python：ggplot（2）- 图形画法

第一章：python：ggplot

第2节：python：ggplot图形画法

1，绘制散点图，geom_point()

读取外部数据进行绘图，例子：
>>> import pandas as pd
>>> from ggplot import *
>>> df=pd.read_table('C:\Users\lenovo\Desktop\mtcars.txt')
>>> df
··name type number volume size other
0 td T 96 3 20 c
1 sf F 87 5 65 c
2 cc F 79 9 80 d
#如果读取的数据没有column可以添加，例如：df.columns=['name','type','number','volume','size','other']
>>> p=ggplot(df, aes(x='number', y='volume', size='factor(size)', color='factor(other)'))+geom_point()
>>> print p

1）最简单的散点图

p=ggplot(df, aes(x='number', y='volume', size='size', color='other'))+geom_point()

2）color，size，shape的使用（对数据进行分组）

p=ggplot(aes(x='wt', y='mpg', color='cyl'), data=df)+geom_point()
如此产生的图形，其中的color颜色是一种渐变颜色，会根据“cyl”的值不同依照其值的大小，可产生颜色渐变的效果。
p=ggplot(aes(x='wt', y='mpg', color='factor(cyl)'), data=df)+geom_point()
如果color加入factor参数则产生离散型散点图效果，即图中三点颜色按照组别进行区分，不再是颜色渐变的效果

3）在数据层和几何图形层color的区别

在aes()当中color代表分类变量，使用“cyl”这个变量去当作颜色区分，而使数据进行分类，而color在geom_point()中则单纯的代表图形上色的意思。

4）透明度 alpha（作用：用于样本过多时区分具体数据）

ggplot(aes(x='carat', y='price', color='factor(color)'), data=diamonds)+geom_point()

往往在大样本量的情况下，颜色深的地方代表该位置的样本量多，而颜色浅的地方样本量少，但是如果过多的样本都集中在某个固定的狭小位置，后某些特定区域的话，由于点过多而无法区分较多的数量位点和过多的数量位点（例如100个位点和1000个位点）之间的差别。
所以要通过下面的三种方法，来解决某位点样本量过大而造成的无法区分问题。（重点）
1> alpha（利用降低透明度的方法区分样本数量）在降低透明度能够更好的区分样本数量，原本样本量达到100的位点的颜色深度会小于样本量达到1000的位点的颜色深度。而样本量为10的位点则因为透明度很低则几乎在图中看不清晰了。
代码实例：
ggplot(aes(x='carat', y='price', color='factor(color)'), data=diamonds)+geom_point(alpha=0.1)

2> geom_jitter（加入扰动，表示随机的在密集位置的旁边进行扩散，则能够将图中重复出现的点显示出来）
表示如果某位点在图表当中重复出现多次，在原来图表中该点则只显示一次，而加入扰动之后，则会将该位置重复出现的点，随机向四周移动一小段距离，这样密集点的位置会相应的扩大，这个密集的点的面积会相应增加，重复出现的数值越多，则点越大。
代码实例：
ggplot(aes(x='carat', y='price', color='factor(color)'), data=diamonds)+geom_jitter(alpha=0.1)

3> dataframe.sample() （数据抽样方法，利用pandas的数据抽样方法，随机抽取一定数量的数据进行绘图）随机抽样可得到一定的样本数，而这些样本数具有总体样本数的一些特性，用部分具有代表性的样本来反应总体的样本情况。
df1=diamonds.sample(frac=0.03) #按照比例抽样，取总体数据的0.03（3%）
df2=diamonds.sample(n=2000) #按照函数抽样，取2000行数据，当然如果数据不是随机数据那20