制房源位置经纬度的散点图，并设置标记大小为 10。

具体绘图，请按照以下要求可视化：

数据文件 Task4/listings.csv；

图形的 figsize 为 (10, 10)；

文件名为 Task4/img/T1.png。

测试说明

平台会对你编写的代码进行测试：

图片预期输出结果：

Begin-- End–:

import matplotlib
matplotlib.use("Agg")
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
def student():

    # ********* Begin *********#
    df=pd.read_csv("Task4/listings.csv")
    plt.figure(figsize=(10,10))
    sns.scatterplot(x="longitude",
                    y="latitude",
                    s=10,
                    data=df)
    plt.savefig("Task4/img/T1.png")
    plt.show()
    # ********* End *********#

第5关：直方图

任务描述

本关任务：绘制一个包含直方图与线形图的图形。

相关知识

为了完成本关任务，你需要掌握：1. 直方图和条形图的区别；2. 如何绘制直方图。

什么是直方图

单从外表上看直方图和条形图非常相似。首先需要区分清楚概念：直方图和条形图。
条形图用长条形表示每一个类别，长条形的长度表示类别的频数，宽度表示表示类别。
直方图是一种统计报告图，形式上也是一个个的长条形，但是直方图用长条形的面积表示频数，所以长条形的高度表示 组距/频数 ，宽度表示组距，其长度和宽度均有意义。当宽度相同时，一般就用长条形长度表示频数。

编程要求

请仔细阅读右侧代码，结合相关知识，在Begin-End区域内进行代码补充，根据输入数据将直方图与线形图绘制在同一面板中，具体绘图请按照以下要求可视化：

图形的figsize为(10, 10)

文件名为Task5/img/T1.png

测试说明

平台会对你编写的代码进行测试：

图片预期输出结果：

Being-- End–:

import matplotlib
matplotlib.use("Agg")
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
def student(data,x,y):
    '''
    根据输入数据将直方图与线形图绘制在同一面板中
    :param data: 绘制直方图数据，类型为list
    :param x,y: 绘制线形图数据，类型为list
    :return: None
    '''
    # ********* Begin *********#
    fig = plt.figure(figsize=(10, 10))
    sns.distplot(data,kde=False)
    sns.lineplot(x,y)
    plt.savefig("Task5/img/T1.png") 
    # ********* End *********#