# Drop rows (5 in total) with NaN values
df = df.dropna()
df
一、雷达图
1、一个雷达图
# Libraries
import matplotlib.pyplot as plt
import pandas as pd
from math import pi
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体为SimHei
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像时负号'-'显示为方块的问题
# Set data
df = pd.DataFrame({
'group': ['A','B','C','D'],
'专业知识': [38, 1.5, 30, 4],
'社交能力': [29, 10, 9, 34],
'领导能力': [15, 39, 23, 24],
'自我管理': [35, 31, 33, 14],
'学习能力': [32, 15, 32, 14]
})
# number of variable
categories=list(df)[1:]
N = len(categories)
# We are going to plot the first line of the data frame.
# But we need to repeat the first value to close the circular graph:
values=df.loc[0].drop('group').values.flatten().tolist()
values += values[:1]
values
# What will be the angle of each axis in the plot? (we divide the plot / number of variable)
angles = [n / float(N) * 2 * pi for n in range(N)]
angles += angles[:1]
# Initialise the spider plot
ax = plt.subplot(111, polar=True)
# Draw one axe per variable + add labels
plt.xticks(angles[:-1], categories, color='grey', size=8)
# Draw ylabels
ax.set_rlabel_position(0)
plt.yticks([10,20,30], ["10","20","30"], color="grey", size=7)
plt.ylim(0,40)
# Plot data
ax.plot(angles, values, linewidth=1, linestyle='solid')
# Fill area
ax.fill(angles, values, 'b', alpha=0.1)
# Show the graph
plt.show()
使用Python中的`matplotlib`库绘制一个雷达图，用于展示不同组在多个维度上的表现。
首先，代码导入了所需的库，包括`matplotlib.pyplot`用于绘图，`pandas`用于数据处理，以及`math.pi`用于计算角度。为了在图表中正确显示中文字符，代码设置了默认字体为`SimHei`，并解决了负号显示为方块的问题。这是通过修改`matplotlib`的全局参数实现的，确保中文字符和负号能够正常显示。
接下来，代码使用`pandas`的`DataFrame`创建了一个包含四组数据的数据框。每组数据代表一个组（A、B、C、D），并在五个维度上进行了评分，包括专业知识、社交能力、领导能力、自我管理和学习能力。这些数据将被用于绘制雷达图。为了绘制雷达图，代码提取了第一个组（A组）的数据，并将其转换为列表形式。为了闭合雷达图，列表的第一个值被添加到列表的末尾，确保图形的闭合性。
然后，代码计算了每个维度对应的角度。雷达图的每个维度均匀分布在圆周上，因此需要通过公式计算每个维度的角度值。计算完成后，第一个角度被添加到列表的末尾，以确保图形的闭合性。这些角度值将用于确定雷达图中每个维度的位置。
在初始化雷达图时，代码使用`plt.subplot`创建了一个雷达图，并设置了雷达图的基本属性。`plt.xticks`用于设置每个维度的标签，`ax.set_rlabel_position`用于设置径向标签的位置，`plt.yticks`用于设置径向刻度标签，而`plt.ylim`则用于设置径向刻度的范围。这些设置确保了雷达图的坐标轴和刻度能够正确显示。
绘制数据时，代码使用`ax.plot`绘制了雷达图的轮廓，并使用`ax.fill`填充了轮廓内的区域。填充区域的颜色为蓝色，并设置了透明度，使得图形更加美观和易于观察。最后，代码使用`plt.show()`显示了绘制好的雷达图。
2、一个包含四个雷达图的图表
# Libraries
import matplotlib.pyplot as plt
import pandas as pd
from math import pi
# Set data
df = pd.DataFrame({
'group': ['A','B','C','D'],
'var1': [38, 1.5, 30, 4],
'var2': [29, 10, 9, 34],
'var3': [8, 39, 23, 24],
'var4': [7, 31, 33, 14],
'var5': [28, 15, 32, 14]
})
