一、前言
在本学期的python数据分析可视化学习中,我了解到python数据分析的强大之处,它可以画图,可以做可视化的大屏,来提供给我们更可观的数据,python数据分析可视化是利用Python编程语言进行数据处理、转换、清洗、可视化和建模的过程。
一、易学易用
Python编程语言以其简洁而易于理解的语法而闻名。相对于其他编程语言来说,Python的语法更加清晰简洁,代码可读性高。这意味着即使你没有编程经验,也可以很快上手Python编程,并且写出高效的数据分析代码。Python的语法设计具有直观性,使得初学者可以很快理解和掌握编程的基本概念。因此,使用Python进行数据分析对于初学者来说是非常友好的。
二、丰富的数据
分析库 Python拥有广泛的数据分析库,如NumPy、Pandas、SciPy和Matplotlib等。这些库提供了丰富的功能,可以处理和分析各种类型的数据。NumPy库提供了高效的数值计算功能,Pandas库则提供了数据结构和数据分析工具,SciPy库提供了科学计算和统计分析的方法,而Matplotlib库则提供了强大的数据可视化功能。这些库的存在极大地简化了数据分析的过程,使得分析人员可以更加专注于问题本身,而不必花费大量时间在编写基础代码上。
三、强大的可视化能力
数据可视化在数据分析中起着非常重要的作用。Python编程语言提供了丰富的数据可视化库,如Matplotlib、Seaborn、Plotly等。这些库提供了各种各样的绘图方法和工具,可以绘制出高质量、美观的图表和可视化效果。通过数据可视化,分析人员可以更直观地理解数据的特征、趋势和关系,从而更好地进行数据分析和决策。
二、Python的核心数据分析支持库
Pandas是Python的核心数据分析支持库,它能够提供大量能使我们快速便捷地处理数据的函数和方法。
1.Pandas概述
Pandas是数据分析的三大剑客之一,它能处理有序和无序的时间序列数据,带行、列标签的矩阵数据,处理浮点和非浮点数据里的缺失数据,表示为NaN
2.数据结构
Series:一维数组,与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型,字符串、boolean值、数字等都能保存在Series中。
Time- Series:以时间为索引的Series。
DataFrame:二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel :三维的数组,可以理解为DataFrame的容器。
Panel4D:是像Panel一样的4维数据容器。
PanelND:拥有factory集合,可以创建像Panel4D一样N维命名容器的模块。
————————————————
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
原文链接:https://blog.csdn.net/a2516531763/article/details/134887138
一、数据可视化介绍
数据可视化是指将数据放在可视环境中、进一步理解数据的技术,可以通过它更加详细地了解隐藏在数据表面之下的模式、趋势和相关性。
Python提供了很多数据可视化的库:
- matplotlib
-
matlpotlib和pandas结合
利用pandas进行数据读取、数据清洗和数据选取等操作,再使用matlpotlib显示数据。
1.matplotlib简介和简单使用
matplotlib是Python最著名的绘图库,它提供了一整套和Matlab相似的命令API,十分适合
交互式地进行制图;也可以方便地将它作为绘图控件,嵌入GUI应用程序中。
文档相当完备,并且Gallery页面中有上百幅缩略图,打开之后都有源代码。如果需要绘制某种类型的图,只需要在这个页面中进行简单的浏览、复制、粘贴,就能实现画图。
matplotlib画图的子库:
- pyplot子库
提供了和matlab类似的绘图API,方便用户快速绘制2D图表。 - pylab模块
其中包括了许多numpy和pyplot中常用的函数,方便用户快速进行计算和绘图,可以用于IPython中的快速交互式使用。
使用matplotlib快速绘图导入库和创建绘图对象如下:
import matplotlib.pyplot as plt
plt.figure(figsize=(8,4))
创建绘图对象时,同时使它成为当前的绘图对象。
通过figsize参数可以指定绘图对象的宽度和高度,单位为英寸;
dpi参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80。
因此本例中所创建的图表窗口的宽度为8 * 80 = 640像素。
也可以不创建绘图对象直接调用plot方法绘图,matplotlib会自动创建一个绘图对象。
如果需要同时绘制多幅图表的话,可以给figure传递一个整数参数指定图标的序号,如果所指定序号的绘图对象已经存在的话,将不创建新的对象,而只是让它成为当前绘图对象。
pyplot画图简单使用如下:
import numpy as np
import matplotlib.pyplot as plt # 首先载入matplotlib的绘图模块pyplot,并且重命名为plt
x = np.linspace(0, 10, 1000)
y = np.sin(x)
z = np.cos(x**2)
plt.figure(figsize=(8,4)) #2 创建绘图对象
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")
plt.xlabel("Time(s)")
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.ylim(-1.2,1.2)
plt.legend()
plt.show()
显示:
其中:
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")
第一行将x、y数组传递给plot之后,用关键字参数指定各种属性:
- label
给所绘制的曲线取一个名字,用于在图示(legend)中显示;
在字符串前后添加$符号,就会使用内置的latex引擎绘制数学公式。 - color
指定曲线的颜色:颜色可以用英文单词,或者以#字符开头的三个16进制数,例如#ff0000表示红色,或者用值在0到1范围之内的三个元素的元组表示,例如(1.0, 0.0, 0.0)也表示红色。 - linewidth
指定曲线的宽度,可以不是整数,也可以使用缩写形式的参数名lw。 - 曲线样式
第三个参数b--指定曲线的颜色和线型,它通过一些易记的符号指定曲线的样式,其中b表示蓝色,–表示线型为虚线。
在IPython中输入plt.plot?可以查看格式化字符串以及各个参数的详细说明。
plt.xlabel("Time(s)")
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.ylim(-1.2,1.2)
plt.legend()
通过一系列函数设置当前Axes对象的各个属性:
- xlabel、ylabel
分别设置X、Y轴的标题文字。 - title
设置子图的标题。 - xlim、ylim
分别设置X、Y轴的显示范围。 - legend
显示图示,即图中表示每条曲线的标签(label)和样式的矩形区域。
最后调用plt.show()显示出绘图窗口。
