读书笔记数据科学入门————可视化数据

本章摘要

数据可视化是数据科学家的重要部分。创建可视化的目的：探索数据，交流数据。

本章利用一个外置的matplotlib库的配置进行可视化的初步了解

matplotlib的配置

    许多工具可以可视化数据，目前应用很广的是matplotlib库，在windows下配置该模块稍微比较麻烦，下面会一步一步讲解：

Matplotib 是python 的一个绘图库，里头有各种各样的绘图方法，可以用Matplotib 显示图像，放大图像，保存图像等等，对于OpenCV处理图像具有非常大的帮助。

如果是下载的库带有exe安装程序，可以直接进行安装，同时会定位到Python安装的位置。

如果下载的库是py文件那么需要用命令行进行安装：

Python第三方模块中一般会自带setup.py文件，在Windows环境下，我们只需要使用cmd命令：

      cd c:\python\..

      python setup.py install

那么所需要下载模块到底有哪些呢：

Numpy,SciPy,MatplotLib

下载Numpy,SciPy,MatplotLib这三个库的exe，注意，这里用的是exe，因为MatplotLib的使用需要以Numpy的支持，所以最好先装NumPy再装MatplotLib。下载地址：

NumPy: http://sourceforge.net/projects/numpy/files/NumPy/1.9.2/

SciPy: http://sourceforge.net/projects/scipy/files/scipy/0.15.1/

MatPlotLib: http://matplotlib.org/downloads.html

当出现各种报错的时候，然后进行测试的时候一般会出现很多问题都是确实某某模块的问题，这些模块举例如下：

1. No module name six

对于报这个错误的时候需要下载six模块

http://www.pythonhosted.org/six/

 解压之后，进入解压目录，命令行执行 python setup.py install 就可以安装完成。

2. ImportError: matplotlib requires dateutil

https://pypi.python.org/pypi/python-dateutil/1.4.1

同样到解压目录下，执行 python  setup.py install 同样可以安装成功，

3. ImportError: matplotlib requires pyparsing

http://sourceforge.net/projects/pyparsing/files/pyparsing/pyparsing-2.0.3/
      下载pyparsing-2.0.3.win32-py2.6.exe，双击运行，安装完成====

以上缺少的模块以及应对各种模块不同安装方法如上。

测试程序如下：

>>> from matplotlib import pyplot as plt
>>> years = [1950,1960,1970,1980,1990,2000,2010]
>>> gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3]
>>> plt.plot(years,gdp,color='green',marker='o',linestyle='solid')

>>> plt.title('GDP')

各种图形的绘制

条形图

观察离散的项目集合数量变化：

>>> movies = ["Annie","Ben-Hur","Caseblanca","Gandhi","WestSideStory"]
>>> num_oscars=[5,11,3,8,10]
>>> xs = [i+0.1 for i,_ in enumerate(moveies)]

>>> xs = [i+0.1 for i,_ in enumerate(movies)]
>>> from matplotlib import pyplot as plt
>>> plt.bar(xs,num_oscars)//设置条形图高度和宽度

>>> plt.title("love movies")
<matplotlib.text.Text object at 0x0526A150>
>>> plt.xticks([i+0.5 for i,_ in enumerate(movies)],movies)//设置X轴的变量名字
([<matplotlib.axis.XTick object at 0x050E5D30>, <matplotlib.axis.XTick object at 0x050E5D70>, <matplotlib.axis.XTick object at 0x0527A0F0>, <matplotlib.axis.XTick object at 0x052CD670>, <matplotlib.axis.XTick object at 0x052CDA10>], <a list of 5 Text xticklabel objects>)
>>> plt.show()

条形图主要用来绘制拥有大量数值取值的变量直方图，探索取值是如何分布的。其中bar函数参数中宽度设置了左移变量是为了使中心在某处。

函数plt.axis([2012.5,2014.5,499,506])显示的是横轴2013到2014而纵轴是499到506

线图

如果为了表示某种事物的趋势，那么可以采用线图。

首先进行数据的读取：

>>> variance = [1,2,4,8,16,32,64,128,256]
>>> bias_squared=[256,128,64,32,16,8,4,2,1]
>>> total_error=[x+y for x,y in zip(variance,bias_squared)]
>>> total_error
[257, 130, 68, 40, 32, 40, 68, 130, 257]
>>> xs = [i for i,_ in enumerate(variance)]
>>> xs
[0, 1, 2, 3, 4, 5, 6, 7, 8]

然后进行绘制偏差方差的权衡图

同一个图上显示多个序列：

>>> plt.plot(xs,variance,'g-',label='variance')
[<matplotlib.lines.Line2D object at 0x055190B0>]
>>> plt.plot(xs,bias_squared,'r-',label='bias^2')

>>> plt.plot(xs,total_error,'b:',label='total_error')
[<matplotlib.lines.Line2D object at 0x05519590>]
>>> plt.legend(loc=9)
<matplotlib.legend.Legend object at 0x05519C10>

>>> plt.title('bias variance')
<matplotlib.text.Text object at 0x054FE050>
>>> plt.show()

散点图

散点图是显示成对数据集的可视化关系的选择，比如你的用户已有的朋友数目和他们每天花在网站上分钟数

>>> friends=[70,65,72,63,71,64,60,64,67]
>>> minutes=[175,170,205,120,220,130,105,145,190]
>>> labels = ['a','b','c','d','e','f','g','h','i']
>>> plt.scatter(friends,minutes)
<matplotlib.collections.PathCollection object at 0x050FCF10>
>>> plt.title('minutes and friends')
<matplotlib.text.Text object at 0x0510C530>
>>> plt.xlabel('friends')
<matplotlib.text.Text object at 0x053C7A50>
>>> plt.ylabel('minutes')
<matplotlib.text.Text object at 0x052CD9F0>
>>> plt.show()