# ------- PART 1: Define a function that do a plot for one line of the dataset!
def make_spider( row, title, color):
# number of variable
categories=list(df)[1:]
N = len(categories)
# What will be the angle of each axis in the plot? (we divide the plot / number of variable)
angles = [n / float(N) * 2 * pi for n in range(N)]
angles += angles[:1]
# Initialise the spider plot
ax = plt.subplot(2,2,row+1, polar=True, )
# If you want the first axis to be on top:
ax.set_theta_offset(pi / 2)
ax.set_theta_direction(-1)
# Draw one axe per variable + add labels labels yet
plt.xticks(angles[:-1], categories, color='grey', size=8)
# Draw ylabels
ax.set_rlabel_position(0)
plt.yticks([10,20,30], ["10","20","30"], color="grey", size=7)
plt.ylim(0,40)
# Ind1
values=df.loc[row].drop('group').values.flatten().tolist()
values += values[:1]
ax.plot(angles, values, color=color, linewidth=2, linestyle='solid')
ax.fill(angles, values, color=color, alpha=0.4)
# Add a title
plt.title(title, size=12, color=color, y=1.1)
# ------- PART 2: Apply the function to all individuals
# initialize the figure
my_dpi=96
plt.figure(figsize=(1000/my_dpi, 1000/my_dpi), dpi=my_dpi)
# Create a color palette:
my_palette = plt.cm.get_cmap("Set2", len(df.index))
# Loop to plot
for row in range(0, len(df.index)):
make_spider( row=row, title='group '+df['group'][row], color=my_palette(row))
使用Python中的matplotlib库绘制多个雷达图，用于展示不同组在多个维度上的表现。与之前的代码不同，这段代码通过定义一个函数make_spider来实现模块化绘图，并支持同时绘制多个雷达图。
导入所需库后，使用`pandas`的`DataFrame`创建了一个包含四组数据的数据框。每组数据代表一个组（A、B、C、D），并在五个维度上进行了评分（`var1` 到 `var5`）。
定义了一个名为`make_spider`的函数，用于绘制单个雷达图。该函数接受三个参数：
- `row`：数据框中行的索引，用于提取对应组的数据。
- `title`：雷达图的标题。
- `color`：雷达图的颜色。
在函数内部，首先提取变量名并计算其数量 N，然后计算每个轴的角度以适应雷达图的形状。接着，初始化一个极坐标子图，通过`ax.set_theta_offset`和`ax.set_theta_direction`调整极坐标的起始位置和方向，使第一个轴位于顶部。通过 plt.xticks() 设置每个轴的标签，并用 ax.set_rlabel_position(0) 和 plt.yticks() 设置径向标签的位置和刻度线。从数据框中提取对应行的数据，重复第一个值以闭合图形，然后绘制折线并填充区域。最后，为每个雷达图添加标题。
在绘制所有个体的雷达图部分，首先使用 plt.figure() 初始化整个图形的大小和分辨率。然后，使用 plt.cm.get_cmap("Set2", len(df.index)) 创建一个颜色调色板（`Set2`），颜色数量与数据框的行数一致。接下来，遍历数据框中的每一行，调用 make_spider 函数绘制对应的雷达图。
通过极坐标系的设置，雷达图能够直观地展示多维数据，便于比较不同组在各个维度上的差异。这种图表形式特别适合用于多维数据的对比分析，能够清晰地呈现每个维度的表现情况。
代码的核心优势在于其模块化设计，通过定义`make_spider`函数，可以轻松扩展和复用代码，支持更多组或更多维度的数据展示。
二、箱线图
1、一个包含五个不同分布的箱线图
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import Polygon
random_dists = ['Normal(1, 1)', 'Lognormal(1, 1)', 'Exp(1)', 'Gumbel(6, 4)',
'Triangular(2, 9, 11)']
N = 500
norm = np.random.normal(1, 1, N)
logn = np.random.lognormal(1, 1, N)
expo = np.random.exponential(1, N)
gumb = np.random.gumbel(6, 4, N)
tria = np.random.triangular(2, 9, 11, N)
# Generate some random indices that we'll use to resample the original data
# arrays. For code brevity, just use the same random indices for each array
bootstrap_indices = np.random.randint(0, N, N)
