Python 数据挖掘 | 第1章 Jupyter 与 Matplotlib 数据分析

最新推荐文章于 2024-01-19 14:26:01 发布

多氯环己烷

最新推荐文章于 2024-01-19 14:26:01 发布

阅读量548

点赞数 1

分类专栏：学习笔记 # Python学习笔记文章标签： python 数据挖掘 jupyter matplotlib

本文链接：https://blog.csdn.net/dlhjw1412/article/details/125964022

版权

学习笔记同时被 2 个专栏收录

99 篇文章 10 订阅

订阅专栏

Python学习笔记

5 篇文章 2 订阅

订阅专栏

Python 数据挖掘 | 第1章 Jupyter 与 Matplotlib

前言
1. Jupyter Notebook 的使用
2. Matplotlib
3. 总结
最后

前言

参考资料：
《B站：黑马程序员Python教程，4天快速入门Python数据挖掘，系统精讲+实战案例》
《菜鸟教程 - Matplotlib 教程》
《Matplotlib 官网》

1. Jupyter Notebook 的使用

1.1 概述

简介：Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果；
简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示的程序。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释；
名字源于：Julia、Python 和 R；
作用：编程、文档、笔记、展示结果
文件格式：.ipynb 用于计算型叙述的 JSON 文档格式；
优点：画图方便、数据展示方便；

1.2 快速上手

启动 Jupyter Notebook：
- cmd 命令：jupyter notebook 或 ipython notebook；
运行代码：Shift + Entry；

1.3 cell 操作

cell：一对In Out会话被视作一个代码单元，称为 cell；
两种模式：
- 编辑模式：进入 - enter 或鼠标双击 cell；（操作 cell 里面的代码、文本）
- 命令模式：进入 - esc 或鼠标在本单元格之外点一下；（操作 cell 单元本身）
- cell 行号前的 *，表示代码正在运行；

1.4 快捷键操作

Shift + Enter：执行本单元格代码，并跳转到下一单元；
Ctrl + Enter：执行本单元代码，留在本单元；
命令模式：按 ESC 进入
- Y：cell 切换到 code 模式；
- M：cell 切换到 markdown 模式；
- A：在当前 cell 的上面添加 cell；
- B：在当前 cell 的下面添加 cell；
- 双击D：删除当前 cell；
- Z：回退；
- L：为当前 cel 加上行号 <--；
- Ctrl + Shift + P：对话框输入命令直接运行；
- Crtl + Home：快速跳转到首个 cell；
- Crtl + End：快速跳转到最后一个 cell；
编辑模式：按 Enter 进入；
- 多光标操作：Ctrl 键点击鼠标（Mac:CMD+点击鼠标）；
- 回退：Ctrl+Z（Mac:CMD+Z）；
- 重做：Ctrl+Y（Mac:CMD+Y）；
- 补全代码：变量、方法后跟Tab键；
- 为一行或多行代码添加/取消注释：Ctrl+/（Mac:CMD+/）；
- 屏蔽自动输出信息：可在最后一条语句之后加一个分号；

2. Matplotlib

2.1 概述

介绍：Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。这里将会探索 matplotlib 的常见用法；
作用：数据可视化；
%matplotlib inline：将图像内嵌进 notebook 中，PyCharm 不支持；

2.2 图像的三层结构

Matplotlib 图像结构

2.2.1 容器层

容器层主要由 Canvas、Figure、Axes 组成；
- 绘图层/坐标系 Axes：是应用层的第二层，在绘图的过程中相当于画布上的绘图区的角色；
  - Axes（坐标系）：数据的绘图区域；
  - Axs（坐标轴）：坐标系中的一条轴，包含大小限制、刻度和刻度标签；
- 画布层 Figure：是 Canvas 上方的第一层，也是需要用户来操作的应用层的第一层，在绘图的过程中充当画布的角色；
  - Figure：指整个图形可以通过 plt.figure() 设置画布的大小和分辨率等）；
- 画板层 Canvas：位于最底层的系统层，在绘图的过程中充当画板的角色，即放置画布(Figure)的工具。普通用户一般接触不到；
特点：
- 一个 figure（画布）可以包含多个 axes（坐标系/绘图区），但是一个 axes 只能属于一个 figure；
- 一个 axes (坐标系/绘图区)可以包含多个 axis（坐标轴)，包含两个即为 2d 坐标系，3 个即为 3d 坐标系；

