python数据分析中常见图形绘制及方法

最新推荐文章于 2024-05-27 12:01:28 发布

db_wst_2063

最新推荐文章于 2024-05-27 12:01:28 发布

阅读量930

点赞数 24

文章标签： python 数据分析信息可视化

本文链接：https://blog.csdn.net/W20220322063/article/details/135145441

版权

Python作为一种高级编程语言，其绘图库丰富，包括了绘制折线图、散点图、饼图、直方图、箱线图等各种类型图表，成为科学计算、数据可视化领域不可或缺的工具。Python绘图的意义不仅在于美观的图表展示，更是通过数据可视化，实现对大数据的探索分析、结论提炼和决策分析。

在Python数据分析中，数据清洗是非常重要的一步，它涉及到对原始数据进行清洗、处理和转换，以便更好地进行后续的数据分析和可视化。以下是一些常见的数据清洗方法：

缺失值处理：对于缺失的数据，可以采用插值、删除或填充等方法进行处理。常用的插值方法有线性插值、多项式插值等。如果缺失值较多，可以考虑删除含有缺失值的行或列。
异常值处理：对于异常值，可以采用删除、替换或基于统计的方法进行处理。例如，可以使用箱线图等方法识别异常值，然后进行删除或替换。
数据类型转换：对于不同类型的数据，需要进行转换以便进行后续的分析和可视化。例如，将分类数据转换为数值型数据，或将日期数据转换为时间序列数据。

在Python数据分析中，常用的图形绘制库包括matplotlib：matplotlib是Python中最常用的绘图库之一，支持多种绘图类型和风格，包括折线图、散点图、直方图、箱线图等。它的优点是功能强大、灵活度高，但同时也需要较多的代码来实现绘图。

一、折线图

优势：折线图能够查看时间序列数据的波动趋势

数据收集方式：通过实验、观测或调查问卷等方式收集时间序列数据，例如温度、销售额等

折线图（Line Chart）：用于展示数据随时间或其他变量的变化趋势。可以使用matplotlib库中的plot函数来绘制折线图。

import matplotlib.pyplot as plt
# 示例数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
# 绘制折线图
plt.plot(x, y)
plt.show()

比如：

import pandas as pd 
import matplotlib.pyplot as plt
df_stock = pd.read_excel('E:/wst/股价数据.xlsx')
df_stock
# 升序排序
df_stock = df_stock.sort_values(by='date').reset_index(drop=True)
df_stock
# 数据准备
x = df_stock['date']
y1 = df_stock['close']
y2 = df_stock['ma20']
# 画折线图
plt.rcParams['font.family'] = 'SimHei' # 解决中文乱码
plt.plot(
    x,
    y1,'-',
    y2,'--'
)
plt.title('股票的收盘价（close）和20日均线（ma20）折线图')
# 只倾斜显示部分x轴刻度
plt.xticks([0,100,200,300,400,500,600],rotation=15) 
plt.show()

运行结果：

二、散点图

优势：能够查看两个序列数据之间的相关关系

数据收集方式：可以通过实验、观测或调查问卷等方式收集两个变量的数据，例如身高和体重、广告和销售额等

散点图（Scatter Plot）：用于展示两个变量之间的关系，以及数据点的分布情况。可以使用matplotlib库中的scatter函数来绘制散点图。

import matplotlib.pyplot as plt
# 示例数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
# 绘制散点图
plt.scatter(x, y)
plt.show()

比如：

import pandas as pd 
import matplotlib.pyplot as plt

# 画图
plt.rcParams['font.family'] = 'SimHei' # 解决中文乱码
plt.scatter(
    df_book['浏览量'],
    df_book['成交商品件数'],
    s = 1
)
plt.xlabel('浏览量')
plt.ylabel('成交数量')
plt.xlim(0,5000)
plt.ylim(0,500)
plt.show()

运行结果：

三、直方图

优势：能够查看序列数据的分布情况

数据收集方式：可以通过实验、观测或调查问卷等方式收集连续变量的数据，例如考试成绩、用户年龄等。

直方图（Histogram）：用于展示数据的分布情况，特别是连续变量的概率分布。可以使用matplotlib库中的hist函数来绘制直方图。

import matplotlib.pyplot as plt
import numpy as np
# 示例数据
data = np.random.randn(1000)
# 绘制直方图
plt.hist(data, bins=30)
plt.show()

比如：

import pandas as pd 
import matplotlib.pyplot as plt

df_air = pd.read_excel('../数据集/航空公司数据.xlsx')
df_air

# 画图
plt.rcParams['font.family'] = 'SimHei' # 解决中文乱码
min_age = int(df_air['年龄'].min()) # 最小客户年龄
max_age = int(df_air['年龄'].max()) # 最大客户年龄
plt.hist(
    df_air['年龄'],
    bins = [i for i in range(min_age,max_age,5)] # 以5为组距构造一个年龄区间列表
)
plt.title('用户年龄分布图')
plt.xlabel('年龄区间')
plt.ylabel('人数')
plt.show()

运行结果：

四、箱线图

优势：能够查看序列数据的分布情况。通过最小值、最大值和四分位数来表示数据分布；箱线图通过圆点来显示序列的异常值

数据收集方式：可以通过实验、观测或调查问卷等方式收集一组数据，例如不同地区的销售额、不同学校的考试成绩等。

箱线图（Box Plot）：用于展示一组数据的分布情况，特别是中位数、四分位数等统计指标。可以使用matplotlib库中的boxplot函数来绘制箱线图。

import matplotlib.pyplot as plt
import numpy as np
# 示例数据
data = np.random.randn(1000)
# 绘制箱线图
plt.boxplot(data)
plt.show()

比如：

import pandas as pd 
import matplotlib.pyplot as plt

# 查看年龄序列中的空值
df_air['年龄'].isnull().sum()

# 数据准备，剔除空值
x1 = df_air.query('性别=="男"')['年龄'].dropna()
x2 = df_air.query('性别=="女"')['年龄'].dropna()

# 画图
plt.rcParams['font.family'] = 'SimHei' # 解决中文乱码
plt.boxplot(
    [x1,x2],
    vert = False,
    labels = ['男','女'],
    whis = 3 # 放宽上下限的宽度，减少异常值的定义，尝试注释本行运行查看差异
)
plt.show()

运行结果：