data = [
norm, norm[bootstrap_indices],
logn, logn[bootstrap_indices],
expo, expo[bootstrap_indices],
gumb, gumb[bootstrap_indices],
tria, tria[bootstrap_indices],
]
fig, ax1 = plt.subplots(figsize=(10, 6))
fig.canvas.manager.set_window_title('A Boxplot Example')
fig.subplots_adjust(left=0.075, right=0.95, top=0.9, bottom=0.25)
bp = ax1.boxplot(data, notch=False, sym='+', vert=True , whis=1.5)
plt.setp(bp['boxes'], color='black')
plt.setp(bp['whiskers'], color='black')
plt.setp(bp['fliers'], color='red', marker='+')
# Add a horizontal grid to the plot, but make it very light in color
# so we can use it for reading data values but not be distracting
ax1.yaxis.grid(True, linestyle='-', which='major', color='lightgrey',
alpha=0.5)
ax1.set(
axisbelow=True, # Hide the grid behind plot objects
title='Comparison of IID Bootstrap Resampling Across Five Distributions',
xlabel='Distribution',
ylabel='Value',
)
# Now fill the boxes with desired colors
box_colors = ['darkkhaki', 'royalblue']
num_boxes = len(data)
medians = np.empty(num_boxes)
for i in range(num_boxes):
box = bp['boxes'][i]
box_x = []
box_y = []
for j in range(5):
box_x.append(box.get_xdata()[j])
box_y.append(box.get_ydata()[j])
box_coords = np.column_stack([box_x, box_y])
# Alternate between Dark Khaki and Royal Blue
ax1.add_patch(Polygon(box_coords, facecolor=box_colors[i % 2]))
# Now draw the median lines back over what we just filled in
med = bp['medians'][i]
median_x = []
median_y = []
for j in range(2):
median_x.append(med.get_xdata()[j])
median_y.append(med.get_ydata()[j])
ax1.plot(median_x, median_y, 'k')
medians[i] = median_y[0]
# Finally, overplot the sample averages, with horizontal alignment
# in the center of each box
ax1.plot(np.average(med.get_xdata()), np.average(data[i]),
color='w', marker='*', markeredgecolor='k')
# Set the axes ranges and axes labels
ax1.set_xlim(0.5, num_boxes + 0.5)
top = 40
bottom = -5
ax1.set_ylim(bottom, top)
ax1.set_xticklabels(np.repeat(random_dists, 2),
rotation=45, fontsize=8)
# Due to the Y-axis scale being different across samples, it can be
# hard to compare differences in medians across the samples. Add upper
# X-axis tick labels with the sample medians to aid in comparison
# (just use two decimal places of precision)
pos = np.arange(num_boxes) + 1
upper_labels = [str(round(s, 2)) for s in medians]
weights = ['bold', 'semibold']
for tick, label in zip(range(num_boxes), ax1.get_xticklabels()):
k = tick % 2
ax1.text(pos[tick], .95, upper_labels[tick],
transform=ax1.get_xaxis_transform(),
horizontalalignment='center', size='x-small',
weight=weights[k], color=box_colors[k])
