动手学数据分析

组队学习的历程——>day07

导入numpy、pandas以及matplotlib包和数据

# 加载所需的库
# 如果出现 ModuleNotFoundError: No module named 'xxxx'
# 你只需要在终端/cmd下 pip install xxxx 即可
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

#加载result.csv这个数据
pd.read_csv('result.csv')

任务一：跟着书本第九章，了解matplotlib，自己创建一个数据项，对其进行基本可视化

【思考】最基本的可视化图案有哪些？分别适用于那些场景？（比如折线图适合可视化某个属性值随时间变化的走势）

图表选择指南
比较	表格	条形图	堆叠条图
趋势	折线图	多线图	柱状图
联系	散点图	气泡图	雷达图
分布/地理	地图	直方图	散点图/气泡图
构成-随时间变化而变化	100%堆积柱图	堆叠柱图	面积图
构成-静态	饼图	漏斗图	金字塔图

# 比较：分析指标与指标之间的差别
# 趋势：时间序列关系，指标随时间呈现的趋势
# 联系：指标之间是否表达出预期的相关关系
# 分布：根据地理位置展示不同的分布特征
# 构成：呈现每个部分占整体的比例

#思考回答
#这一部分需要了解可视化图案的的逻辑，知道什么样的图案可以表达什么样的信号
data=np.arange(0,1.1,0.1)
plt.plot(data,data**2)
plt.plot(data,data**4)
plt.savefig('../img/示例.jpg') # 保存图片

任务二：可视化展示泰坦尼克号数据集中男女中生存人数分布情况（用柱状图试试）。

#代码编写
sex = data.groupby('Sex')['Survived'].sum()
sex.plot.bar(color=['r','g'])
plt.title('survived_count')
plt.savefig('../img/男女生存人数分布情况.jpg')
plt.show()

【思考】计算出泰坦尼克号数据集中男女中死亡人数，并可视化展示？如何和男女生存人数可视化柱状图结合到一起？看到你的数据可视化，说说你的第一感受（比如：你一眼看出男生存活人数更多，那么性别可能会影响存活率）。

#思考题回答
直观看女性存活率高于男性,但是性别跟客舱和票价也有较大关系

任务三：可视化展示泰坦尼克号数据集中男女中生存人数与死亡人数的比例图（用柱状图试试）。

#代码编写
# 提示：计算男女中死亡人数 1表示生存，0表示死亡
data.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True',color=['r','g'])
plt.title('survived_count')
plt.savefig('../img/男女生存人数与死亡人数的比例图.jpg')
plt.show()
# 用堆叠柱状图更直观些

【提示】男女这两个数据轴，存活和死亡人数按比例用柱状图表示

任务四：可视化展示泰坦尼克号数据集中不同票价的人生存和死亡人数分布情况。（用折线图试试）（横轴是不同票价，纵轴是存活人数）

【提示】对于这种统计性质的且用折线表示的数据，你可以考虑将数据排序或者不排序来分别表示。看看你能发现什么？

#代码编写
# 计算不同票价中生存与死亡人数 1表示生存，0表示死亡
data.groupby('Fare')['Survived'].value_counts().plot(kind='line')
plt.savefig('../img/不同票价的人生存和死亡人数分布情况1.jpg')

# 不排序

data.groupby('Fare')['Survived'].value_counts().sort_values(ascending=False).plot(kind='line')
plt.savefig('../img/不同票价的人生存和死亡人数分布情况2.jpg')

# 排序

任务五：可视化展示泰坦尼克号数据集中不同仓位等级的人生存和死亡人员的分布情况。（用柱状图试试）

#代码编写
# 1表示生存，0表示死亡
data.groupby('Pclass')['Survived'].count().plot(kind='bar') 
plt.savefig('../img/不同仓位等级的人生存和死亡人员的分布情况1.jpg')

# 不够直观，看不出来是生存还是死亡的数据

#将生存和死亡人数都画出来-并列条形图
import seaborn as sns
sns.countplot(x='Pclass',hue='Survived',data=data)
plt.savefig('../img/不同仓位等级的人生存和死亡人员的分布情况2.jpg')

【思考】看到这个前面几个数据可视化，说说你的第一感受和你的总结

思考题回答

上图蓝色为死亡，橙色为存活，能看出等级1存活人数最多，等级3死亡人数最多，所以仓位等级与存活率有相当大的关系

任务六：可视化展示泰坦尼克号数据集中不同年龄的人生存与死亡人数分布情况。(不限表达方式)

#代码编写
data.groupby('Age')['Survived'].value_counts().unstack().plot(kind='line')
plt.savefig('../img/不同年龄的人生存与死亡人数分布情况.jpg')

# 15-35岁之间存活率较高

任务七：可视化展示泰坦尼克号数据集中不同仓位等级的人年龄分布情况。（用折线图试试）

#代码编写
data.Age[data.Pclass == 1].plot(kind='kde')
data.Age[data.Pclass == 2].plot(kind='kde')
data.Age[data.Pclass == 3].plot(kind='kde')
plt.xlabel("age")
plt.legend((1,2,3),loc="best")
plt.savefig('../img/不同仓位等级的人年龄分布情况.jpg')

【总结】到这里，我们的可视化就告一段落啦，如果你对数据可视化极其感兴趣，你还可以了解一下其他可视化模块，如：pyecharts，bokeh等。