数据可视化Python实现超详解【数据分析】

已于 2024-07-21 21:01:25 修改
阅读量1.9k 收藏 65
点赞数 63
文章标签： 信息可视化 python jupyter 数据分析 学习
于 2024-06-10 17:32:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_81874719/article/details/139550937
版权
各位大佬好 ，这里是阿川的博客，祝您变得更强

在这里插入图片描述 个人主页：在线OJ的阿川

大佬的支持和鼓励，将是我成长路上最大的动力在这里插入图片描述

阿川水平有限，如有错误，欢迎大佬指正在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

Python 初阶
Python–语言基础与由来介绍
Python–注意事项
Python–语句与众所周知
数据清洗前 基本技能
数据分析—技术栈和开发环境搭建
数据分析—Numpy和Pandas库基本用法及实例
数据可视化前 必看
数据分析—三前奏：获取/ 读取/ 评估数据
数据分析—数据清洗操作及众所周知
数据分析—数据整理操作及众所周知
数据分析—统计学基础及Python具体实现

目录

可视化介绍

可视化是数据分析中 很重要 的一个环节

  • 一图胜千言
    • 发现隐藏的关系、趋势、影响
    • 可视化本身也是一种探索数据，分析数据的方式
  • 可视化中的图表可从维度主要分为一维图表和二维图表和多维图表及互相对比图表

在这里插入图片描述

  • 主要用的库为：seaborn和matplotlib
    • 在cmd中安装pip install seaborn和pip install matplotlib

请添加图片描述

请添加图片描述
阿里云的镜像源：

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
  • 在jupyter中导入
    • import seaborn as sns
    • import matplotlib.pyplot as plt
      • 大部分我们使用的功能都在pyplot的子模板下

请添加图片描述

一维图表

一维图表

  • 直方图 Histogram
    • 表示数据分布
      • 有助于展示数据频率分布
    • 横轴：数据范围
    • 纵轴：个数
    • 即一个数值变量.

在这里插入图片描述

  • sns.histplot（变量名）

请添加图片描述

  • 密度图 KernelDensity
    • 表示数据分布
      • 用平滑的曲线，更易看出分布形状

在这里插入图片描述

  • sns.kdeplot（变量名）

在这里插入图片描述

  • 箱型图 BoxPlot

在这里插入图片描述

  • 其中上界为最大值或者上界等于第三四分位数加上1.5×四分位距，跟上界进行比较，谁小取谁，作为上界

在这里插入图片描述

  • 其中下界为最小值或者下界等于第一四分位数减去1.5×四分位距，跟下界进行比较，谁大取谁，作为下界

在这里插入图片描述
这样做的好处是可以帮助我们发现数据当中的异常值

  • sns.boxplot（变量名）

请添加图片描述

  • 小提琴图 ViolinPlot
    • 结合了密度图、直方图、箱形图
    • 横轴：数据分布
    • 纵轴：概率密度

在这里插入图片描述

  • sns.violinplot（变量名）

在这里插入图片描述

补充的话

上述这些一维图表中参数可以传入DataFrame
（DataFrame名，x=" “，y=” "）
在这里插入图片描述
在这里插入图片描述

若要更改一维图表中的标题标签
plt.title（" "）
更改 x轴标签
plt.xlabel（" "）
更改 y轴标签
plt.ylabel（" "）

在这里插入图片描述
因为matplotlib库中默认的字体，它不支持中文，所以要自己手动更换支持中文的字体
查看支持中文的字体，如下:

import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.font_manager import FontManager

font_manager = FontManager()
print(set(f.name for f in font_manager.ttflist))

更换字体，如下:

matplotlib.rc("font",family='Heiti TC')

二维图表

  • 折线图 LinePlot
    • 用于展示连续间隔或时间跨度上数值的变化，从而看出趋势变化
    • 两个 数值变量
    • 加一个颜色，即可多表示一个分类变量

在这里插入图片描述

  • sns.lineplot（data=DataFrame名，x=" “，y=” "）

在这里插入图片描述

  • 饼图 PiePlot
    • 展示各个分类对应数值之间的比例
    • 一个分类变量，一个数值变量

在这里插入图片描述

  • plt.pie（DataFrame名[“数值变量列]”，labels=DataFrame名[“分类变量列”]）
    • autopct=“%.1f%%” 该参数可以显示百分比，%可以告诉系统，这是用来展示格式字符串，%%告诉系统，这是百分比结尾

在这里插入图片描述

  • 散点图 ScatterPlot
    • 展示两个数值变量关系
      • 可以看出两个变量之间的相关性
    • x轴：一个变量的值
    • y轴：一个变量的值

在这里插入图片描述

  • sns.scatterplot（DataFrame名，x=" “，y=” "）
  • 或者 sns.scatterplot（x=DataFrame[" “]，y=DataFrame[” "]）

