当前位置:   article > 正文

6种python数据可视化工具,python数据可视化工具包_python可视化工具

python可视化工具

大家好,小编来为大家解答以下问题,数据可视化属于python应用领域吗,python中用于数据可视化的模块,现在让我们一起来看看吧!

文章目录一、数据可视化介绍

二、matplotlib和pandas画图1.matplotlib简介和简单使用

2.matplotlib常见作图类型

3.使用pandas画图

4.pandas中绘图与matplotlib结合使用

三、订单数据分析展示

四、Titanic灾难数据分析显示

一、数据可视化介绍

数据可视化是指将数据放在可视环境中、进一步理解数据的技术,可以通过它更加详细地了解隐藏在数据表面之下的模式、趋势和相关性。

Python提供了很多数据可视化的库:

matplotlib

是Python基础的画图库,官网为https://matplotlib.org/,在案例地址https://matplotlib.org/gallery/index.html中介绍了很多种类的图和代码示例python用turtle画简单树形图

pandas

是在matplotlib的基础上实现画图的,官网为https://pandas.pydata.org/。

matlpotlib和pandas结合

利用pandas进行数据读取、数据清洗和数据选取等操作,再使用matlpotlib显示数据。

二、matplotlib和pandas画图

1.matplotlib简介和简单使用

matplotlib是Python最著名的绘图库,它提供了一整套和Matlab相似的命令API,十分适合

交互式地进行制图;也可以方便地将它作为绘图控件,嵌入GUI应用程序中。

文档相当完备,并且Gallery页面中有上百幅缩略图,打开之后都有源代码。如果需要绘制某种类型的图,只需要在这个页面中进行简单的浏览、复制、粘贴,就能实现画图。

https://matplotlib.org/gallery.html中有大量的缩略图案例可以使用。

matplotlib画图的子库:

pyplot子库

提供了和matlab类似的绘图API,方便用户快速绘制2D图表。

pylab模块

其中包括了许多numpy和pyplot中常用的函数,方便用户快速进行计算和绘图,可以用于IPython中的快速交互式使用。

使用matplotlib快速绘图导入库和创建绘图对象如下:

import matplotlib.pyplot as plt

plt.figure(figsize=(8,4))

创建绘图对象时,同时使它成为当前的绘图对象。

通过figsize参数可以指定绘图对象的宽度和高度,单位为英寸;

dpi参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80。

因此本例中所创建的图表窗口的宽度为8*80 = 640像素。

也可以不创建绘图对象直接调用plot方法绘图,matplotlib会自动创建一个绘图对象。

如果需要同时绘制多幅图表的话,可以给figure传递一个整数参数指定图标的序号,如果所指定序号的绘图对象已经存在的话,将不创建新的对象,而只是让它成为当前绘图对象。

pyplot画图简单使用如下:

import numpy as np

import matplotlib.pyplot as plt # 首先载入matplotlib的绘图模块pyplot,并且重命名为plt

x = np.linspace(0, 10, 1000)

y = np.sin(x)

z = np.cos(x**2)

plt.figure(figsize=(8,4)) #2 创建绘图对象

plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)

plt.plot(x,z,"b--",label="$cos(x^2)$")

plt.xlabel("Time(s)")

plt.ylabel("Volt")

plt.title("PyPlot First Example")

plt.ylim(-1.2,1.2)

plt.legend()

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

其中:

plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)

plt.plot(x,z,"b--",label="$cos(x^2)$")

第一行将x、y数组传递给plot之后,用关键字参数指定各种属性:

label

给所绘制的曲线取一个名字,用于在图示(legend)中显示;

在字符串前后添加$符号,就会使用内置的latex引擎绘制数学公式。

color

指定曲线的颜色:颜色可以用英文单词,或者以#字符开头的三个16进制数,例如#ff0000表示红色,或者用值在0到1范围之内的三个元素的元组表示,例如(1.0, 0.0, 0.0)也表示红色。

linewidth

指定曲线的宽度,可以不是整数,也可以使用缩写形式的参数名lw。

曲线样式

第三个参数b--指定曲线的颜色和线型,它通过一些易记的符号指定曲线的样式,其中’b’表示蓝色,’–’表示线型为虚线。

在IPython中输入plt.plot?可以查看格式化字符串以及各个参数的详细说明。

plt.xlabel("Time(s)")

plt.ylabel("Volt")

plt.title("PyPlot First Example")

plt.ylim(-1.2,1.2)

plt.legend()

