“动手学数据分析”小组学习的Task04-学习日志

---

前言

本文章为天池“动手学数据分析”小组学习的Task04-学习日志,旨在了解数据可视化基本步骤及相关python处理。
学习网址添加链接描述：添加链接描述

---

一、python常用可视化图形及常用库

1.Matplotlib

Matplotlib是用于以图形方式可视化数据的最基本的库。Matplotlib的图表由两个主要部分组成，即轴（界定图表区域的线）和图形（在其中绘制轴，标题和来自轴区域的东西)。以下为Matplotlib常见可视化图形及函数：

1.1.散点图

函数：matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)
参数：
^x, y → 散点的坐标
^s → 散点的面积
^c → 散点的颜色（默认值为蓝色，‘b’，其余颜色同plt.plot( )）
^marker → 散点样式（默认值为实心圆，‘o’，其余样式同plt.plot( )）
^alpha → 散点透明度（[0, 1]之间的数，0表示完全透明，1则表示完全不透明）
^linewidths →散点的边缘线宽
^edgecolors → 散点的边缘颜色(以上为基本）
^cmap → 指的是matplotlib.colors.Colormap，相当于多个调色盘的合集
^norm、vmin、vmax → 散点颜色亮度设置

1.2.直方图

函数：plt.hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype=‘bar’, align=‘mid’, orientation=‘vertical’, rwidth=None, log=False, color=None, label=None, stacked=False, normed=None, *, data=None, **kwargs)

参数：
^x: 作直方图所要用的数据，必须是一维数组；多维数组可以先进行扁平化再作图；必选参数；
^bins: 直方图的柱数，即要分的组数，默认为10；
^range：元组(tuple)或None；剔除较大和较小的离群值，给出全局范围；如果为None，则默认为(x.min(), x.max())；即x轴的范围；
^density：布尔值。如果为true，则返回的元组的第一个参数n将为频率而非默认的频数；
^ weights：与x形状相同的权重数组；将x中的每个元素乘以对应权重值再计数；如果normed或^density取值为True，则会对权重进行归一化处理。这个参数可用于绘制已合并的数据的直方图；
^ cumulative：布尔值；如果为True，则计算累计频数；如果normed或density取值为True，则计算累计频率；
^ bottom：数组，标量值或None；每个柱子底部相对于y=0的位置。如果是标量值，则每个柱子相对于y=0向上/向下的偏移量相同。如果是数组，则根据数组元素取值移动对应的柱子；即直方图上下便宜距离；
^ histtype：{‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}；'bar’是传统的条形直方图；'barstacked’是堆叠的条形直方图；'step’是未填充的条形直方图，只有外边框；‘stepfilled’是有填充的直方图；当histtype取值为’step’或’stepfilled’，rwidth设置失效，即不能指定柱子之间的间隔，默认连接在一起；
^ align：{‘left’, ‘mid’, ‘right’}；‘left’：柱子的中心位于bins的左边缘；‘mid’：柱子位于bins左右边缘之间；‘right’：柱子的中心位于bins的右边缘；
^ orientation：{‘horizontal’, ‘vertical’}：如果取值为horizontal，则条形图将以y轴为基线，水平排列；简单理解为类似bar()转换成barh()，旋转90°；
^ rwidth：标量值或None。柱子的宽度占bins宽的比例；
^ log：布尔值。如果取值为True，则坐标轴的刻度为对数刻度；如果log为True且x是一维数组，则计数为0的取值将被剔除，仅返回非空的(frequency, bins, patches）；
^ color：具体颜色，数组（元素为颜色）或None。
^ label：字符串（序列）或None；有多个数据集时，用label参数做标注区分；
^ stacked：布尔值。如果取值为True，则输出的图为多个数据集堆叠累计的结果；如果取值为False且^ histtype=‘bar’或’step’，则多个数据集的柱子并排排列；
^ normed: 是否将得到的直方图向量归一化，即显示占比，默认为0，不归一化；不推荐使用，建议改用density参数；
^ edgecolor: 直方图边框颜色；
^ alpha: 透明度；

1.3.散点图

函数：plt.bar(x, height, width, bottom, **kwargs)

参数：
^（x, height）定义在什么位置上，多高的bar（注意X的值和X轴区别）
^width 定义bar的宽度
^bottom 定义bar的其实高度（常用于用堆叠的方式展示两组数据）

2.Seaborn

Seaborn是基于Matplotlib的库基本上，提供更好的图形和功能，导入库并使用sns.set（）初始化图形样式，如果没有此命令，图形将仍然具有与Matplotlib相同的样式，常用可视化图形及函数如下。

（1）散点图:
sns.set()
sns.scatterplot()

（2）热图:
sns.heatmap

（3）配对图:
显示了所有变量之间的关系。如您有大数据集，请谨慎使用此功能，因为它必须显示所有数据点的次数与有列的次数相同，这意味着通过增加数据的维数，处理时间将成倍增加。
sns.pairplot（）

（4）联合图:
sns.jointplot(）

（5）ViolinPlot(小提琴图）:
sns.catplot（）

二、可视化示例操作

1.引入库

代码如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')

2.计算男女中生存人数分布情况——柱状

代码如下：

sex_survived=train_join1.groupby(['Sex','Survived'])['Survived'].count().unstack()
sex_survived.plot(kind='bar',stacked='True')
plt.title('survived_count')
plt.ylabel('count')
plt.show()

结果如下：

3.男女中生存人与死亡人数的比例图——柱状

代码如下：

sex_survived=train_join1.groupby(['Sex','Survived'])['Survived'].count().unstack()
sex_survived.plot(kind='bar',stacked='True')
plt.title('survived_count')
plt.ylabel('count')
plt.show()

结果如下：

4.不同票价的人生存和死亡人数分布情况——排序后

代码如下：

Fare_survived=train_join1.groupby('Fare')['Survived'].value_counts().sort_values(ascending=False)
fig = plt.figure(figsize=(20, 18))
Fare_survived.plot(grid=True)
plt.legend()
plt.show()

结果如下：

5.不同票价的人生存和死亡人数分布情况——无序

代码如下：

Fare_survived1=train_join1.groupby('Fare')['Survived'].value_counts()
fig = plt.figure(figsize=(20, 18))
Fare_survived1.plot(grid=True)
plt.legend()
plt.show()

结果如下：

6.不同仓位等级的人生存和死亡人员的分布情况

代码如下：

Pclass_survived1=train_join1.groupby('Pclass')['Survived'].value_counts()
print(Pclass_survived1)
sns.countplot(x="Pclass", hue="Survived", data=train_join1)
plt.show()

结果如下：

7.不同年龄的人生存与死亡人数分布情况

代码如下：

facet = sns.FacetGrid(train_join1, hue="Survived",aspect=3)
facet.map(sns.kdeplot,'Age',shade= True)
facet.set(xlim=(0, train_join1['Age'].max()))
facet.add_legend()
plt.show()

结果如下：

8.不同仓位等级的人年龄分布情况——折现

代码如下：

train_join1.Age[train_join1.Pclass == 1].plot(kind='kde')
train_join1.Age[train_join1.Pclass == 2].plot(kind='kde')
train_join1.Age[train_join1.Pclass == 3].plot(kind='kde')
plt.xlabel("age")
plt.legend((1,2,3),loc="best")
plt.show()

结果如下：