-
在Python中进行可视化,我们需要的是这些库:
- matplotlib:python中自带的,也是最常用的可视化工具包,在Jupyter中甚至可以找到matplotlib的网站
- seaborn:python中可视化的新起之秀,致力于统计数据可视化
- brewer2mpl:brewer2mpl是一个专供python使用的,用于访问colorbrewer2色谱的工具,colorbrewer2是一个专业颜色顾问公司。
- 假设我有一个数据探索,我想了解下人口和面积的关系,是不是面积越大,人口数量就是越大?还是面积在一个指定的区间内,人口数量才是最多的,如果是,那么这个区间是多少呢?对于下图,我们是如何画出来的呢?[图片上传失败...(image-b35bd1-1587003130440)]
# 查看必要库的版本
import sys
import matplotlib as mlp
import seaborn as sns
import brewer2mpl
print(mlp.__version__)
print(sns.__version__)
print(sys.version)
散点图
- 散点图是用于观测两两变量祝贺构成的相关关系的直观展现,从图中我们可以看出两变量的相关性及其中的线性或非线性的变化规律。
- 常用的画散点图函数scatte()
- 搬运一下网上已经整理好的文档,自己不用在看着英语翻译了。
点击进入python绘图基础—scatter用法
- 搬运一下网上已经整理好的文档,自己不用在看着英语翻译了。
# 导入需要的绘图
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
# 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
#绘制超简单的散点图:变量x1与x2的关系
#定义横轴和纵轴数据
x1 = np.random.randn(10)
x2 = x1 + x1**2 - 10
#确定画布,参数figsize(width, height)
plt.figure(figsize=(8,3))
#绘图
plt.scatter(x1,x2, # 横坐标,纵坐标
s=50, # 数据点的尺寸大小
c="red", # 数据点的颜色
label = "Red Points" # 标签
)
#装饰图形
plt.legend() #显示图例,和scatter函数的label参数标签联用
plt.show() #让图形显示
# 如果我们希望显示多种颜色的散点图,并且这个颜色是我们的标签y所代表的分类
# 思路:每次画同类标签的散点图
#确立颜色列表
colors = ["red","black"]
#确立标签的类别列表
labels = ["负样本","正样本"]
for i in range(2):
plt.scatter(X[y==i,0], # 横坐标
X[y==i,1], # 纵坐标
c=colors[i], # 颜色
label = labels[i])
plt.legend()
plt.show()
# 如何画一张多分类的散点图呢?
#导入数据
midwest = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")
#探索数据
print(midwest.shape)
print(midwest.columns)
midwest.head(3)
# 丰富我们的图像
# 预设图像的各种属性
large = 22; med = 16; small = 12
params = {'axes.titlesize': large, #子图上的标题字体大小
'legend.fontsize': med, #图例的字体大小
'figure.figsize': (16, 10), #图像的画布大小
'axes.labelsize': med, #标签的字体大小
'xtick.labelsize': med, #x轴上的标尺的字体大小
'ytick.labelsize': med, #y轴上的标尺的字体大小
'figure.titlesize': large} #整个画布的标题字体大小
plt.rcParams.update(params) #设定各种各样的默认属性
plt.style.use('seaborn-whitegrid') #设定整体风格
sns.set_style("white") #设定整体背景风格
# 准备标签列表和颜色列表
categories = np.unique(midwest['category'])
colors = [plt.cm.tab10(i/float(len(categories)-1)) for i in range(len(categories))]
# 建立画布
plt.figure(figsize=(16, 10), #绘图尺寸
dpi=100, #图像分辨率
facecolor='w', #图像的背景颜色,设置为白色,默认也是白色
edgecolor='k' #图像的边框颜色,设置为黑色,默认也是黑色
)
# 循环绘图
# 我们可以输入横纵坐标,也可以输入横纵坐标的名字,然后使用data这个参数来传入全数据集
for i, category in enumerate(categories):
plt.scatter('area', 'poptotal',
data=midwest.loc[midwest.category==category, :],
s=20,
c=np.array(colors[i]).reshape(1,-1),
# c=np.array(plt.cm.tab10(i/len(categories))).reshape(1,-1),
label=str(category))
# 对图像进行装饰
# plt.gca() 获取当前的子图,如果当前没有任何子图的话,就帮我创建一个新的子图
plt.gca().set(xlim=(0, 0.12), ylim=(0, 80000)) #控制横纵坐标的范围
plt.xticks(fontsize=12) #坐标轴上的标尺的字的大小
plt.yticks(fontsize=12)
plt.ylabel('Population',fontsize=22) # 坐标轴上的标题和字体大小
plt.xlabel('Area',fontsize=22)
plt.title("Scatterplot of Midwest Area vs Population", fontsize=22) #整个图像的标题和字体的大小
plt.legend(fontsize=12) #图例的字体大小
plt.show()
# 分析数据
plt.figure(figsize=(16, 10), # 绘图尺寸
dpi=60, # 图像分辨率
facecolor='w', # 图像的背景颜色,设置为白色,默认也是白色
edgecolor='k' # 图像的边框颜色,设置为黑色,默认也是黑色
)
#进行循环绘图
for i, category in enumerate(categories):
plt.scatter('area', 'poptotal',
data=midwest.loc[midwest.category==category, :],
s=20, c=np.array(plt.cm.tab10(i/float(len(categories)-1))).reshape(1,-1),label=str(category))
#高学历,低贫困的地方
plt.scatter("area","poptotal",
data = midwest.loc[midwest.category == "HLU",:],
s=300,
facecolors="None", # 点的填充颜色
edgecolors="red", # 点的边框颜色
label = "Selected")
#对图像进行装饰
plt.gca().set(xlim=(0.0, 0.12), ylim=(0, 90000)) #控制横纵坐标的范围
plt.xticks(fontsize=12) #坐标轴上的标尺的字的大小
plt.yticks(fontsize=12)
plt.ylabel('Population',fontsize=22) #坐标轴上的标题和字体大小
plt.xlabel('Area',fontsize=22)
plt.title("Scatterplot of Midwest Area vs Population", fontsize=22) #整个图像的标题和字体的大小
plt.legend(fontsize=12) #图例的字体大小
plt.show()