2.2.2 辅助显示层

辅助显示层和图像层都在绘图层/坐标系 Axes 以上；

辅助显示层为 Axes（绘图区）内的除了根据数据绘制出的图像以外的内容；
主要包括：
- Axes外观(facecolor)；
- 边框线(spines)；
- 坐标轴(axis)；
- 坐标轴名称(axis label)；
- 坐标轴刻度(tick)；
- 坐标轴刻度标签(tick label)；
- 网格线(grid)；
- 图例(legend)；
- 标题(title)；
- 等内容；
该层的设置可使图像显示更加直观更加容易被用户理解，但又不会对图像产生实质的影响；

2.2.3 图像层

图像层指Axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像；

2.3 多绘图层的通用步骤

先导操作：

导入模块：import matplotlib.pyplot as plt。该模块包含了一系列类似于 MATLAB 的画图函数。它的函数作用于当前图形（figure）的当前坐标系（axes）；

容器层 - 画布层 Figure：

通用 API - 创建画布：plt.figure()。可以指定画布大小与图像清晰度；

容器层 - 绘图层/坐标系 Axes：

（可选）通用 API - 一张画布下多个绘图区：axe, ... = plt.subplots(...)。需要使用返回的 axes 进行绘图；

辅助显示层：

通用 API - 修改横纵坐标刻度：axe.set_xticks(x)、axe.set_xticklabels(**kwargs)；axe.set_yticks(y)、axe.set_yticklabels(**kwargs)；
通用 API - 添加网格线：axe.grid(linestyle='--', alpha=0.5)；
通用 API - 添加标题：axe.set_title("zzz")；
通用 API - 添加横纵坐标描述/标签：axe.set_xlabel("xxx")、axe.set_ylabel("yyy")；
通用 API - 显示图例：axe.legend()。需要提前在 plot() 函数中指定 label 标签；