通过一系列函数设置当前Axes对象的各个属性:

xlabel、ylabel

分别设置X、Y轴的标题文字。

title

设置子图的标题。

xlim、ylim

分别设置X、Y轴的显示范围。

legend

显示图示,即图中表示每条曲线的标签(label)和样式的矩形区域。

最后调用plt.show()显示出绘图窗口。

一个绘图对象(figure)可以包含多个轴(axis),在Matplotlib中用轴表示一个绘图区域,可以将其理解为子图。上面的第一个例子中,绘图对象只包括一个轴,因此只显示了一个轴(子图Axes)。可以使用subplot函数快速绘制有多个轴的图表。

subplot函数的调用形式如下:

subplot(numRows, numCols, plotNum)

subplot将整个绘图区域等分为numRows行和numCols列个子区域,然后按照从左到右、从上到下的顺序对每个子区域进行编号,左上的子区域的编号为1。

如果numRows、numCols和plotNum这三个数都小于10的话,可以把它们缩写为一个整数,例如subplot(323)和subplot(3,2,3)是相同的。

subplot在plotNum指定的区域中创建一个轴对象,如果新创建的轴和之前创建的轴重叠,之前的轴将被删除。

如下:

for idx, color in enumerate("rgbyck"):

plt.subplot(320+idx+1, facecolor=color)

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

可以看到:

创建3行2列共6个轴,通过facecolor参数给每个轴设置不同的背景颜色。

如果希望某个轴占据整个行或者列的话,可以如下:

plt.subplot(221) # 第一行的左图

plt.subplot(222) # 第一行的右图

plt.subplot(212) # 第二整行

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

再举一个创建子图的例子:

plt.figure(1) # 创建图表1

plt.figure(2) # 创建图表2

ax1 = plt.subplot(211) # 在图表2中创建子图1

ax2 = plt.subplot(212) # 在图表2中创建子图2

x = np.linspace(0, 3, 100)

for i in range(5):

plt.figure(1) # 选择图表1

plt.plot(x, np.exp(i*x/3))

plt.sca(ax1) # 选择图表2的子图1 Set the current Axes instance to ax.

plt.plot(x, np.sin(i*x))

plt.sca(ax2) # 选择图表2的子图2

plt.plot(x, np.cos(i*x))

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

首先通过figure()创建了两个图表,它们的序号分别为1和2;

然后在图表2中创建了上下并排的两个子图,并用变量ax1和ax2保存。

在循环中:

先调用figure(1)让图表1成为当前图表,并在其中绘图。

然后调用sca(ax1)和sca(ax2)分别让子图ax1和ax2成为当前子图,并在其中绘图。

当它们成为当前子图时,包含它们的图表2也自动成为当前图表,因此不需要调用figure(2)依次在图表1和图表2的两个子图之间切换,逐步在其中添加新的曲线即可。

其中,twinx()可以为图增加纵坐标轴,使用如下:

x = np.arange(1, 21, 0.1)

y1 = x * x

y2 = np.log(x)

plt.plot(x, y1)

# 添加一条y轴的坐标轴

plt.twinx()

plt.plot(x, y2)

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

进一步使用如下:

import numpy as np

import matplotlib.pyplot as plt

x = np.arange(1, 20, 1)

y1 = x * x

y2 = np.log(x)

fig = plt.figure()

ax1 = fig.add_subplot(111)

ax1.plot(x, y1, label = "$y1 = x * x$", color = "r")

ax1.legend(loc = 0)

# 设置对应坐标轴的名称

ax1.set_ylabel("y1")

ax1.set_xlabel("Compare y1 and y2")

# 设置x轴刻度的数量

ax = plt.gca()

ax.locator_params("x", nbins = 20)

# 添加坐标轴,并在新添加的坐标轴中画y2 = log(x)图像

ax2 = plt.twinx()

ax2.set_ylabel("y2")

ax2.plot(x, y2, label = "$y2 = log(x)$")

ax2.legend(loc = 0)

