[超详细高达5000字]一篇带你玩转数据分析与数据可视化(1)

matplotlib是由John D.Hunter开发的一款强大的Python数据可视化绘图模块。Hunter从事数据分析与可视化的工作多年，他一直使用的是Matlab工具编写程序。随着程序难度越来越大，Hunter发现Matlab暴露出很多的缺点，例如:数据库交互、复杂的数据结构等。

于是Hunter决定使用Python语言编写一个数据可视化的模块，弥补Matlab的缺点，所以matplotlib自此诞生。

matplotlib源于美国的MathWorks公司出品的商业数学软件Matlab，但是又与他不同，主要有以下几个优点:

• 开源免费的

• matplotlib属于Python的扩展模块，继承了Python面向对象、易读、可维护性好等特点

• matplotlib可以借助于Python丰富的第三方模块嵌入到用户界面应用程序，或嵌入到网页中。

③pandas

pandas是一个居于numpy的数据分析模块，它最初由AQR Capital Management于2008年4月开发，并于2009年年底发行开源版本,目前专注于Python数据包开发的PyData团队继续开发和维护。

pandas开发之处被作为金融界的数据分析工具，之后又被广泛应用到了学术和其他商用领域，包括神经科学、经济学、统计学、广告、网络分析等。

pandas中纳入了大量的库和标准数据模型。pandas有以下特点:

• 包含一个快速高效、具有默认和自定义索引的DataForm对象

• 支持多种格式文件的读取和写入

• 智能处理数据对齐和缺失数据

• 自由删除或插入列

• 按照数据分组进行聚合和交换

• 高性能的数据合并和连接

• 生成可视化图表

• 时间序列功能

matplotlib是最出色的绘图库，它可以于numpy一起使用实现数据可视化。

pandas建立于numpy之上，功能十分强大，不仅可以灵活地处理数据，而且可以实现数据可视化。这些模块需要安装

这里的IDE我的是:PyCharm

点击File-->settings-->Project-->Python Interpreter

或在终端界面输入命令行:

pip版本过低无法下载 更新pip

python -m pip install --upgrade pip

python -m pip install --user numpy matplotlib pandas

3.科学计算

---

numpy之数组对象ndarray

首先介绍numpy中包含一个多维数组对象，也就是ndarray对象，该对象具有矢量算术能力和复杂的广播能力，常用于科学计算。

ndarray对象中的元素可以通过索引访问，索引从0开始。

ndarray对象的创建有很多种方式，首先介绍该对象有哪些函数

| 函数 | 说明 |

| — | — |

| np.array(object) | 利用Python中列表或元组创建数组 |

| np.zeros((m,n)) | 创建一个m行，n列且元素均为0的数组 |

| np.ones((m,n)) | 创建一个m行，n列且元素均为1的数组 |

| np.empty((m,n)) | 创建一个m行，n列且不包含初始项的数组 |

| np.arange(x,y,i) | 创建一个由x到y且步长为i的数组 |

| np.linspace(x,y,n) | 创建一个由x到y且等分成n个元素的数组 |

| np.random.rand(m,n) | 创建一个m行n列且元素为随机值的数组 |

#1.导入numpy模块 并起别名

import numpy as np

'''

    通过arange函数可以创建一个等差数组

        例如 1 到 16 等差为2的整数

'''

#2.创建一个等差数组

array = np.arange(1,16,2)

print(array)

数组创建好以后便可以查看它的一些基本属性，属性说明如下:

• ndarray.ndim : 数组的维度

• ndarray.shape : 表示数组各维度的大小的整数元组。例如: 一个n行m列的数组 它的shape属性为(n,m)

• ndarray.size : 数组元素的总个数

• ndarray.dtype : 数组元素的数据类型

• ndarray.itemsize : 数组中每个元素的字节大小

import numpy as np



array = np.array([1,3,5]) #创建一维数组

print(array)



#1.显示数组维度

print(array.ndim)

#2.打印数组在每个维度上的大小

print(array.shape)

#3.打印数组的总元素

print(array.size)



print("-"*50)



array2 = np.array([[1,3,5],[2,4,6]]) #创建二维数组

print(array2)

#数组维度

print(array2.ndim)

#数组每个维度的大小

print(array2.shape)

#数组中的元素个数

print(array2.size)

numpy的基本操作

ndarray对象提供了一些可以简单快速修改数组基础形状的属性和方法。

例如，将3行4列的二维数组转换成6行2列的二维数组。

现在我们来介绍这些属性和方法

| 属性 | 方法 | 说明 |

| — | — | — |

| ndarray.T | | 对数组进行轴对换，不改变数组本身 |

| | ndarray.reshape(n,m) | 不改变数组ndarray，返回一个形状为(n,m)的数组 |

| | ndarray.resize(new_shape) | 直接改变数组本身 |

| | ndarray.ravel() | 对数组进行降维，返回数组的一个视图 |

| | ndarray.swaoaxes(axis1,axis2) | 对数组的任意两个维度进行调换 |

| | ndarray.transpose() | 不改变数组，返回置换后的数组 |

#1.导入numpy模块

import numpy as np



#2.基本操作

arr = np.array([[1,2,3],[4,5,6]]) #创建2行3列的数组

print(arr)



new_arr = arr.reshape((3,2)) #返回维度为(3,2)的数组 3行2列

print(new_arr)



arr2 = arr.ravel() #降维打击 -- 二维降成一维数组

print(arr2)



print(arr.T) #数组进行轴交换

print("-"*50)