图像层：
使用 Matplotlib 绘图；

后续操作：

通用 API - 保存图片：plt.savefig(path)
通用 API - 展示图像：plt.show()；

code1 一个简单的折线图代码示例

# 中文显示问题
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

# 1、准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

# 2、创建画布
plt.figure(figsize=(20,8),dpi=80)

# 3、绘制图像
plt.plot(x, y_shanghai, color="r",linestyle='-.',label="上海")
plt.plot(x, y_beijing, color="b",label="北京")

# 显示图例
plt.legend()
# plt.legend(loc="lower left")
# plt.legend(loc=4)

# 修改x y刻度
x_label = ["11分{}秒".format(i) for i in x]
plt.xticks(x[::5],x_label[::5])
plt.yticks(range(0,40,5))

# 显示网格
plt.grid(linestyle='--', alpha=0.5)

# 添加描述 标题
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("上海、北京11点0分到12点之间的温度变化图示")

# 4、显示图像
plt.show()

2.4 通用 API

容器层 - 画布层 Figure：
figure(figsize=(), dpi=)：创建一个画布 Figure，在上面画图。无返回；
- figsize：指定画布大小；
- dpi：图像清晰度；
容器层 - 绘图层/坐标系 Axes：
figure, (ax1, ax2) = subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)：创建多个绘图区 Axes。面向对象的思想。在调用后续方法时有些需要使用 set_xxx() 格式，如：set_xticks()。注意：横纵坐标描述/标签方法有所不同，为：set_xticklabels()。返回 1 个画布和 1*2 个绘图区；
figure, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, figsize=(10, 10))：同上。返回 1 个画布和 2*2 个绘图区；
- nrows：行；
- ncols：列；
- figsize：画布大小；
辅助显示层：
xticks(x, **kwargs)：修改横坐标刻度。x为要显示的刻度值。指定 kwargs 时使用 kwargs 作为刻度值。多绘图层时需要加上为：set_xticklabels(**kwargs)；
yticks(y, **kwargs)：修改纵坐标刻度。y为要显示的刻度值。指定 kwargs 时使用 kwargs 作为刻度值。多绘图层时需要加上为：set_yticklabels(**kwargs)；
- y = range(0, 40, 5) 表示：0, 5, 10, …, 35, 40；
grid(linestyle='--', alpha=0.5)：添加网格线，使用虚线，透明度 alpha 为 0.5；
title("zzz")：使用 zzz 作为图表标题；
xlabel("xxx")：使用 xxx 作为横坐标描述/标签；
ylabel("yyy")：使用 yyy 作为横坐标描述/标签；
legend(loc=)：显示图例，需要提前在 plot() 函数中指定 label 标签；
- loc：图例位置。参数：0: ‘best’ 最佳位置，1: ‘upper right’ 右上，2: ‘upper left’ 左上，3: ‘lower left’ 左下，4: ‘lower right’ 右下，5: ‘right’ 右，6: ‘center left’ 左居中，7: ‘center right’ 右居中，8: ‘lower center’ 下居中，9: ‘upper center’ 上居中，10: ‘center’ 居中；
后续操作：
savefig(path)：保存图像，传入图像的保存路径，需要指定图片的名字与后缀。注意需要在 show() 函数前保存；
show()：画图函数，并且释放画布资源。打印图；

code2 创建多个绘图区的折线图代码示例

# 中文显示问题
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

# 1、准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

# 2、创建画布
# plt.figure(figsize=(20,8),dpi=80)
figure, axes = plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)

# 3、绘制图像
axes[0].plot(x, y_shanghai, color="r",linestyle='-.',label="上海")
axes[1].plot(x, y_beijing, color="b",label="北京")

# 显示图例
axes[0].legend()
axes[1].legend()
# plt.legend(loc="lower left")
# plt.legend(loc=4)

# 修改x y刻度
x_label = ["11分{}秒".format(i) for i in x]
axes[0].set_xticks(x[::5])
axes[0].set_xticklabels(x_label[::5])
axes[0].set_yticks(range(0,40,5))
axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(x_label[::5])
axes[1].set_yticks(range(0,40,5))

# 显示网格
axes[0].grid(linestyle='--', alpha=0.5)
axes[1].grid(linestyle='--', alpha=0.5)

# 添加描述 标题
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("上海11点0分到12点之间的温度变化图示")

axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("北京11点0分到12点之间的温度变化图示")

# 4、显示图像
plt.show()

2.5 使用 Matplotlib 绘图

2.5.1 折线图（plot）

plot([x1, x2, x3, ...], [y1, y2, y3, ...], color=, linestyle= ,label= )：根据传入的点画直线图。无返回；
- color：颜色 - 红色 “r”，蓝色 “b”，青色 “c”，洋红 “m”，黑色 “k” 等；
- linestyle：折线风格 - 实线 “-”，虚线 “–”，点划线 “-.”，点虚线 “:”，留空、空格 " "；
- label：标签，用于图例，需要结合 plt.legend() 函数使用；

code3 折线图（plot）画数学函数代码示例

# 1、准备x、y数据
x = np.linspace(-10,10,1000)
y = np.sin(x)

# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)

# 3、绘制图像
plt.plot(x, y)

plt.grid(linestyle="--",alpha=0.5)

plt.show()

2.5.2 散点图（scatter）

scatter([x1, x2, x3, ...], [y1, y2, y3, ...])：根据传入的点画散点图。无返回；

code4 散点图（scatter）代码示例

# 需求：探究房屋面积和房屋价格的关系

# 1、准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]

y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]
# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制图像
plt.scatter(x, y)