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

2.matplotlib常见作图类型

画图在工作中在所难免,尤其在进行数据探索时显得尤其重要,常见的一些作图种类如下:

散点图

条形图

饼图

三维图

先导入库和基础配置如下:

from __future__ import division

from numpy.random import randn

import numpy as np

import os

import matplotlib.pyplot as plt

np.random.seed(12345)

plt.rc('figure', figsize=(10, 6))

from pandas import Series, DataFrame

import pandas as pd

np.set_printoptions(precision=4)

get_ipython().magic(u'matplotlib inline')

get_ipython().magic(u'pwd')

打印:

'XXX\\3_Visualization_Of_Data_Analysis\\basicuse'

基础画图如下:

# matplotlib创建图表

plt.plot([1,2,3,2,3,2,2,1])

plt.show()

plt.plot([4,3,2,1],[1,2,3,4])

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

画三角函数曲线如下:

# 画简单的图形

from pylab import *

x=np.linspace(-np.pi,np.pi,256,endpoint=True)

c,s=np.cos(x),np.sin(x)

plot(x,c, color="blue", linewidth=2.5, linestyle="-", label="cosine")

plot(x,s,color="red", linewidth=2.5, linestyle="-", label="sine")

show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

画散点图如下:

# 散点图

from pylab import *

n = 1024

X = np.random.normal(0,1,n)

Y = np.random.normal(0,1,n)

scatter(X,Y)

show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

画条形图如下:

#条形图

from pylab import *

n = 12

X = np.arange(n)

Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)

Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)

bar(X, +Y1, facecolor='#9999ff', edgecolor='white')

bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

for x,y in zip(X,Y1):

text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')

ylim(-1.25,+1.25)

show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

饼图如下:

#饼图

from pylab import *

n = 20

Z = np.random.uniform(0,1,n)

pie(Z)

show()

显示:

20200829213148798.png#pic_center

画立体图如下:

#画三维图

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

from pylab import *

fig=figure()

ax=Axes3D(fig)

x=np.arange(-4,4,0.1)

y=np.arange(-4,4,0.1)

x,y=np.meshgrid(x,y)

R=np.sqrt(x**2+y**2)

z=np.sin(R)

ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap='hot')

show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

画其他简单图形如下:

#更多简单的图形

x = [1,2,3,4]

y = [5,4,3,2]

plt.figure()

plt.subplot(2,3,1)

plt.plot(x, y)

plt.subplot(232)

plt.bar(x, y)

plt.subplot(233)

plt.barh(x, y)

plt.subplot(234)

plt.bar(x, y)

y1 = [7,8,5,3]

plt.bar(x, y1, bottom=y, color = 'r')

plt.subplot(235)

plt.boxplot(x)

plt.subplot(236)

plt.scatter(x,y)

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

3.使用pandas画图

pandas中画图的主要类型包括:

累和图

柱状图

散点图

饼图

矩阵散点图

先导入所需要的库:

from __future__ import division

from numpy.random import randn

import numpy as np

import os

import matplotlib.pyplot as plt

np.random.seed(12345)

from pandas import Series, DataFrame

import pandas as pd

%matplotlib inline

在pandas中,有行标签、列标签和分组信息等,如果使用matplotlib画图,可能需要一大堆的代码,现在调用Pandas的plot()方法即可简单实现。

画简单线图如下:

#线图

s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))

s.plot()

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

pandas.Series.plot()的常见参数及说明如下:

参数

说明

参数

说明

label

用于图例的标签

ax

要在其上进行绘制的matplotlib subplot对象,如果没有设置,则使用当前matplotlib subplot

style

将要传给matplotlib的风格字符串,例如'ko-'

alpha

图表的填充不透明(0-1)

kind

可以是'line'、'bar'、'barh'、'kde'

logy

在Y轴上使用对数标尺

use_index

将对象的索引用作刻度标签

rot

旋转刻度标签(0-360)

xticks

用作X轴刻度的值

yticks

用作Y轴刻度的值

xlim

X轴的界限

ylim

Y轴的界限

grid

显示轴网格线

Pandas的大部分绘图方法都有一个可选的ax参数,它可以是一个matplotlib的subplot对象,从而能够在网络布局中更为灵活地处理subplot的位置。DataFrame的plot方法会在一个subplot中为各列绘制一条线,并自动创建图例。

