第二章：第四节数据可视化
**复习：**回顾学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的统计方法，第二章中我们学习了数据的清理和重构，使得数据更加的易于理解；今天我们要学习的是第二章第三节：数据可视化，主要给大家介绍一下Python数据可视化库Matplotlib，在本章学习中，你也许会觉得数据很有趣。在打比赛的过程中，数据可视化可以让我们更好的看到每一个关键步骤的结果如何，可以用来优化方案，是一个很有用的技巧。
2 第二章：数据可视化
开始之前，导入numpy、pandas以及matplotlib包和数据
# 加载所需的库
# 如果出现 ModuleNotFoundError: No module named 'xxxx'
# 你只需要在终端/cmd下 pip install xxxx 即可
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
#加载result.csv这个数据
result = pd.read_csv('result.csv')
result.head()
| Unnamed: 0 | PassengerId | Survived | Pclass | Name | Sex | Age | SibSp | Parch | Ticket | Fare | Cabin | Embarked | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 0 | 1 | 0 | 3 | Braund, Mr. Owen Harris | male | 22.0 | 1 | 0 | A/5 21171 | 7.2500 | NaN | S |
| 1 | 1 | 2 | 1 | 1 | Cumings, Mrs. John Bradley (Florence Briggs Th... | female | 38.0 | 1 | 0 | PC 17599 | 71.2833 | C85 | C |
| 2 | 2 | 3 | 1 | 3 | Heikkinen, Miss. Laina | female | 26.0 | 0 | 0 | STON/O2. 3101282 | 7.9250 | NaN | S |
| 3 | 3 | 4 | 1 | 1 | Futrelle, Mrs. Jacques Heath (Lily May Peel) | female | 35.0 | 1 | 0 | 113803 | 53.1000 | C123 | S |
| 4 | 4 | 5 | 0 | 3 | Allen, Mr. William Henry | male | 35.0 | 0 | 0 | 373450 | 8.0500 | NaN | S |
2.7 如何让人一眼看懂你的数据？
《Python for Data Analysis》第九章
2.7.1 任务一：跟着书本第九章，了解matplotlib，自己创建一个数据项，对其进行基本可视化
【思考】最基本的可视化图案有哪些？分别适用于那些场景？（比如折线图适合可视化某个属性值随时间变化的走势）
折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
散点图：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分
布模式。
特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。
特点：绘制离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布
情况。
特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
密度图：与直方图密切相关的概念，它用一条连续的曲线表示变量的分布，可以理解为直方图的“平滑版本”。
特点：其采用”核密度统计量“来估计代表总体的随机变量的概率密度函数。曲线下的面积为1，可以了解到数据分布的密度情况（某个值附近占比多少）
饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
特点：分类数据的占比情况(占比)
2.7.2 任务二：可视化展示泰坦尼克号数据集中男女中生存人数分布情况（用柱状图试试）。
# matplotlib只显示英文,无法显示中文，需要修改matplotlib的默认字体，通过matplotlib下的font_manager可以解决（三步）
import matplotlib.font_manager as font_manager #第一步
font = font_manager.FontProperties(fname='C:/Windows/Fonts/simsun.ttc',size=14) #第二步
a = result['Survived'].groupby(result['Sex']).sum()
a.plot.bar()
plt.title('不同性别的存活人数分布',fontproperties=font) #第三步
plt.xticks(rotation=0)
plt.show()
【思考】计算出泰坦尼克号数据集中男女中死亡人数，并可视化展示？如何和男女生存人数可视化柱状图结合到一起？看到你的数据可视化，说说你的第一感受（比如：你一眼看出男生存活人数更多，那么性别可能会影响存活率）。
2.7.3 任务三：可视化展示泰坦尼克号数据集中男女中生存人与死亡人数的比例图（用柱状图试试）。
#提示：计算男女中死亡人数 1表示生存，0表示死亡
# unstack()函数:把Series的最内层行索引变为列索引，从而转化为Dataframe对象
#设置stacked=True即可为DataFrame生成堆积柱状图
b = result['Survived'].groupby([result['Sex'],result['Survived']]).count().unstack()
b.plot.bar(stacked=True)
plt.xticks(rotation=45)
plt.show()
【提示】男女这两个数据轴，存活和死亡人数按比例用柱状图表示
2.7.4 任务四：可视化展示泰坦尼克号数据集中不同票价的人生存和死亡人数分布情况。（用折线图试试）（横轴是不同票价，纵轴是存活人数）
【提示】对于这种统计性质的且用折线表示的数据，你可以考虑将数据排序或者不排序来分别表示。看看你能发现什么？
# 计算不同票价中生存与死亡人数 1表示生存，0表示死亡
c = result['Survived'].groupby([result['Fare'],result['Survived']]).count().unstack()
c.plot.line(figsize=(15, 3))
plt.show()
2.7.5 任务五：可视化展示泰坦尼克号数据集中不同仓位等级的人生存和死亡人员的分布情况。（用柱状图试试）
# 1表示生存，0表示死亡
d = result['Survived'].groupby([result['Pclass'],result['Survived']]).count().unstack()
d.plot.bar()
plt.xticks(rotation=0)
plt.show()
【思考】看到这个前面几个数据可视化，说说你的第一感受和你的总结
#思考题回答
仓位等级越高，对应的存活占比越高，其中一级仓位等存活人数超过一半。
2.7.6 任务六：可视化展示泰坦尼克号数据集中不同年龄的人生存与死亡人数分布情况。(不限表达方式)
# 密度图plot.kde()
result.Age[result.Survived == 0].plot.kde()
result.Age[result.Survived == 1].plot.kde()
plt.xlabel("Age")
plt.xlim(0)
plt.show()
2.7.7 任务七：可视化展示泰坦尼克号数据集中不同仓位等级的人年龄分布情况。（用折线图试试）
#密度图
result.Age[result.Pclass == 1].plot.kde()
result.Age[result.Pclass == 2].plot.kde()
result.Age[result.Pclass == 3].plot.kde()
plt.xlabel("Age")
plt.xlim(0)
plt.legend((1,2,3),loc="best")
plt.show()
# # 折线图——聚合后，依次取行标签为各仓位等级，
# plt.figure(figsize=(15,3),dpi=80)
# f = result['Pclass'].groupby([result['Pclass'],result['Age']]).count()
# f.loc[1].plot.line()
# f.loc[2].plot.line()
# f.loc[3].plot.line()
# plt.show()
# f = result['Pclass'].groupby([result['Age'],result['Pclass']]).count().unstack()
# f.plot.line(figsize=(15, 3))
# plt.show()
【思考】上面所有可视化的例子做一个总体的分析，你看看你能不能有自己发现
#思考题回答
比如说连续数值型的，如Age、Fare可以选择折线图，以其为自变量分析。柱状图比较适合离散变量，以离散变量为自变量分析。
离散的数据比较适合柱状图，如Sex。连续的数据比较适合折线图，如Age，但因为年龄跨度大且人数波动较大，可以考虑选择密度图
【总结】到这里，我们的可视化就告一段落啦，如果你对数据可视化极其感兴趣，你还可以了解一下其他可视化模块，如：pyecharts，bokeh等。
如果你在工作中使用数据可视化，你必须知道数据可视化最大的作用不是炫酷，而是最快最直观的理解数据要表达什么，你觉得呢？