可视化-实验四- seaborn工具包绘图基础及关系

一、任务一

1.1 开发环境

多种选择方案（大家根据自己的编程习惯，选择适合自己的工具），老师授课如下：Anaconda3+Jupter

1.2 特殊包

导入工具包设置中文显示：

import matplotlib.pyplot as plt

import pandas as pd

import seaborn as sns

sns.set_style('whitegrid', {'font.sans-serif':['simhei', 'Arial']})

6.1.3 验证性实验

1、利用set_style函数设置样式为"white"，验证以下代码，并将结果附截图。

sns.set_style(style="white",rc={'font.sans-serif':['simhei', 'Arial']})

#设置风格，代替中文设置

hr = pd.read_csv(r'第4章/data/hr.csv', encoding='gbk')#hr.csv文件已经上传

hr.head(10)

#  加载数据

data = hr.head(100)#15000数据量取100个

# 使用Matplotlib库绘图

color_map = dict(zip(data['薪资'].unique(), ['b', 'y', 'r']))#薪资低中高映射于3种颜色

#按低中高分组绘制散点图

plt.figure(figsize=(15, 8))

for species, group in data.groupby('薪资'):

    plt.scatter(group['每月平均工作小时数（小时）'],group['满意度'],color=color_map[species], alpha=0.4,edgecolors=None, label=species)

plt.legend(frameon=True, title='薪资')#label=species中低高图例标签

plt.xlabel('平均每个月工作时长（小时）')

plt.ylabel('满意度水平')

plt.title('满意度水平与平均每个月工作小时')

plt.show()

2、验证以下代码，体会'muted'调色板效果，并将结果附截图

plt.figure(figsize=(15, 8))

sns.scatterplot(x='每月平均工作小时数（小时）',y='满意度', data=data, hue='薪资',size='工龄（年）',palette='muted',style='薪资')

#设置hue和size，颜色palette='muted',点按style='薪资'显示

plt.xlabel('平均每个月工作时长（小时）')

plt.ylabel('满意度水平')

plt.title('满意度水平与平均每个月工作小时')

plt.show()

3、验证以下代码，体会color_palette函数设置调色板，体会bright调色板效果，并将结果附截图。

plt.figure(figsize=(15, 8))

pal_hex=sns.color_palette("bright",3).as_hex()#获得颜色16进制码

#markers = {'低' : 'o', '中' : 'D', '高' : 's'}

sns.scatterplot(x='每月平均工作小时数（小时）',y='满意度', data=data, hue='薪资',size='薪资',sizes=(200,50),palette=pal_hex)

plt.xlabel('平均每个月工作时长（小时）')

plt.ylabel('满意度水平')

plt.title('满意度水平与平均每个月工作小时')

plt.show()

 

4、验证以下代码，体会color_palette函数设置调色板，体会dark调色板效果，并将结果附截图。

plt.figure(figsize=(15, 8))

pal_hex=sns.color_palette("dark",3).as_hex()#获得颜色16进制码

#markers = {'低' : 'o', '中' : 'D', '高' : 's'}

sns.scatterplot(x='每月平均工作小时数（小时）',y='满意度', data=data, hue='薪资',size='薪资',sizes=(200,50),palette=pal_hex)

plt.xlabel('平均每个月工作时长（小时）')

plt.ylabel('满意度水平')

plt.title('满意度水平与平均每个月工作小时')

plt.show()

 

5、验证以下代码，体会元素缩放效果，并将结果附截图。

sns.set()

x = np.arange(1, 10, 2)

y1 = x + 1

y2 = x + 3

y3 = x + 5

def showLine(flip=1):

    sns.lineplot(x=x, y=y1)

    sns.lineplot(x=x, y=y2)

    sns.lineplot(x=x, y=y3)

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

# 恢复默认参数

pic = plt.figure(figsize=(8, 8), dpi=100)

with sns.plotting_context('paper'):  # 选择paper类型

    pic.add_subplot(2, 2, 1)

    showLine()

    plt.title('paper')

with sns.plotting_context('notebook'):  # 选择notebook类型

    pic.add_subplot(2, 2, 2)

    showLine()

    plt.title('notebook')

with sns.plotting_context('talk'):  # 选择talk类型

    pic.add_subplot(2, 2, 3)

    showLine()

    plt.title('talk')

with sns.plotting_context('poster'):  # 选择poster类型

    pic.add_subplot(2, 2, 4)

    showLine()

    plt.title('poster')

plt.show()