画多列线图如下:

df = DataFrame(np.random.randn(10, 4).cumsum(0),

columns=['A', 'B', 'C', 'D'],

index=np.arange(0, 100, 10))

df.plot()

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

相对于Series,DataFrame还有一些用于对列进行灵活处理的选项,例如要将所有列都绘制到一个subplot中还是创建各自的subplot等,具体如下:

参数

说明

subplots

将各个DataFrame列绘制到单独的subplot中

sharex

如果subplots=True,则共用同一个X轴,包括刻度和界限

sharey

如果subplots=True,则共用同一个Y轴,包括刻度和界限

figsize

表示图像大小的元组

title

表示图像标题的字符串

legend

添加—个subplot图例(默认为True)

sort_columns

以字母表顺序绘制各列,默认使用前列顺序

画简单累和图如下:

#线图 CUM

plt.close('all')

s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))

s.plot()

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

画多列的类和图如下:

df = DataFrame(np.random.randn(10, 4).cumsum(0),

columns=['A', 'B', 'C', 'D'],

index=np.arange(0, 100, 10))

df.plot()

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

当提升了数据规模之后,累和图如下:

s = pd.Series([2, np.nan, 5, -1, 0])

print(s)

print(s.cumsum())

#画累和图

ts=pd.Series(np.random.randn(1000),index=pd.date_range('1/1/2000',periods=1000))

ts=ts.cumsum()

ts.plot()

plt.show()

df=pd.DataFrame(np.random.randn(1000,4),index=ts.index,columns=list('ABCD'))

# cumulative意为累计、累积,这个函数可以返回一个累计值,经常会遇到月累计、年累计这种指标,会用这个函数

df=df.cumsum()

df.plot()

plt.show()

打印:

0 2.0

1 NaN

2 5.0

3 -1.0

4 0.0

dtype: float64

0 2.0

1 NaN

2 7.0

3 6.0

4 6.0

dtype: float64

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

画Series柱状图如下:

#柱形图

fig, axes = plt.subplots(2, 1)

data = Series(np.random.rand(16), index=list('abcdefghijklmnop'))

data.plot(kind='bar', ax=axes[0], color='r', alpha=0.7)

data.plot(kind='barh', ax=axes[1], color='g', alpha=0.7)

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

DataFrame画柱状图:

df = DataFrame(np.random.rand(6, 4),

index=['one', 'two', 'three', 'four', 'five', 'six'],

columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))

df.plot(kind='bar') #图例

plt.figure()

df.plot(kind='barh', stacked=True, alpha=0.5)

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

可以看到:

对于DataFrame,柱形图会将每一行的值分为一组;

DataFrame的各列名称都被用作了图例的标题;

设置stacked=True即可为DataFrame生成堆积柱形图,这样每行的值就会被堆积在一起。

餐馆小费数据如下:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

进行数据可视化如下:

tips = pd.read_csv('tips.csv') # 各数据点的百分比

party_counts = pd.crosstab(tips.day, tips['size']) #size聚会人数

print(party_counts)

party_counts = party_counts.iloc[:, 2:5] # 选取一部分数据

print(party_counts)

party_pcts = party_counts.div(party_counts.sum(1).astype(float), axis=0) # 转换成百分比, 1 代表维度 行的方向

print(party_pcts)

party_pcts.plot(kind='bar', stacked=True) #每天的高度都是1

plt.show()

打印:

size 1 2 3 4 5 6

day

Fri 1 16 1 1 0 0

Sat 2 53 18 13 1 0

Sun 0 39 15 18 3 1

Thur 1 48 4 5 1 3

size 3 4 5

day

Fri 1 1 0

Sat 18 13 1

Sun 15 18 3

Thur 4 5 1

size 3 4 5

day

Fri 0.500000 0.50000 0.000000

Sat 0.562500 0.40625 0.031250

Sun 0.416667 0.50000 0.083333

Thur 0.400000 0.50000 0.100000

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

画较复杂的柱状图如下:

