android 手摸手教程,手摸手教你数据可视化！（附实例讲解）

前言

本文对课程数据集及泰坦尼克号数据集进行了实例讲解，一步一步带你绘制数据可视化中常用的五种图形，并对数据间可能存在的相关性做出了阐述。

绘制常用图形

常用图形有：plt.scatter() 散点图

plt.plot()    折线图

plt.bar() 直方图

plt.pie() 饼图

plt.boxplot() 箱型图本次实例数据集可在后台回复【学生成绩】来获取。

#导入相应的包

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

#图可以显示中文和负号

plt.rcParams['font.sans-serif']='SimHei'

plt.rcParams['axes.unicode_minus']=Falsedata = pd.read_excel('D:\data\student-score\student-score.xlsx')

data.head()

data = data.drop(columns = ['序号','品德','科学'],axis = 1) #由于品德和科学的总分与其他学科不一致,为了图片显示效果,删除这两个学科成绩data.loc[:,'总分'] = data.loc[:,'语文'] + data.loc[:,'数学'] + data.loc[:,'英语'] #重新计算总分成绩

data.head()

接着我们还可以查看其数据结构：

data.shape #查看数据结构

# 输出

(629, 6)

以及查看各学科的缺失值情况：data.isnull().sum() #查看缺失值情况

'''

姓名 0

学校 0

语文 1

数学 0

英语 0

总分 1

dtype: int64

'''

对于这些缺失值，我们可以选择使用dropna()函数删除：

data = data.dropna() #删除缺失值

data.shape # (628, 6)

再使用describe()函数进行简单的统计描述：data.describe() #简单统计描述

散点图

gp = data.groupby(by = '学校',as_index=False) #以学校为分组依据进行分组

data1=gp.mean() #分组后的聚合运算为计算均值

data1.head()

得到结果：

# 绘制各学科成绩散点图

plt.figure(figsize=(6,4))

plt.scatter(data1['总分'],data1['语文'],marker='v')

plt.scatter(data1['总分'],data1['数学'],marker='o')

plt.scatter(data1['总分'],data1['英语'],marker='*')

plt.title('各学校成绩散点图',fontsize = 14)

plt.xlabel('总成绩')

plt.ylabel('各学科成绩')

plt.legend(['语文','数学','英语']);

# 绘制各学科成绩散点图

plt.figure(figsize=(6,4))

plt.scatter(data1['总分'],data1['语文'],marker='v')

plt.title('各学校语文与总分成绩散点图',fontsize = 14)

plt.xlabel('总成绩')

plt.ylabel('各学科成绩')

plt.legend(['语文'])

#

# 绘制各学科成绩散点图

data1.plot.scatter(x = '总分', y = '语文')

plt.title('语文与总分成绩散点图')

data1.plot.scatter(x = '总分', y = '数学')

plt.title('数学与总分成绩散点图')

data1.plot.scatter(x = '总分', y = '英语')

plt.title('英语与总分成绩散点图')

# plt.show()

得到Text(0.5, 1.0, '英语与总分成绩散点图')，且散点图结果如下：

折线图

data1.head()

data1['序号']=data1.学校.str.extract('(\d+)')

data1

ser1 = data1.序号

ser1

得到输出：0 10

1 11

2 12

3 13

4 14

5 15

6 16

7 17

8 18

9 19

10 1

11 20

12 21

13 2

14 3

15 4

16 5

17 6

18 7

19 8

20 9

Name: 序号, dtype: object

接着：

ser1 = ser1.astype('int')

ser1

得到输出：0 10

1 11

2 12

3 13

4 14

5 15

6 16

7 17

8 18

9 19

10 1

11 20

12 21

13 2

14 3

15 4

16 5

17 6

18 7

19 8

20 9

Name: 序号, dtype: int32

可以尝试删除序号列，并且重设索引列：

del data1['序号']

data1.index = ser1

data1

再按照索引排序，可得到相应结果：data1=data1.sort_index()

data1

接着查看一共有多少行数据作为x轴数据

len(data1) # 21

再将各科成绩数据进行绘图，得到折线图结果：plt.figure(figsize=(10,4))

plt.plot(range(21),data1.iloc[:,1],'-*') #选取语文成绩数据

plt.plot(range(21),data1.iloc[:,2],'-o') #选取数学成绩数据

plt.plot(range(21),data1.iloc[:,3],'-v') #选取英语成绩数据

plt.title('各学科成绩变化走势图')

plt.xlabel('各学校')

plt.ylabel('学科成绩')

plt.xticks(range(21),data1['学校'],rotation=30) #rotation=30控制文字倾斜角度

plt.legend(['语文','数学','英语']);

直方图

yw = data1.loc[:,'学校':'语文'] #提取数据绘制直方图,直方图原理,每个需要被画图的标签对应一个数值

yw = yw.T

yw

yw.columns = yw.iloc[0] #将学校字段转换成列索引

yw1 = yw.drop('学校',axis=0) #删多余的行信息

yw1

再将语文成绩数据进行绘图，得到直方图结果：

# 每个学校语文平均成绩的直方图

plt.figure(figsize=(12,4))

plt.bar(range(21),yw.loc['语文',:],width=0.5)

plt.title('语文成绩直方图',fontsize = 14)

plt.ylabel('语文成绩',fontsize = 14)

plt.xticks(range(21),yw.iloc[0],rotation=30,fontsize = 12); #x轴刻度为各学校名称

sx = data1.loc[:,['学校','数学']]

sx = sx.T

sx

sx.columns = sx.iloc[0]

sx = sx.drop('学校',axis=0)

sx

再将数学平均成绩数据进行绘图，得到直方图结果：# 每个学校数学平均成绩的直方图

plt.figure(figsize=(12,4))

plt.bar(range(21),sx.loc['数学',:],width=0.5)

plt.title('数学成绩直方图',fontsize = 14)

plt.ylabel('数学成绩',fontsize = 14)

plt.xticks(range(21),yw.iloc[0],rotation=30,fontsize = 12); #x轴刻度为各学校名称

将多个学科成绩画到一副图中

data1

data2 = data1.drop('总分',axis = 1) #新建一个dataframe,删掉总分列,因为总分和单科成绩相差太多,影响绘图效果

data2.head()