# 4、显示图像
plt.show()

2.5.3 柱状图（bar）

柱状图中间有间距；
柱状图比较数据的大小；（根本区别）
柱状图X轴为分类数据；
柱状图柱子宽度须一致；
bar(x, y, color=['b','r','g','y','c','m','y','k','c','g','b'], width=, label=, stacked=)：根据传入的数据画柱状图。可以对 x 数据平移达到两个柱形挨在一起的效果。无返回；
- x：x 数据；
- y：y 数据；
- color：柱形颜色；
- width：柱形宽度；
- label：数据标签；
- stacked：是否堆叠展示；

code5 简单柱状图（bar）代码示例

# 中文显示问题
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

# 1、准备数据
movie_names = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
tickets = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制柱状图
x_ticks = range(len(movie_names))
plt.bar(x_ticks, tickets, color=['b','r','g','y','c','m','y','k','c','g','b'])

# 修改x刻度
plt.xticks(x_ticks, movie_names)

# 添加标题
plt.title("电影票房收入对比")

# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)

# 4、显示图像
plt.show()

code6 调整宽度的柱状图（bar）代码示例

# 中文显示问题
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

# 1、准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','寻梦环游记']

first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制柱状图
plt.bar(range(3), first_day, width=0.2, label="首日票房")
plt.bar([0.2, 1.2, 2.2], first_weekend, width=0.2, label="首周票房")

# 显示图例
plt.legend()

# 修改刻度
plt.xticks([0.1, 1.1, 2.1], movie_name)

# 4、显示图像
plt.show()

2.5.4 直方图（histogram）

直方图中间无间距；
直方图展示数据的分布；（根本区别）
直方图X轴为定量数据；
直方图柱子宽度可不一；
hist(y, bins=group_num, density=True)：根据传入的点画直方图。无返回；
- y：y 数据；
- bins： $\frac{max(y_tickets) - min(y_tickets)}{组距}$ ，组距会影响效果；
- density：boolean，y 轴是否显示频率；

code7 直方图（histogram）代码示例

# 需求：电影时长分布状况
# 1、准备数据
time = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制直方图
distance = 2
group_num = int((max(time) - min(time)) / distance)

plt.hist(time, bins=group_num, density=True)

# 修改x轴刻度
plt.xticks(range(min(time), max(time) + 2, distance))

# 添加网格
plt.grid(linestyle="--", alpha=0.5)

# 4、显示图像
plt.show()

2.5.5 饼图（pie）

类别超过 9 个不建议用饼图，建议用柱状图；
pie(y, labels=, colors=['b','r','g','y','c','m','y','k','c','g','y'], autopct="%1.2f%%")：根据传入的数据画饼图。无返回；
- y：数量，自动计算百分比；
- labels：每部分名称；
- colors：每部分颜色；
- autopct：占比显示指定 “%1.2f%%”；
plt.axis('equal')：让横轴与纵轴保持一致，使之成为正圆。无返回；

code8 饼图（pie）代码示例

# 中文显示问题
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

# 1、准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']

place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

# 2、创建画布
plt.figure(figsize=(15, 9), dpi=80)

# 3、绘制饼图
plt.pie(place_count, labels=movie_name, colors=['b','r','g','y','c','m','y','k','c','g','y'], autopct="%1.2f%%")

# 显示图例
plt.legend()

plt.axis('equal')

# 4、显示图像
plt.show()

2.6 win10 解决中文问题

如果系统里没有对应字体，需要先下载字体，再在代码里加上下面两句；
不同系统可能有不同情况，详情请百度；

# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

3. 总结

Matplotlib 总结

最后

新人制作，如有错误，欢迎指出，感激不尽！如需转载，请标注出处！

多氯环己烷

关注

1
点赞
踩
12

收藏

觉得还不错? 一键收藏
打赏
0
评论
Python 数据挖掘 | 第1章 Jupyter 与 Matplotlib 数据分析

Python 数据挖掘 | 第1章 Jupyter 与 Matplotlib
复制链接

扫一扫

专栏目录