主要内容：

基础概念

matplotlib (绘图)

numpy (处理数值型数据)

pandas (在numpy的基础之上，除了处理数值型数据之外，还可以处理字符串，时间序列，列表，字典等数据类型)

综述

数据分析是什么
数据分析是用适当的方法对收集来的大量数据进行分析，帮助人们最初判断，以便采取适当行动。
数据分析流程

认识Jupiter notebook
对比常用统计图

一些绘图工具及可视化图表库

plotly:可视化工具中的github,相比于matplotlib更加简单,图形更加漂亮,同时兼容matplotlib和pandas
使用用法:简单,照着文档写即可
文档地址: https://plot.ly/python/
Apache Echarts
seaborn

matplotlib

什么是matplotlib
matplotlib是最流行的python底层绘图库，主要做数据可视化图表。虽然它起源于模仿 MATLAB 图形命令，但它独立于 MATLAB，可以以 Pythonic 和面向对象的方式使用。虽然 Matplotlib 主要是在纯 Python 中编写的，但它大量使用 NumPy 和其他扩展代码，即使对于大型数组也能提供良好的性能。

# 安装
pip install matplotlib

官方文档：https://matplotlib.org/stable/gallery/index.html（查看文档中的例子，学习matplotlib中多种图形的绘制）

Pyplot是Matplotlib的子库，提供了和 MATLAB 类似的绘图 API。 Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表。

1. 折线图

需要掌握的内容：

绘制折线图plt.plot(x,y) (设置线的颜色、粗细、线的类型)

设置图片的大小和分辨率plt.figure(fig size=(元组),dpi=int)

实现图片的保存(plt.savefig)

设置xy轴上的刻度和字符串(xticks)

解决刻度稀疏和密集的问题(xticks)

设置标题,xy轴的lable(title,xlable,ylable)

设置字体(font_manager. fontProperties,matplotlib.rc)
在一个图上绘制多个图形(plt多次plot即可)

为不同的图形添加图例

例1：如果列表a表示10点到12点的每一分钟的气温,如何绘制折线图观察每分钟气温的变化情况?
a= [random.randint(20,35) for i in range(120)]

from matplotlib import pyplot as plt 
##或者使用 import matplotlib.pyplot as plt
import random
from matplotlib import font_manager #更改字体
my_font=font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc") #更改字体
x=range(1,121)
y= [random.randint(20,35) for i in range(120)]
#设置图片大小
plt.figure(figsize=(20,8),dpi=80)
#绘图
plt.plot(x,y)
#设置和调整x轴/y轴的刻度
_xstick_labels=['10点{}分'.format(i)for i in range(60)]
_xstick_labels+=['11点{}分'.format(i)for i in range(60)]
#取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(x[::3],_xstick_labels[::3],rotation=45,fontproperties=my_font) #rotation:旋转角度 fontproperties:设置中文字体
#添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度 单位（'C）",fontproperties=my_font)
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)
#保存
#plt.savefig('./t1.png')
#展示图形
plt.show()

例2：假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
要求:
y轴表示个数
x轴表示岁数,比如11岁,12岁等

from matplotlib import pyplot as plt
from matplotlib import font_manager #更改字体
my_font=font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc") #更改字体
y1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y2 = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
x=range(11,31)
plt.figure(figsize=(15,6),dpi=80)
plt.xticks(range(11,31))
plt.xlabel('年龄 单位：岁',fontproperties=my_font)
plt.ylabel('对象数 单位：个',fontproperties=my_font)
plt.grid(alpha=0.4) #绘制网格
plt.plot(x,y1,label='xm',color='orange',linestyle=':') #label设置图例，color设置颜色，颜色可使用十六进制颜色
plt.plot(x,y2,label='xh',color='#FFCCCC') #linestyle设置线的格式，网格也可以设置 linewidth设置线的粗细
#添加图例
plt.legend(prop=my_font,loc='upper left') #只有这里使用prop接收字体，别的所有的都是fontproperties参数接收字体 loc设置图例位置
plt.show()

2. 散点图

绘制散点图和折线图的唯一区别：
折线图是plt.plot(x,y) 散点图是plt.scatter(x,y)