# Finally, add a basic legend
fig.text(0.80, 0.08, f'{N} Random Numbers',
backgroundcolor=box_colors[0], color='black', weight='roman',
size='x-small')
fig.text(0.80, 0.045, 'IID Bootstrap Resample',
backgroundcolor=box_colors[1],
color='white', weight='roman', size='x-small')
fig.text(0.80, 0.015, '*', color='white', backgroundcolor='silver',
weight='roman', size='medium')
fig.text(0.815, 0.013, ' Average Value', color='black', weight='roman',
size='x-small')
plt.show()
使用 matplotlib 库生成了一个包含五个不同分布（正态分布、对数正态分布、指数分布、古贝尔分布和三角分布）的箱线图，并进行了详细的自定义设置以提高可视化效果。
首先，导入了所需的库：matplotlib.pyplot 用于绘图、numpy 用于数值计算以及 matplotlib.patches.Polygon 用于绘制多边形。
接下来，定义了五个不同的随机分布及其参数（`random_dists`），并使用 `numpy` 的随机数生成函数为每个分布生成了 500 个样本数据。
- `np.random.normal(1, 1, N)`：生成均值为 1，标准差为 1 的正态分布数据。
- `np.random.lognormal(1, 1, N)`：生成对数均值为 1，对数标准差为 1 的对数正态分布数据。
- `np.random.exponential(1, N)`：生成率参数为 1 的指数分布数据。
- `np.random.gumbel(6, 4, N)`：生成位置参数为 6，尺度参数为 4 的古贝尔分布数据。
- `np.random.triangular(2, 9, 11, N)`：生成左边界为 2，模式为 9，右边界为 11 的三角分布数据。
为了模拟自助法重采样（Bootstrap Resampling），生成了一组随机索引（bootstrap_indices），并使用这些索引来重采样原始数据数组。最终，data 列表包含了每个分布的原始数据和重采样后的数据。
创建了一个图形对象 fig 和一个子图对象 ax1，并设置了图形的标题和布局调整参数。使用 ax1.boxplot() 方法绘制箱线图，并通过 plt.setp() 设置箱子、须线和异常点的颜色。为了增强图表的可读性，添加了一条水平网格线，并将其颜色设置为浅灰色。
随后，通过循环遍历每个箱子，提取其顶点坐标并使用 Polygon 类填充箱子的不同颜色（交替使用“暗卡其”和“皇家蓝”）。接着，重新绘制中位线以确保其可见性，并在每个箱子的中心位置绘制样本平均值，标记为白色星号，边缘颜色为黑色。
设置了 x 轴和 y 轴的范围及标签，并将 x 轴的刻度标签旋转 45 度以便更好地显示。此外，在每个箱子上方添加了样本中位值的文本标签，使用两种不同的字体粗细来区分不同的箱子。
最后，添加了一个基本的图例，说明了样本数量、采样方法以及平均值的表示方式。通过 plt.show() 显示最终的图表。
2、多个箱线图
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import Polygon
# Fixing random state for reproducibility
np.random.seed(19680801)
# fake up some data
spread = np.random.rand(50) * 100
center = np.ones(25) * 50
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
data = np.concatenate((spread, center, flier_high, flier_low))
fig, axs = plt.subplots(2, 3)
# basic plot
axs[0, 0].boxplot(data)
axs[0, 0].set_title('basic plot')
# notched plot
axs[0, 1].boxplot(data, 1)
axs[0, 1].set_title('notched plot')
# change outlier point symbols
axs[0, 2].boxplot(data, 0, 'gD')
axs[0, 2].set_title('change outlier\npoint symbols')
# don't show outlier points
axs[1, 0].boxplot(data, 0, '')
axs[1, 0].set_title("don't show\noutlier points")
# horizontal boxes
axs[1, 1].boxplot(data, 0, 'rs', 0)
axs[1, 1].set_title('horizontal boxes')
# change whisker length
axs[1, 2].boxplot(data, 0, 'rs', 0, 0.75)
axs[1, 2].set_title('change whisker length')
fig.subplots_adjust(left=0.08, right=0.98, bottom=0.05, top=0.9,
hspace=0.4, wspace=0.3)
# fake up some more data
spread = np.random.rand(50) * 100
center = np.ones(25) * 40
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
d2 = np.concatenate((spread, center, flier_high, flier_low))
