【数据分析与数据挖掘】三、单因子探索分析与可视化（下）

目录

1.函数讲解

（1）matplotlib.pyplot.xticks(ticks, [labels], **kwargs)

2.柱状图

3.直方图

4.箱线图

5.折线图

6.饼图

---

---

python可视化工具：matplotlib、seaborn、plotly.

1.函数讲解

（1）matplotlib.pyplot.xticks(ticks, [labels], **kwargs)

  (a)作用

• 设置x轴的刻度位置和刻度对应的标签；

（b）参数

• ticks：传入的是array类型，表示在哪个位置设置刻度，例如传入[1,2,3],那么会把x轴分为三等份，
• lables: 可选，传入的是array类型，对每个刻度的描述；
• kwargs：意思是可以传入matplotlib.text.Text类的属性来控制显示的样式，例如rotation=17表示刻度上的标签倾斜程度。

（c）返回值

• 返回x轴的刻度位置和对应的标签；

2.柱状图

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 设置中文字体
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['font.serif'] = ['KaiTi']

# 读入数据
file = pd.read_csv("D:/HR.csv")

# 使用seaborn可以改变样式，设置成darkgrid，灰底白条纹
# 注意要放在前面，否则显示不出效果
# {"font.sans-serif":['KaiTi', 'Arial']} 设置字体，否则显示不出中文
# sns.set_style(style="darkgrid")
sns.set_style("darkgrid", {"font.sans-serif": ['KaiTi', 'Arial']})
# sns.set_context(context="poster") 设置字体

plt.title("三种水平的薪水分布")
plt.xlabel("Salary type")
plt.ylabel("salary")

# 一共有多少个数据，转为array形式，[1,2,3]
len = np.arange(len(file["salary"].value_counts()))

# 将图形平移一些，因为是这一个numpy类型的array,所以可以直接加
len_new = len + 0.5

# 得到salary的种类：low、medium、high
lables = file["salary"].value_counts().index

# 分别得到salary的三种收入水平的数据
data = file["salary"].value_counts()

# 设置x轴刻度
plt.xticks(len_new, lables, rotation=10)

# 设置x、y轴的显示范围,x范围0-4，y轴范围0-10000
plt.axis([0, 4, 0, 10000])

# 把数字标在图表上
for x, y in zip(len_new, data):
    plt.text(x, y, y, ha="center", va="bottom")

# 画直方图
# 设置柱状图的宽度 width=0.5
plt.bar(len_new, data, width=0.5)
plt.show()

3.直方图

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


# 读入数据
file = pd.read_csv("D:/HR.csv")

f = plt.figure()

sl = file["satisfaction_level"]

# 把为空的数据删除,否则直方图会报错
sl = sl.dropna()

f.add_subplot(1, 3, 1)
# kde=False表示图中那条参数不会出现
# hist=False 表示直方图不出现
# sns.distplot(sl, bins=10, kde=False,hist=False)
sns.distplot(sl, bins=10)

# 绘制第二个子图
f.add_subplot(1, 3, 2)
sns.distplot(file["last_evaluation"], bins=10)

# 绘制第三个子图
f.add_subplot(1, 3, 3)
sns.distplot(file["average_montly_hours"], bins=10)

plt.show()

 

4.箱线图

可以反映异常值和正常值的区间范围。

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读入数据
file = pd.read_csv("D:/HR.csv")

sns.boxplot(y=file["time_spend_company"])
plt.show()

从图中可以看出：

上四分位数：4；

下四分位数：3 ；

分位数边界值2和5 ，不会取到小数，取到离小数最近的那个数，取整的意思；

异常值 ： 图中那几个点。

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


# 读入数据
file = pd.read_csv("D:/HR.csv")

# 有两个参数需要注意saturation,whis
# saturation=0.75 表示4分位数
# whis=3 表示4分位数的k值为3
# 把file["time_spend_company"]赋值给了x
sns.boxplot(x=file["time_spend_company"],saturation=0.75, whis=3)
plt.show()

5.折线图

一般表示数据变化的趋势，所以x轴一般是时间，或者规模；

# 折线图

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读入数据
file = pd.read_csv("D:/HR.csv")
sub_file = file.groupby("time_spend_company").mean()

# 观察随着在公司呆的时间越长，员工离职情况
labels = sub_file.index
data = sub_file["left"]
sns.pointplot(labels, data)
plt.show()

# seaborn中画折线图的另一种画法
# x轴和y轴直接写出，再把整个data传进去
sns.pointplot(x="time_spend_company", y="left", data=file)
plt.show()

由图中可以看出：

在第5年的时候，离职率最高，4年的时候也比较高；

在呆了5年之前，随着在公司呆的时间比较久，离职率也慢慢变高；

呆了7年左右的员工，离职率变低，基本保持不变；

seaborn另一种画法画出来的图：

6.饼图

# 饼图

# seaborn里没有饼图的画法，所以还是用matplotlib来画
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读入数据
file = pd.read_csv("D:/HR.csv")

# normalize 归一化
data = file["time_spend_company"].value_counts(normalize=True)

labels = data.index

# 着重强调某一个部分,着重强调3，数字不用引号，字符要引号
explodes = [0.1 if i==3 else 0 for i in labels]

# autopct="%1.1f%%" 显示百分比
# colors=sns.color_palette("Reds") 使用seaborn当中的色系
plt.pie(data,explode=explodes, labels=labels, autopct="%1.1f%%", colors=sns.color_palette("Reds"))
plt.show()