Python基础—数据分析中的可视化技巧

最新推荐文章于 2024-08-22 22:01:15 发布

编程阿布

最新推荐文章于 2024-08-22 22:01:15 发布

阅读量276

点赞数 4

文章标签： python 数据分析开发语言数据挖掘

本文链接：https://blog.csdn.net/Python_00001/article/details/141364828

版权

数据分析中的可视化技巧是帮助我们将复杂的数据转化为直观、易于理解的图表和图像的过程。这些技巧不仅有助于发现数据中的模式和趋势，还能增强数据故事的讲述能力。以下是一些常用的数据可视化技巧，以及相应的Python代码示例（使用matplotlib和seaborn库）：

1. 折线图（Line Chart）

折线图用于显示数据随时间或其他连续变量的变化趋势。

import matplotlib.pyplot as plt

# 示例数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 绘制折线图
plt.plot(x, y, marker='o')  # marker='o' 表示在数据点上添加圆圈标记
plt.title('折线图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.grid(True)  # 显示网格
plt.show()

2. 条形图（Bar Chart）

条形图用于比较不同类别的数据值。

import matplotlib.pyplot as plt

# 示例数据
categories = ['A', 'B', 'C', 'D']
values = [23, 45, 56, 78]

# 绘制条形图
plt.bar(categories, values)
plt.title('条形图示例')
plt.xlabel('类别')
plt.ylabel('值')
plt.show()

3. 直方图（Histogram）

直方图用于显示数据的分布情况，特别是连续变量的分布情况。

import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=30, alpha=0.5, density=True)  # density=True 表示显示密度而非计数
plt.title('直方图示例')
plt.xlabel('值')
plt.ylabel('频率')
plt.show()

4. 散点图（Scatter Plot）

散点图用于展示两个变量之间的关系，特别是它们之间是否存在某种趋势或模式。

import matplotlib.pyplot as plt

# 示例数据
x = np.random.rand(50)
y = np.random.rand(50)

# 绘制散点图
plt.scatter(x, y)
plt.title('散点图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

5. 箱线图（Box Plot）

箱线图用于显示数据的分布情况，特别是中位数、四分位数以及异常值。

import seaborn as sns
import numpy as np

# 生成示例数据
data = np.random.normal(100, 20, 200)

# 绘制箱线图
sns.boxplot(data=data)
plt.title('箱线图示例')
plt.show()

6. 热力图（Heatmap）

热力图通常用于显示矩阵数据中各个元素的大小，通过颜色的深浅来表示数值的大小。

import seaborn as sns
import numpy as np

# 生成示例数据
data = np.random.rand(10, 12)

# 绘制热力图
sns.heatmap(data, annot=True, cmap='coolwarm')  # annot=True 显示数值，cmap指定颜色映射
plt.title('热力图示例')
plt.show()

7. 饼图（Pie Chart）

饼图用于显示不同类别的数据占总体的比例。

import matplotlib.pyplot as plt

# 示例数据
sizes = [15, 30, 45, 10]
labels = ['Frogs', 'Hogs', 'Dogs', 'Logs']
colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue']
explode = (0.1, 0, 0, 0)  # 突出显示第一个部分

# 绘制饼图
plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=140)
plt.axis('equal')  # 确保饼图是圆形的
plt.title('饼图示例')
plt.show()