# Making a 2-D array only works if all the columns are the
# same length. If they are not, then use a list instead.
# This is actually more efficient because boxplot converts
# a 2-D array into a list of vectors internally anyway.
data = [data, d2, d2[::2]]
# Multiple box plots on one Axes
fig, ax = plt.subplots()
ax.boxplot(data)
plt.show()
使用 `matplotlib` 库生成了多个箱线图，并展示了不同参数设置下的箱线图样式。
导入所需库后，为了确保结果的可重复性，设置了随机种子为 19680801。然后生成了一组示例数据，包括在 0 到 100 之间均匀分布的随机数、值为 50 的常数、高异常值和低异常值，并将这些数据拼接成一个包含 90 个元素的数组。
接下来，创建了一个 2x3 的子图布局，共 6 个子图。在第一个子图中绘制基本的箱线图，并设置标题为“basic plot”。在第二个子图中绘制凹槽箱线图（`notch=True`），并设置标题为“notched plot”。在第三个子图中绘制箱线图，并将异常点标记为绿色菱形（`sym='gD'`），并设置标题为“change outlier\npoint symbols”。在第四个子图中绘制箱线图，并不显示异常点（`sym=''`），并设置标题为"don't show\noutlier points"。在第五个子图中绘制水平箱线图（`vert=False`），并将异常点标记为红色方形（`sym='rs'`），并设置标题为“horizontal boxes”。在第六个子图中绘制箱线图，并将须线长度设置为四分位距的 0.75 倍（`whis=0.75`），并将异常点标记为红色方形（`sym='rs'`），并设置标题为“change whisker length”。
为了确保子图不会被裁剪或重叠，调整了图形的布局参数。
接着，生成了另一组示例数据 `d2`，结构与之前的 `data` 相同，并将 `data`、`d2` 和 `d2` 的每隔一个元素组合成一个新的列表 `data`。最后，在一个新的图形对象 `fig` 和一个子图对象 `ax` 中绘制这三个箱线图，并显示最终的图表。
通过这些步骤，代码展示了不同参数设置下的箱线图样式，包括基本箱线图、凹槽箱线图、改变异常点符号、不显示异常点、水平箱线图和改变须线长度等。
3、读取 CSV 文件并绘制自定义颜色的箱线图
import pandas as pd
# Path to the local CSV file
file_path = "D:/大数据处理与可视化/trentino_temperature.csv"
try:
# Read the CSV file into a DataFrame
df = pd.read_csv(file_path)
print("File read successfully.")
print(df.head()) # Display the first few rows of the DataFrame
except FileNotFoundError:
print(f"File not found: {file_path}")
except Exception as e:
print(f"An error occurred: {e}")
从本地文件系统中读取一个 CSV 文件，并将其加载到一个 pandas DataFrame 中，并进行异常值处理。
df = pd.read_csv("trentino_temperature.csv")
df
# Drop rows (5 in total) with NaN values
df = df.dropna()
df
删除包含 NaN 值的行
# Create a figure and axis
fig, ax = plt.subplots(figsize=(8,6))
# Create a boxplot for the desired column with custom colors
boxplot = ax.boxplot(df['temp'], patch_artist=True)
# Set custom colors
box_color = 'lightblue'
whisker_color = 'blue'
cap_color = 'gold'
flier_color = 'red'
median_color = 'red'
# Add the right color for each part of the box
plt.setp(boxplot['boxes'], color=box_color)
plt.setp(boxplot['whiskers'], color=whisker_color)
plt.setp(boxplot['caps'], color=cap_color)
plt.setp(boxplot['fliers'], markerfacecolor=flier_color)
plt.setp(boxplot['medians'], color=median_color)
# Set labels and title
ax.set_xlabel('Column')
ax.set_ylabel('Values')
ax.set_title('Boxplot')
# Show the plot
plt.show()
使用 `matplotlib` 库创建了一个自定义颜色的箱线图，用于可视化 DataFrame 中某一列的数据分布。
首先，通过 `plt.subplots(figsize=(8, 6))` 创建一个图形对象 `fig` 和一个子图对象 `ax`，并设置图形的大小为 8 英寸宽、6 英寸高。
接下来，使用 `ax.boxplot(df['temp'], patch_artist=True)` 在子图 `ax` 上绘制箱线图，并将 `patch_artist` 设置为 `True`，以便可以自定义箱子的颜色。这里假设 DataFrame `df` 中有一列名为 `'temp'`，其中包含温度数据。
然后，定义了各种部分的颜色（箱子、须线、端帽、异常点、中位数线），并使用 `plt.setp` 函数设置每个部分的具体颜色。例如，箱子的颜色设置为浅蓝色 (`lightblue`)，须线的颜色设置为蓝色 (`blue`)，端帽的颜色设置为金色 (`gold`)，异常点的颜色设置为红色 (`red`)，中位数线的颜色也设置为红色 (`red`)。
之后，使用 `ax.set_xlabel('Temperature Data')`、`ax.set_ylabel('Temperature (°C)')` 和 `ax.set_title('Boxplot of Temperature Data')` 设置 x 轴标签、y 轴标签和图形标题，使图表更具可读性。
最后，使用 `plt.show()` 显示生成的自定义颜色的箱线图，呈现温度数据的分布情况。
通过这些步骤，可以从 CSV 文件中读取数据，删除缺失值，并生成一个带有自定义颜色的箱线图以可视化温度数据的分布情况。
扫一扫
1935
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