#3.numpy数组支持索引和切片操作

arr = np.arange(1,9).reshape((4,2)) #生成4行2列的数组

print(arr)



#3.1获取第2行的数据

print(arr[1])



#3.2切片操作 获取第1行 到 第3行的数据

print(arr[0:3]) #半闭半开区间 [0,3)

二、数据可视化

======================================================================

1.数据可视化的概述

---

数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。

它是一个处于不断演变之中的概念，其边界在不断地扩大。主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。

随着数据仓库技术、网络技术、电子商务技术的发展，可视化涵盖了更广泛的内容，并产生数据可视化的概念。

人话就是: 将大量数据以图表的形式呈现

matplotlib是一个强大的绘图工具，提供了多种输出的格式，可以轻松帮助开发人员构建自己所需的图形。

其中matplotlib提供了一个子模块pyplot，该模块封装了Matlab命令时的绘图函数，更加诠释了面向对象语言的优势。

引入模块操作

import matplotlib.pyplot as plt

后续将以plt代替

2.pyplot绘图区域

---

首先介绍pyplot模块中的绘图区域提供的函数。

| 函数 | 说明 |

| — | — |

| plt.figure(figsize=None,facecolor=None) | 创建绘图区域 |

| plt.axes(rect,projection,axisbg) | 创建坐标系风格的子绘图区域 |

| plt.subplot(nrows,ncols,index) | 在当前绘图区中创建一个子绘图区域 |

| olt.subplots(nrows,ncols,index) | 在当前绘图区中创建多个子绘图区域 |

#1.引入模块

import matplotlib.pyplot as plt



#2.通过figure() 可以创建 Figure类对象 该对象代表新的绘图区域

plt.figure(figsize=(10,6),facecolor='green') #绘制尺寸为 10*6的绿色绘图区域 宽度和高度以英寸为单位

plt.show() # 显示绘图区域

这个时候就显示出绘图区域了，要想生活过得去，必须头上来点绿

Figure对象允许将整个绘图区划分为若干个子绘图区域，每个子绘图区域中都对应着唯一的Axes对象,该对象具有属于自己的坐标。

使用axes函数就可以创建一个Axes对象

#1.引入模块

import matplotlib.pyplot as plt



'''

    参数详解:

        rect参数表示坐标系与整个绘图区域的关系 取值可以为 left bottom width height

            默认范围都是[0,1]

        projection参数表示坐标轴的投影类型

        facecolor 参数 代表着背景色 默认white白色    

'''

plt.axes([0.1,0.5,0.7,0.3])

plt.show() #显示绘图区域

效果如下

subplot(nrows,ncols,index)函数会先将整个绘图区域 等分为:

nrows(行) * ncols(列)的矩阵区域，然后按照先行后列的计算方式对每个子区域进行编号。

编号默认从1开始，之后在index的位置上生成一个坐标系。

#1.引入模块

import matplotlib.pyplot as plt



plt.subplots(2,2) #生成两行两列的绘图子区域

plt.show() #显示绘图区域

3.pyplot之图表与风格控制

matplotlib试图将简单的事情变得更简单，让无法实现的事情得以实现，仅仅几行代表就可以生成图标。

例如:直方图、条形图、散点图等。

现在我们就来介绍pyplot模块的绘图函数

| 函数 | 说明 |

| — | — |

| plt.plot(x,y) | 绘制折线图 |

最后

对于很多Java工程师而言，想要提升技能，往往是自己摸索成长，不成体系的学习效果低效漫长且无助。

整理的这些资料希望对Java开发的朋友们有所参考以及少走弯路，本文的重点是你有没有收获与成长，其余的都不重要，希望读者们能谨记这一点。

再分享一波我的Java面试真题+视频学习详解+技能进阶书籍

3.pyplot之图表与风格控制

matplotlib试图将简单的事情变得更简单，让无法实现的事情得以实现，仅仅几行代表就可以生成图标。

例如:直方图、条形图、散点图等。

现在我们就来介绍pyplot模块的绘图函数

| 函数 | 说明 |

| — | — |

| plt.plot(x,y) | 绘制折线图 |

最后

对于很多Java工程师而言，想要提升技能，往往是自己摸索成长，不成体系的学习效果低效漫长且无助。

整理的这些资料希望对Java开发的朋友们有所参考以及少走弯路，本文的重点是你有没有收获与成长，其余的都不重要，希望读者们能谨记这一点。

再分享一波我的Java面试真题+视频学习详解+技能进阶书籍

[外链图片转存中…(img-EOE23uu3-1714483822055)]

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录