#画柱状图

df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])

df2.plot(kind='bar') #分开并列线束

df2.plot(kind='bar', stacked=True) #四个在同一个里面显示 百分比的形式

df2.plot(kind='barh', stacked=True)#纵向显示

plt.show()

df4=pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':np.random.randn(1000)-1},columns=list('abc'))

df4.plot(kind='hist', alpha=0.5)

df4.plot(kind='hist', stacked=True, bins=20)

df4['a'].plot(kind='hist', orientation='horizontal',cumulative=True) #cumulative是按顺序排序

plt.show()

#Area Plot

df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])

df.plot(kind='area')

df.plot(kind='area',stacked=False)

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

直方图histogram:

是一种可以对值频率进行离散化显示的柱状图。数据点被拆分到离散的、间隔均匀的面元中,绘制的是各面元中数据点的数量。

调用Series.hist()即可实现,在之后调用plot时加上参数kind='kde'即可生成一张密度图。

根据小费数据画直方图如下:

# 直方图--给小费占总费用的比例的分布图

plt.figure()

tips['tip_pct'] = tips['tip'] / tips['total_bill'] # 增加一个新的列

tips['tip_pct'].hist(bins=50) # 分为50个区间

plt.figure()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

在统计学中,核密度估计(KDE)是一种估计随机变量概率密度函数(PDF)的非参数方法,利用高斯核生成核密度估计图如下:

comp1 = np.random.normal(0, 1, size=200) # N(0, 1) 模拟出 0,1 的正态分布数据 0,期望值, 1 方差值

comp2 = np.random.normal(10, 2, size=200) # 10,期望值, 2 方差值 方差值大,跨度就大些

values = Series(np.concatenate([comp1, comp2]))

values.hist(bins=100, alpha=0.3, color='k', density=True)

values.plot(kind='kde', style='k--')

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

根据小费数据画密度图如下:

tips['tip_pct'].plot(kind='kde') # 利用高斯核生成核密度估计图

plt.figure()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

散点图scatter plot:

是观察两个一维数据序列之间的关系的有效手段,研究两个变量的关系,特别是是否有线性或曲线相关性。matplotlib的scatter方法是绘制散布图的主要方法。利用plt.scatter()即可轻松绘制一张简单的散布图。pandas也提供了能从DataFrame创建散步图矩阵的scatter_matrix()方法,还支持在对角线上放置个变量的直方图或密度图。

画简单散点图如下:

df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])

df.plot(kind='scatter', x='a', y='b')

df.plot(kind='scatter', x='a', y='b',color='DarkBlue', label='Group 1')

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

画散点矩阵图和直方图如下:

df = pd.DataFrame(np.random.randn(1000, 4), columns=['A','B','C','D'])

pd.plotting.scatter_matrix(df, alpha=0.2)

显示:‘

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

画三点矩阵图和密度图如下:

df = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])

pd.plotting.scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal='kde')

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

宏观经济数据macrodata.csv如下:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

读取和选取数据如下:

macro = pd.read_csv("macrodata.csv")

data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]

trans_data = np.log(data).diff().dropna()

trans_data[-5:]

print(trans_data[-5:])

plt.figure()

打印:

cpi m1 tbilrate unemp

198 -0.007904 0.045361 -0.396881 0.105361

199 -0.021979 0.066753 -2.277267 0.139762

200 0.002340 0.010286 0.606136 0.160343

201 0.008419 0.037461 -0.200671 0.127339

202 0.008894 0.012202 -0.405465 0.042560

画散点图和散点矩阵图如下:

plt.scatter(trans_data['m1'], trans_data['unemp'])

plt.title('Changes in log %s vs. log %s' % ('m1', 'unemp'))

pd.plotting.scatter_matrix(trans_data, diagonal='kde', color='k', alpha=0.3)

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

可以简单看出各经济变量之间是否存在关系。

画饼图示意如下:

#饼图

df = pd.DataFrame(3 * np.random.rand(4, 2), index=['a', 'b', 'c', 'd'], columns=['x', 'y'])

df.plot(kind='pie', subplots=True, figsize=(8, 4))

df.plot(kind='pie', subplots=True,autopct='%.2f',figsize=(8, 4)) # 显示百分比

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

4.pandas中绘图与matplotlib结合使用

有时候想方便地集成的绘图方式,比如df.plot(),但是又想加上matplotlib的很多操

作来增强图片的表现力,这时可以将两者结合。

构造数据如下:

df=pd.DataFrame(np.random.randn(3,4),index=list('123'),columns=list('ABCD'))

df2=pd.DataFrame(np.random.randn(4,4),index=list('1234'),columns=list('ABCD'))

display(df, df2)

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

可视化如下:

fig, axes = plt.subplots(2, 1)

df.plot(ax=axes[0])

df2.plot(ax=axes[1])

axes[0].set_title('3points')

axes[1].set_title('4points')

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

三、订单数据分析展示

主要作图包括订单与GMV趋势、商家趋势、订单来源分布、类目占比,涉及折线图、饼图、堆积柱形图、组合图等类型,目标是综合使用pandas和matplotlib。

订单数据.csv如下:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

导库和读取数据如下:

#导入库

import pandas as pd

import matplotlib.pyplot as plt

# plt.rcParams['font.sans-serif'] = ['SimHei'] #显示中文标签

# plt.rcParams['axes.unicode_minus'] = False #显示符号

#读取数据

orders = pd.read_excel("订单数据.xlsx")

orders['付款时间'] = orders['付款时间'].astype('str') #方便作图,将日期改为字符串格式

不同日期订单金额折线图如下:

#折线图

data1 = orders.groupby('付款时间')['支付金额'].sum() #处理数据

x = data1.index #x值

y = data1.values #y值

plt.title('GMV走势') #图表标题

plt.plot(x,y,label='GMV',color='red') #label是图例,color是线条颜色

plt.legend(loc=1) #显示图例,loc设置图例展示位置,默认为0(最优位置)、1右上角、2左上角

plt.show() #显示图

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

可以看出不同时间订单金额的变化趋势,找出哪些天订单金额较高、哪些天较低。

还可以用柱状图显示:

#柱形图

data1 = orders.groupby('付款时间')['支付金额'].sum() #处理数据

x = data1.index #x值

y = data1.values #y值

plt.title('GMV走势') #图表标题

plt.bar(x,y,label='GMV',color='green') #其实很简单,只要把plot换成bar

plt.legend(loc=1) #显示图例,loc设置图例展示位置,默认为0(最优位置)、1右上角、2左上角

plt.show() #显示图

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

还可以用饼图直观看出各天所占的比例:

#饼图

data1 = orders.groupby('付款时间')['支付金额'].sum() #处理数据

x = data1.index #x值

y = data1.values #y值

plt.title('GMV饼图') #图表标题

plt.axis('equal') #正圆,饼图会默认是椭圆

plt.pie(y,labels=x,autopct='%1.1f%%',\

colors=['green','red','skyblue','blue']) #labels是标签,autopct是占比保留1位小数

plt.show() #显示图

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

还可以为柱形图添加数据标签,如下:

# 为柱形图添加数据标签

data1 = orders.groupby('付款时间')['支付金额'].sum() #处理数据

x = data1.index #x值

y = data1.values #y值

plt.title('GMV走势') #图表标题

plt.bar(x,y,label='GMV',color='green') #label是图例,color是线条颜色

plt.legend(loc=1) #显示图例,loc设置图例展示位置,默认为0(最优位置)、1右上角、2左上角

for a,b in zip(x,y): #添加数据标签

plt.text(a,b,'%d'%b,ha='center',va='bottom') #在x,y的位置上添加订单数据

plt.show() #显示图

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

工作中很常见柱形图与折线图的组合图形,但是两个指标的数量级往往不一致,如果只用一个纵坐标,可能数量级小的那个会看不到图,所以要用到主次坐标轴,如下:

#组合图形&主次坐标轴

data1 = orders.groupby('付款时间')[['支付金额','订单编号']].agg({'支付金额':'sum','订单编号':'count'}) #处理数据

x = data1.index #x轴

y1 = data1['支付金额'] #y主轴数据

y2 = data1['订单编号'] #y次轴数据

plt.title('订单&GMV走势') #图表标题

plt.bar(x,y1,label='GMV') #GMV柱形图

plt.ylim(0,100000) #设置y1的坐标轴范围

for a,b in zip(x,y1): #添加数据标签

plt.text(a,b+0.1,'%d'%b,ha='center',va='bottom') #在x,y1+0.1的位置上添加GMV数据 , '%d'%y 即标签数据, ha和va控制标签位置

plt.legend(loc=1) #显示图例,loc=1为右上角

plt.twinx() #次纵坐标轴

plt.plot(x,y2,label='订单数',color='red') #订单折线图,红色

plt.ylim(-2100,2200) #设置y2的坐标轴范围

for a,b in zip(x,y2): #添加数据标签

plt.text(a,b+0.2,'%d'%b,ha='center',va='bottom') #在x,y2+0.1的位置上添加订单数据

plt.legend(loc=2) #显示图例,loc=2为左上角

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

需要注意:

纵坐标轴范围、图例、数据标签,需要在各自的纵坐标里设置,即先进行主纵坐标的设置,之后是次纵坐标。如果都放在后面去设置,那么text(x,y)的y位置,就都是次纵坐标了。

制作简单的数据仪表盘如下”:

#制作数据仪表盘

plt.figure(figsize=(15,8)) #设置图的整体大小

#总共4个子图,用subplot()

#第一个:每日订单与成交额走势,柱形图与折线图组合

data1 = orders.groupby('付款时间')[['支付金额','订单编号']].agg({'支付金额':'sum','订单编号':'count'}) #处理数据

x = data1.index #x轴

y1 = data1['支付金额'] #y主轴数据

y2 = data1['订单编号'] #y次轴数据

plt.subplot(2,2,1) #2×2个子图:第一个

plt.title('订单&GMV走势') #图表标题

plt.bar(x,y1,label='GMV') #GMV柱形图

plt.ylim(0,100000) #设置y1的坐标轴范围

for a,b in zip(x,y1): #添加数据标签

plt.text(a,b+0.1,'%d'%b,ha='center',va='bottom') #在x,y1+0.1的位置上添加GMV数据 , '%d'%y 即标签数据, ha和va控制标签位置

plt.legend(loc=1) #显示图例,loc=1为右上角

plt.twinx() #次纵坐标轴

plt.plot(x,y2,label='订单数',color='red') #订单折线图,红色

plt.ylim(-2100,2200) #设置y2的坐标轴范围

for a,b in zip(x,y2): #添加数据标签

plt.text(a,b+0.2,'%d'%b,ha='center',va='bottom') #在x,y2+0.1的位置上添加订单数据

plt.legend(loc=2) #显示图例,loc=2为左上角

#第二个:主要商家,每日GMV趋势。 多条折线图

#数据处理

data2 = pd.DataFrame(orders[orders['商家名称'].isin(['店铺3','店铺5','店铺6','店铺9'])].groupby(['商家名称','付款时间'])['支付金额'].sum())

#店铺3、5、6、9的成交额

data2_tmp = pd.DataFrame(index=set(data2.index.get_level_values(0)),columns=set(data2.index.get_level_values(1)))

for ind in data2_tmp.index:

for col in data2_tmp.columns:

data2_tmp.loc[ind,col] = data2.loc[ind,:].loc[col,'支付金额']

plt.subplot(2,2,2) #2×2个子图:第二个

plt.title('主要商家GMV趋势')

colors = ['green','red','skyblue','blue'] #设置曲线颜色

x = sorted(data2_tmp.columns) #日期是横轴

for i in range(len(data2_tmp.index)):

plt.plot(x,data2_tmp.loc[data2_tmp.index[i],:],label=data2_tmp.index[i],color=colors[i])

plt.legend() #显示图例,loc默认为0,即最优位置

#第三个:订单来源端口,每日趋势。 堆积柱形图

#数据处理

data3_tmp = pd.DataFrame(orders.groupby(['平台来源','付款时间'])['支付金额'].sum())

data3 = pd.DataFrame(index=set(data3_tmp.index.get_level_values(0)),columns=set(data3_tmp.index.get_level_values(1)))