# 将多个学科成绩画到一张图中 #截取前十

data2.plot.bar(x = '学校',y = ['语文','数学','英语'],figsize=(16,6),width=0.7,rot = 30,title = '各学科成绩直方图'); #rot空值标签倾斜程度

饼图data2.head()

plt.figure(figsize=(4,4),dpi=80)

plt.pie(data2.iloc[0,1:] #选取数据源

,labels=['语文','数学','英语']

,autopct='%1.2f') #设置百分比经度

# ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙

# ,colors=['r','g','b']) #设置饼图各个扇区的颜色

plt.title('第1小学各学科成绩占比',fontsize=12);

#fontsize设定字体的大小，xlabel,ylabel,title里面都可以设定

pic2 = plt.figure(figsize=(8,8),dpi=80)

fig1 = pic2.add_subplot(2,2,1) #第一个子图

plt.pie(data2.iloc[0,1:] #选取数据源 第10小学各学科成绩

,labels=['语文','数学','英语']

,autopct='%1.2f') #设置百分比经度

# ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙

# ,colors=['r','g','b']) #设置饼图各个扇区的颜色

plt.title('第1小学各学科成绩占比',fontsize=12)

fig2 = pic2.add_subplot(2,2,2) #第二个字图

plt.pie(data2.iloc[1,1:] #选取数据源,第11小学各学科成绩

,labels=['语文','数学','英语']

,autopct='%1.2f') #设置百分比经度

# ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙

# ,colors=['r','g','b']) #设置饼图各个扇区的颜色

plt.title('第2小学各学科成绩占比',fontsize=12)

fig3 = pic2.add_subplot(2,2,3) #第二个字图

plt.pie(data2.iloc[2,1:] #选取数据源,第12小学各学科成绩

,labels=['语文','数学','英语']

,autopct='%1.2f') #设置百分比经度

# ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙

# ,colors=['r','g','b']) #设置饼图各个扇区的颜色

plt.title('第3小学各学科成绩占比',fontsize=12)

fig4 = pic2.add_subplot(2,2,4) #第二个字图

plt.pie(data2.iloc[3,1:] #选取数据源,第13小学各学科成绩

,labels=['语文','数学','英语']

,autopct='%1.2f') #设置百分比经度

# ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙

# ,colors=['r','g','b']) #设置饼图各个扇区的颜色

plt.title('第4小学各学科成绩占比',fontsize=12);

箱型图

data.head()

data_1 = data.loc[data['学校'] =='第1小学'] #提取第一小学的所有信息

score = (list(data_1.iloc[:,2]),list(data_1.iloc[:,3]),list(data_1.iloc[:,4]))

plt.figure(figsize=(8,6))

plt.boxplot(score

,labels=['语文','数学','英语']

,notch=True #缺口中位数位置

,sym='*'#设定异常值的形状

,whis=1.5); #设定几倍标准差之外的数据算是异常值，默认是1.5

泰坦尼克号数据

text = pd.read_csv(r'result.csv')

text.head()

男女中生存人数分布情况sex = text.groupby('Sex')['Survived'].sum()

sex.plot.bar(color='chocolate')

plt.title('survived_count')

plt.show()

女性比男性生存人数多。

男女中生存人与死亡人数的比例

text.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True')

plt.title('survived_count')

plt.ylabel('count')

# Text(0, 0.5, 'count')

男女性生存与死亡人数的占比偏差比较大。

不同票价的人生存和死亡人数分布情况# 排序后绘折线图

fare_sur = text.groupby(['Fare'])['Survived'].value_counts().sort_values(ascending=False)

fig = plt.figure(figsize=(20, 18))

fare_sur.plot(grid=True)

plt.legend()

plt.show()

不同的票价所反映出来的生存人数是非常明显的，票价低的人死亡数量高是因为离甲板远，且逃生机会大大降低。

# 排序前绘折线图

fare_sur1 = text.groupby(['Fare'])['Survived'].value_counts()

fig = plt.figure(figsize=(20, 18))

fare_sur1.plot(grid=True)

plt.legend()

plt.show()

不同仓位等级的人生存和死亡人员的分布情况# 1表示生存，0表示死亡

pclass_sur = text.groupby(['Pclass'])['Survived'].value_counts()

import seaborn as sns

sns.countplot(x='Pclass', hue='Survived', data=text)

#

不同年龄的人生存与死亡人数分布情况

facet = sns.FacetGrid(text, hue='Survived',aspect=3)

facet.map(sns.kdeplot,'Age',shade= True)

facet.set(xlim=(0, text['Age'].max()))

facet.add_legend()

#

不同仓位等级的人年龄分布情况text.Age[text.Pclass == 1].plot(kind='kde')

text.Age[text.Pclass == 2].plot(kind='kde')

text.Age[text.Pclass == 3].plot(kind='kde')

plt.xlabel('age')

plt.legend((1,2,3),loc='best')

#