在这里插入图片描述

  • 条形图 BarPlot
    • 横轴：分类类别
    • 纵轴：数值
    • 一个分类变量加一个数值变量

在这里插入图片描述

  • sns.barplot（data=DataFrame名，x=" “，y=” "）
    • estimator 该参数可以指定纵轴的高度对应所属分类下的所有值的样式，不写该参数，则默认纵轴高度对应所属分类下的所有值的平均值

在这里插入图片描述

在这里插入图片描述

但在条形图基础上，若纵轴想记录个数，则用

  • 计数图 countplot
    • sns.countplot（data=DataFrame名， x=" "） Y轴自动聚合成x里面的个数

在这里插入图片描述

补充的话

上述图表的颜色有点不合时宜，更新颜色
color="颜色 " 或者 sns. set_palette（" 色盘"）

在这里插入图片描述

在这里插入图片描述

常用的颜色有:

在这里插入图片描述

这里推荐这个网站:中国色，里面有非常多美丽的颜色，调色师、设计师必备哦

在这里插入图片描述

常用的色板有:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

多维图表

更多维
用面积大小和颜色来区分新的变量

  • 气泡图

    • 引入新的数值变量，用面积大小来区分
      在这里插入图片描述

    • plt.scatterplot（DataFrame，x=" “，y=” “，size=” "）

在这里插入图片描述

  • 热力图 Heatmap
    • 两个分类变量加一个数值变量
    • x轴和y轴分别表示不同的分类变量，颜色代表数值变量

在这里插入图片描述

  • plt.heatmap（annot=True）
    • annot 该参数表示具体数值展示出来

在这里插入图片描述

  • 复式条形图
    • 在条形图的基础上引入多个条柱，则表示多个分类变量

在这里插入图片描述

  • sns.barplot（data=DataFrame名，x=" “，y=” "，hue="分类变量 " ）

在这里插入图片描述

补充的话

在基础图表的基础上加一种颜色加一下面积大小，即可表示更多的变量
plt.scatterplot（DataFrame，x=" “，y=” “，hue=” “，size=” "）

在这里插入图片描述

更改图例位置:
plt.legend（bbox_to_anchor=（ 数字1 ，数字2））

  • 数字1中有零/一可能性，数字2中有零/一可能性
    • 数字一的零表示图例在图表的左边，一表示在图表的右边。
    • 数字二的零表示图例在图表的下面，一表示在图表的上面。

在这里插入图片描述

互相对比

将这些图表互相对比，挖掘出更多信息

在同一个单元格里输入 多个相同的图表的公式
最后plt.show（) 出来
此时多个相同图表就在一个图上了。

  • binwidth 该参数可以改变图表的长度
  • label 该参数为图例标签

例如以直方图为例
那么最后呈现的结果若没有展现出图例标签，则再加一个plt.legend（）

在这里插入图片描述

密度图也是同样的道理，但不需要binwidth参数，因为它是一条平滑的曲线。

在这里插入图片描述

箱形图

  • 没有label和binwidth参数，只有y轴/x轴参数

在这里插入图片描述

小提琴图也是同样的道理

在这里插入图片描述

但会显得很拥挤，更好选择是将分类变量作为x轴的变量，即x=" "

若想将不同的类型的图 并排放在一起
fig,axes=plt.subplots（行，列，figsize=（高，宽））

  • fig 代表大图
  • axis代表小图

在这里插入图片描述

这里是绘制空白图

在想要的图形种类中，加入ax参数=axes[n]

  • n表示第n个子图，n从0开始

在这里插入图片描述

配对图 pairplot

  • 能将DataFrame中的数值变量两两关系分布出来
    • 将各变量的分布用直方图绘制出来
    • 将不同变量两两之间的关系绘制成散点图
  • sns.pairplot（，hue=" 分类变量"）
    • 可以探讨不同分类变量之间的数值关系

在这里插入图片描述

在这里插入图片描述

项目实战

项目实战-可视化和清晰评估北极群岛企鹅数据，已上传到GitHub
本人CSDN博客主页资源上也有该项目实战

项目简介：

数据可视化加清晰和评估-项目实战3-可视化北极群岛企鹅数据-ipynb格式-Python语法-建议用Jupyter notebook打开
用来练习数据可视化加清洗加评估，整个流程特别清晰，每一步都给出了清晰的代码以及相应的数据集
记住学习的第一步就是学会模仿，先学会模仿，理解其逻辑，体会其知识内容，然后再不断的练习思考，相信能力上有了很大提升之后，就可以开始独立从事项目了。

好的，到此为止啦，祝您变得更强

在这里插入图片描述
想说的话

实不相瞒，写的这篇博客写了十一个小时（加上自己学习和纸质笔记，共十三小时吧），很累，希望大佬支持

在这里插入图片描述

道阻且长 行则将至
个人主页：在线OJ的阿川大佬的支持和鼓励，将是我成长路上最大的动力 在这里插入图片描述
在线OJ的阿川
关注
  • 63
    点赞
  • 踩
  • 65
    收藏
    觉得还不错? 一键收藏
  • 91
    评论
评论 91
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值