for ind in data3.index:

print(ind)

for col in data3.columns:

data3.loc[ind,col] = data3_tmp.loc[ind,:].loc[col,'支付金额']

barx = data3.columns

bary1 = data3.loc['android',:]

bary2 = data3.loc['iphone',:]

plt.subplot(2,2,3) #2×2个子图:第三个

plt.title('订单来源端口分布') #底部是安卓,顶部是iPhone。先画iPhone=安卓+iPhone,再画安卓

plt.bar(barx,bary1+bary2,label='iphone',color='green')

plt.bar(barx,bary1,label='android',color='red') #底部是bar_y数据

plt.legend()

for a,b,c in zip(barx,bary1,bary2): #添加数据标签,注意:底部是安卓,即y1

plt.text(a,1000,'%d'%b,ha='center',va='bottom') #在a,1000的位置上,添加数据标签

plt.text(a,b+c-1000,'%d'%c,ha='center',va='bottom') #调整标签的位置

#第四个:类目占比。 饼图

#最近一天的类目金额

data4 = orders[orders['付款时间']==max(orders['付款时间'])].groupby('类目')['支付金额'].sum().sort_values()

plt.subplot(2,2,4) #2×2个子图:第四个

plt.title('最近一天的类目占比')

plt.axis('equal') #正圆,饼图会默认是椭圆

plt.pie(data4.values,labels=data4.index,autopct='%1.1f%%',\

colors=['green','red','skyblue','blue']) #显示百分数,1位小数

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

过程稍复杂,需慢慢理解。

四、Titanic灾难数据分析显示

主要过程如下:

导入必要的库

导入数据

设置为索引

绘制展示男女乘客比例的扇形图

绘制展示船票Fare与乘客年龄和性别的散点图

生还人数

绘制展示船票价格的直方图

数据titanicdata.csv如下:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

导库和读取数据如下:

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

import numpy as np

%matplotlib inline

titanic = pd.read_csv("titanicdata.csv")

titanic.head()

显示:

20200829214906712.png#pic_center

设置索引如下:

titanic.set_index('PassengerId').head()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

创建一个饼图,展示男性/女性的比例:

# sum the instances of males and females

males = (titanic['Sex'] == 'male').sum()

females = (titanic['Sex'] == 'female').sum()

# put them into a list called proportions

proportions = [males, females]

# Create a pie chart

plt.pie(

# using proportions

proportions,

# with the labels being officer names

labels = ['Males', 'Females'],

# with no shadows

shadow = False,

# with colors

colors = ['blue','red'],

# with one slide exploded out

explode = (0.15 , 0),

# with the start angle at 90%

startangle = 90,

# with the percent listed as a fraction

autopct = '%1.1f%%'

)

# View the plot drop above

plt.axis('equal')

# Set labels

plt.title("Sex Proportion")

# View the plot

plt.tight_layout()

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

用所付费用和年龄创建散点图,按性别区分图的颜色:

# creates the plot using

lm = sns.lmplot(x = 'Age', y = 'Fare', data = titanic, hue = 'Sex', fit_reg=False)

# set title

lm.set(title = 'Fare x Age')

# get the axes object and tweak it

axes = lm.axes

axes[0,0].set_ylim(-5,)

axes[0,0].set_xlim(-5,85)

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

查看幸存人数:

titanic.Survived.sum()

打印:

342

创建一个柱状图,显示已付车费:

# sort the values from the top to the least value and slice the first 5 items

df = titanic.Fare.sort_values(ascending = False)

# create bins interval using numpy

binsVal = np.arange(0,600,10)

binsVal

# create the plot

plt.hist(df, bins = binsVal)

# Set the title and labels

plt.xlabel('Fare')

plt.ylabel('Frequency')

plt.title('Fare Payed Histrogram')

# show the plot

plt.show()

显示:

watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NVRkVFQ1I=,size_16,color_FFFFFF,t_70#pic_center

文章知识点与官方知识档案匹配,可进一步学习相关知识
Java技能树首页概览148653 人正在系统学习中
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/黑客灵魂/article/detail/841760
推荐阅读
相关标签
  

闽ICP备14008679号