6、分别验证以下代码，查看效果，并将结果附截图

sns.dark_palette((20, 60, 50), input="husl")

sns.palplot(sns.dark_palette('yellow'))

sns.palplot(sns.light_palette('blue'))

# 使用husl颜色空间作为种子

pal = sns.dark_palette((200,80, 60), input='husl', reverse=True, as_cmap=True)#(200,80,60)是RGB三基色码

sns.kdeplot(x=x, y=y, cmap=pal)

plt.title('自定义连续调色板')

plt.show()

2 任务二

2.1 matplotlib绘图参数设置

某企业2020年和2019年在全国各地区销售额数据如下：

表3-1 某企业两个年度销售额情况

年度	中南	东北	华东	华北	西南	西北
2019	214.71	445.66	627.11	800.73	956.88	1090.24
2020	223.65	488.28	673.34	870.95	1027.34	1193.34

1、利用matplotlib.pyplot绘制复式条状图，并用legend设置图例，title设置标题“某企业两个年度销售额情况”，xlable和ylable设置坐标名称。

2、利用matplotlib.pyplot在同一幅图片上绘制两条折线图，其他要求同1。

2.2 seaborn工具包绘图

1、按表3-1复现图3-1代码绘制条状图。

2、按表3-1复现图3-2代码绘制散点图。

 

3 任务三（实训）

3.1 实训1 分析各空气质量指数之间的关系及其分布情况

1、训练要点

(1)了解 scatterplot 函数的使用格式。

(2)掌握散点图的绘制方法。

(3)了解 stripplot 函数的使用格式。

(4)掌握分类散点图的绘制方法。

(5)了解 distplot 函数的使用格式。

(6)掌握单变量分布图的绘制方法。

(7)了解 regplot 函数的使用格式。

(8)掌握线性回归拟合图的绘制方法。

2、需求说明

空气质量指数(Air Quality Index，AQI)简而言之就是能够对空气质量进行定量描述的数据。空气质量(Air Quality)的好坏反映了空气污染程度，它是依据空气中污染物浓度的高低来判断的。空气污染是一个复杂的现象，在特定的时间看和地点，空气污染物浓度受到许多因素影响。

芜湖市 2020 年空气质量指数的部分数据如表3-2 所示。表3-2数据文件aqi.csv以上传。

表3-2 芜湖市 2020 年空气质量指数的部分数据

日期	AQI	质量等级	PM2.5含量（ppm）	PM10含量（ppm）	SO2含量（ppm）	CO含量（ppm）	NO2含量（ppm）	O3_8h含量（ppm）
2020/1/1	79	良	58	64	8	0.7	57	23
2020/1/2	112	轻度污染	84	73	10	1	71	7
2020/1/3	68	良	49	51	7	0.8	49	3
2020/1/4	90	良	67	57	7	1.2	53	18
2020/1/5	110	轻度污染	83	65	7	1	51	46
2020/1/6	65	良	47	58	6	1	43	6
2020/1/7	50	优	18	19	5	1.5	40	43
2020/1/8	69	良	50	49	7	0.9	39	45
2020/1/9	69	良	50	40	6	0.9	47	33
2020/1/10	57	良	34	28	5	0.8	45	21

将基于表3-2所示的数据绘制关系图、分类图、回归图，分析 PM2.5 与空气质量指数的关系，以及空气质量指数的分类和分布情况。

3、实现步骤

(1)使用 pandas 库读取芜湖市 2020年空气质量指数统计数据。

(2)解决中文字体的显示问题，设置字体为黑体，并解决保存图像时负号“_”显示为方块的问题。

(3)绘制 AQI 和 PM2.5 的关系散点图。

1. 绘制空气质量等级分类散点图。

1. 绘制空气质量等级单变量分布图。

1. 绘制 PM2.5 与 AQI 的线性回归拟合图。

3.2 实训 2 分析各空气质量指数与 AQI 的相关性

1、训练要点

(1)了解 heatmap 函数的使用格式。

(2)掌握热力图的绘制方法。

2、需求说明

由表3-2所示的数据可知，空气质量指数包括了 PM2.5、PM10、SO2、CO、NO2、O3_8h。不同的指数对 AQI的影响不同。基于实训1的数据绘制热力图，分析各空气质量指数与 AQI 的相关性。

3、实现步骤

(1)使用 pandas 库读取芜湖市 2020 年空气质量指数统计数据。

1. 解决中文字体的显示问题，设置字体为黑体，并解决保存图像时负号“-”显示为方块的问题。
2. 计算相关系数。

(4)绘制特征相关性热力图。