超硬核的Python数据可视化教程

Python实现可视化的三个步骤：

• 确定问题，选择图形
• 转化数据，应用函数
• 参数设置，一目了然

matplotlib:python中最基本的做图库，是一个最基础的python可视化库，一般都是从matplotlib上手Python数据可视化，然后开始做纵向与横向拓展。

seaborn：是一个基于matplotlib的高级可视化效果库，针对的点主要是数据挖掘和机器学习中的变量特征选取，seaborn可以用短小的代码去绘制描述更多维度数据的可视化效果图。

其他库：Bokeh（是一个用于做浏览器端交互可视化的库，实现分析师与数据的交互）；Mapbox（处理地理数据引擎更强的可视化工具库）等等。

1.确定问题，选择图形

可视化作图基础

Matplotlib作图基础

#导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

 Figure和Subplotmatplotlib的图形都位于Figure（画布）中，Subplot创建图像空间。不能通过figure绘图，必须用add_subplot创建一个或多个subplot。

#创建画布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#创建subplot，221表示这是2行2列表格中的第1个图像。
ax1 = fig.add_subplot(221)
#但现在更习惯使用以下方法创建画布和图像，2,2表示这是一个2*2的画布，可以放置4个图像
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey参数可以指定所有的subplot使用相同的x，y轴刻度。

​

编辑

 利用Figure的subplots_adjust方法可以调整间距。

subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)

 

颜色color，标记marker，和线型linestyle

 matplotlib的plot函数接受一组X和Y坐标，还可以接受一个表示颜色和线型的字符串缩写：'g--'，表示颜色是绿色green，线型是'--'虚线。也可以使用参数明确的指定。

线型图还可以加上一些标记（marker），来突出显示数据点的位置。标记也可以放在格式字符串中，但标记类型和线型必须放在颜色后面。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
[<matplotlib.lines.Line2D at 0x8c919b0>]

刻度，标签和图例 

plt的xlim、xticks和xtickslabels方法分别控制图表的范围和刻度位置和刻度标签。调用方法时不带参数，则返回当前的参数值；调用时带参数，则设置参数值。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim() #不带参数调用，显示当前参数；
#可将xlim替换为另外两个方法试试
(-1.4500000000000002, 30.45)

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim([0,15]) #横轴刻度变成0-15
(0, 15)

设置标题，轴标签，刻度以及刻度标签

fig = plt.figure();ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
ticks = ax.set_xticks([0,250,500,750,1000]) #设置刻度值
labels = ax.set_xticklabels(['one','two','three','four','five']) #设置刻度标签
ax.set_title('My first Plot') #设置标题
ax.set_xlabel('Stage') #设置轴标签
Text(0.5,0,'Stage')

添加图例 

图例legend是另一种用于标识图标元素的重要工具。可以在添加subplot的时候传入label参数。

fig = plt.figure(figsize=(12,5));ax = fig.add_subplot(111)
ax.plot(np.random.randn(1000).cumsum(),'k',label='one') #传入label参数，定义label名称
ax.plot(np.random.randn(1000).cumsum(),'k--',label='two')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')
#图形创建完后，只需要调用legend参数将label调出来即可。
ax.legend(loc='best') #要求不是很严格的话，建议使用loc=‘best’参数来让它自己选择最佳位置
<matplotlib.legend.Legend at 0xa8f5a20>

 注解

除标准的图表对象之外，我们还可以自定义添加一些文字注解或者箭头。注解可以通过text，arrow和annotate等函数进行添加。text函数可以将文本绘制在指定的x，y坐标位置，还可以进行自定义格式

plt.plot(np.random.randn(1000).cumsum())
plt.text(600,10,'test ',family='monospace',fontsize=10)
#中文注释在默认环境下并不能正常显示，需要修改配置文件，使其支持中文字体。具体步骤请自行搜索。

 保存图表到文件

利用plt.savefig可以将当前图表保存到文件。例如，要将图表保存为png文件，可以执行

文件类型是根据拓展名而定的。其他参数还有：

• fname：含有文件路径的字符串，拓展名指定文件类型

• dpi：分辨率，默认100 facecolor,edgcolor 图像的背景色，默认‘w’白色

• format：显示设置文件格式（'png','pdf','svg','ps','jpg'等）

• bbox_inches：图表需要保留的部分。如果设置为“tight”，则将尝试剪除图像周围的空白部分

plt.savefig('./plot.jpg') #保存图像为plot名称的jpg格式图像
<Figure size 432x288 with 0 Axes>

Pandas中的绘图函数 

Matplotlib作图：matplotlib是最基础的绘图函数，也是相对较低级的工具。组装一张图表需要单独调用各个基础组件才行。Pandas中有许多基于matplotlib的高级绘图方法，原本需要多行代码才能搞定的图表，使用pandas只需要短短几行。

import matplotlib.pyplot as plt

 线型图：Series和DataFrame都有一个用于生成各类图表的plot方法。默认情况下，他们生成的是线型图。

s = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot() #Series对象的索引index会传给matplotlib用作绘制x轴。
<matplotlib.axes._subplots.AxesSubplot at 0xf553128>

df = pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'])
df.plot() #plot会自动为不同变量改变颜色，并添加图例
<matplotlib.axes._subplots.AxesSubplot at 0xf4f9eb8>

Series.plot方法的参数：

• label：用于图表的标签

• style：风格字符串，'g--'

• alpha：图像的填充不透明度（0-1）

• kind：图表类型（bar，line，hist，kde等）

• xticks：设定x轴刻度值

• yticks：设定y轴刻度值

• xlim，ylim：设定轴界限，[0,10]

• grid：显示轴网格线，默认关闭

• rot：旋转刻度标签

• use_index：将对象的索引用作刻度标签

• logy：在Y轴上使用对数标尺

DataFrame.plot方法的参数：DataFrame除了Series中的参数外，还有一些独有的选项。

• subplots：将各个DataFrame列绘制到单独的subplot中

• sharex，sharey：共享x，y轴

• figsize：控制图像大小

• title：图像标题

• legend：添加图例，默认显示

• sort_columns：以字母顺序绘制各列，默认使用当前顺序

柱状图：在生成线型图的代码中加上kind=‘bar’或者kind=‘barh’，可以生成柱状图或水平柱状图。

fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(10),index=list('abcdefghij'))
data.plot(kind='bar',ax=axes[0],rot=0,alpha=0.3)
data.plot(kind='barh',ax=axes[1],grid=True)
<matplotlib.axes._subplots.AxesSubplot at 0xfe39898>

 

 

柱状图有一个非常实用的方法：利用value_counts图形化显示Series或者DF中各值的出现频率。比如df.value_counts().plot(kind='bar')