python之数据可视化

各种图形简介

线性图:plt.plot(x,y,*argv)

条形图：plt.bar(x,y)x和y的长度应相等

水平条形图：plt.barh(x,y)x轴成垂直,y轴水平而已

条形图高度表示某项目内的数据个数，由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列

直方图：plt.hist(x)，数据集种各数据出现的频数/频率图

2d直方图：plt.hist2d(x,y)

直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，其高度与宽度均有意义

饼状图:plt.pie(a,labels=list('abcde'),autopct='%.2f%%'),

散点图：plt.scatter(x,y,*argv)

箱形图:plt.boxplot(x)

词云图:wordcloud.WordCloud(*argv)

根据词频和背景图产生的图

直方图/分布:sns.distplot()

 

制图实例

In [79]: import numpy as np

In [80]: import pandas as pd

In [81]: import matplotlib.pyplot as plt

In [82]: import wordcloud

In [83]: import seaborn
plt.rcParams['font.serif'] = ['KaiTi']
plt.rcParams['axes.unicode_minus'] = False 

names = ['mpg','cylinders','displacement','horsepower','weight','acceleration','model_year','origin','car_name']
df = pd.read_csv("http://archive.ics.uci.edu/ml/machine-learning-databases/auto-mpg/auto-mpg.data", sep='\s+', names=names)

In [154]: df['maker'] = df.car_name.apply(lambda x: x.split()[0]).str.title()
     ...: df['origin'] = df.origin.map({1: 'America', 2: 'Europe', 3: 'Asia'})
     ...: df=df.applymap(lambda x: np.nan if x == '?' else x).dropna()
     ...: df['horsepower'] = df.horsepower.astype(float)

1.云词

names = ['mpg','cylinders','displacement','horsepower','weight','acceleration','mo