假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?
a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]

from matplotlib import pyplot as plt
from matplotlib import font_manager
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3=range(1,32)
x_10=range(51,82)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.scatter(x_3,y_3,label='3月份')
plt.scatter(x_10,y_10,label="10月份")
#调整x轴的刻度
_x=list(x_3)+list(x_10)
_xtick_labels=['3月{}日'.format(i) for i in x_3]
_xtick_labels+=['10月{}日'.format(i) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],fontproperties=my_font,rotation=45)
plt.xlabel('时间',fontproperties=my_font)
plt.ylabel('温度',fontproperties=my_font)
plt.title('标题',fontproperties=my_font)
plt.legend(prop=my_font)
plt.show()

散点图的更多应用场景：
不同条件（维度）之间的内在关联关系
观察数据的离散聚合程度

3. 条形图

竖的条形图：plt.bar() width参数控制条型粗细
竖的条形图：plt.barh()height参数控制条型粗细
多个条形图：要注意bar的宽度，不要重合

例1：假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] 单位:亿
（数据来源: http://58921.com/alltime）

#绘制竖的条形图
from matplotlib import pyplot as plt
from matplotlib import font_manager #更改字体
my_font=font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc") #更改字体
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
plt.figure(figsize=(20,15),dpi=80)
plt.bar(a,b,width=0.3)
plt.xticks(range(len(a)),fontproperties=my_font,rotation=90)
plt.show()

#绘制横的条形图
from matplotlib import pyplot as plt
from matplotlib import font_manager #更改字体
my_font=font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc") #更改字体
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
plt.figure(figsize=(20,15),dpi=80)
plt.barh(a,b,height=0.3,color='orange')
plt.yticks(range(len(a)),fontproperties=my_font)
plt.grid(alpha=0.3)
plt.show()

例2：假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?

a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]

from matplotlib import pyplot as plt
from matplotlib import font_manager #更改字体
my_font=font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]

plt.figure(figsize=(20,8),dpi=80)

bar_width=0.2
x_14=list(range(len(a)))
x_15=[i+bar_width for i in x_14]
x_16=[i+bar_width*2 for i in x_14]

plt.bar(range(len(a)),b_14,width=bar_width,label='9月14日')
plt.bar(x_15,b_15,width=bar_width,label='9月14日')
plt.bar(x_16,b_16,width=bar_width,label='9月14日')

#显示图例
plt.legend(prop=my_font)

#设置x轴刻度
plt.xticks(x_15,a,fontproperties=my_font)
plt.show()

条形图的更多应用场景：
数量统计
频率统计（市场饱和度）

4. 直方图

假设你获取了250部电影的时长，希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?

import random
from matplotlib import pyplot as plt
from matplotlib import font_manager #更改字体
my_font=font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
a=[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
plt.figure(figsize=(20,8),dpi=80)
#计算组数
d=3 #组距
num_bins=(max(a)-min(a))//d +1  #组数（max(a)-min(a))/d必须是整数
#num_bins是分割的组数（盒子数），虽然前面设置了组距d=3，但那只是帮助划分组数的，最后画图(a,num_bins)还是根据组数划分了组距，并没有用b这个组距。所以如果（max(a)-min(a))/d不是整数，就会造成图形的偏移
plt.hist(a,num_bins)

#设置x轴刻度
plt.xticks(range(min(a),max(a)+d,d))
plt.grid(alpha=0.3)

频数分布直方图 plt.hist(a,num_bins)

频率分布直方图 plt.hist(a,num_bins,density=True)

⚠️(max(a)-min(a))//d如果不是一个整数，就会出现直方图的偏移。解决办法可以人为加一个最后一组可以取的最大值，并把之前的最大值删除。比如可以加这两句代码：x.remove(max(x))和x.append(min(x)+d*num_bins)

直方图的更多应用场景：
用户的年龄分布状态
一段时间内用户点击次数的分布状态
用户活跃时间的分布状态

matplotlib常见问题总结：
应该选择哪种图形来呈现数据
matplotlib.plot(x,y)
matplotlib.bar(x,y)
matplotlib.scatter(x,y)
matplotlib.hist(data,bins,normed)
xticks和yticks的设置
label和titile,grid的设置
绘图的大小和保存图片

matplotlib使用的流程总结
明确问题
选择图形的呈现方式
准备数据
绘图和图形完善

数据分析-1 Matplotlib

综述

matplotlib

1. 折线图

2. 散点图

3. 条形图

4. 直方图

你可能感兴趣的:(数据分析-1 Matplotlib)