一个绘图对象(figure)可以包含多个轴(axis),在Matplotlib中用轴表示一个绘图区域,可以将其理解为子图。上面的第一个例子中,绘图对象只包括一个轴,因此只显示了一个轴(子图Axes)。可以使用subplot函数快速绘制有多个轴的图表。
subplot函数的调用形式如下:
subplot(numRows, numCols, plotNum)
subplot将整个绘图区域等分为numRows行和numCols列个子区域,然后按照从左到右、从上到下的顺序对每个子区域进行编号,左上的子区域的编号为1。
如果numRows、numCols和plotNum这三个数都小于10的话,可以把它们缩写为一个整数,例如subplot(323)和subplot(3,2,3)是相同的。
subplot在plotNum指定的区域中创建一个轴对象,如果新创建的轴和之前创建的轴重叠,之前的轴将被删除。
如下:
for idx, color in enumerate("rgbyck"):
plt.subplot(320+idx+1, facecolor=color)
plt.show()
显示:
可以看到:
创建3行2列共6个轴,通过facecolor参数给每个轴设置不同的背景颜色。
如果希望某个轴占据整个行或者列的话,可以如下:
plt.subplot(221) # 第一行的左图
plt.subplot(222) # 第一行的右图
plt.subplot(212) # 第二整行
plt.show()
显示:
再举一个创建子图的例子:
plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2
ax1 = plt.subplot(211) # 在图表2中创建子图1
ax2 = plt.subplot(212) # 在图表2中创建子图2
x = np.linspace(0, 3, 100)
for i in range(5):
plt.figure(1) # 选择图表1
plt.plot(x, np.exp(i*x/3))
plt.sca(ax1) # 选择图表2的子图1 Set the current Axes instance to ax.
plt.plot(x, np.sin(i*x))
plt.sca(ax2) # 选择图表2的子图2
plt.plot(x, np.cos(i*x))
plt.show()
显示:
首先通过figure()创建了两个图表,它们的序号分别为1和2;
然后在图表2中创建了上下并排的两个子图,并用变量ax1和ax2保存。
在循环中:
先调用figure(1)让图表1成为当前图表,并在其中绘图。
然后调用sca(ax1)和sca(ax2)分别让子图ax1和ax2成为当前子图,并在其中绘图。
当它们成为当前子图时,包含它们的图表2也自动成为当前图表,因此不需要调用figure(2)依次在图表1和图表2的两个子图之间切换,逐步在其中添加新的曲线即可。
其中,twinx()可以为图增加纵坐标轴,使用如下:
x = np.arange(1, 21, 0.1)
y1 = x * x
y2 = np.log(x)
plt.plot(x, y1)
# 添加一条y轴的坐标轴
plt.twinx()
plt.plot(x, y2)
plt.show()
显示:
进一步使用如下:
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1, 20, 1)
y1 = x * x
y2 = np.log(x)
fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x, y1, label = "$y1 = x * x$", color = "r")
ax1.legend(loc = 0)
# 设置对应坐标轴的名称
ax1.set_ylabel("y1")
ax1.set_xlabel("Compare y1 and y2")
# 设置x轴刻度的数量
ax = plt.gca()
ax.locator_params("x", nbins = 20)
# 添加坐标轴,并在新添加的坐标轴中画y2 = log(x)图像
ax2 = plt.twinx()
ax2.set_ylabel("y2")
ax2.plot(x, y2, label = "$y2 = log(x)$")
ax2.legend(loc = 0)
plt.show()
显示:
2.matplotlib常见作图类型
画图在工作中在所难免,尤其在进行数据探索时显得尤其重要,matplotlib常见的一些作图种类如下:
- 散点图
- 条形图
- 饼图
- 三维图
先导入库和基础配置如下:
from __future__ import division
from numpy.random import randn
import numpy as np
import os
import matplotlib.pyplot as plt
np.random.seed(12345)
plt.rc('figure', figsize=(10, 6))
from pandas import Series, DataFrame
import pandas as pd
np.set_printoptions(precision=4)
get_ipython().magic(u'matplotlib inline')
get_ipython().magic(u'pwd')
打印:
'XXX\\3_Visualization_Of_Data_Analysis\\basicuse'
基础画图如下:
# matplotlib创建图表
plt.plot([1,2,3,2,3,2,2,1])
plt.show()
plt.plot([4,3,2,1],[1,2,3,4])
plt.show()
显示:
画三角函数曲线如下:
# 画简单的图形
from pylab import *
x=np.linspace(-np.pi,np.pi,256,endpoint=True)
c,s=np.cos(x),np.sin(x)
plot(x,c, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(x,s,color="red", linewidth=2.5, linestyle="-", label="sine")
show()
显示:
画散点图如下:
# 散点图
from pylab import *
n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
scatter(X,Y)
show()
显示:
画条形图如下:
#条形图
from pylab import *
n = 12
X = np.arange(n)
Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
for x,y in zip(X,Y1):
text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')
ylim(-1.25,+1.25)
show()
显示:
饼图如下:
#饼图
from pylab import *
n = 20
Z = np.random.uniform(0,1,n)
pie(Z)
show()
显示:
画立体图如下:
#画三维图
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
from pylab import *
fig=figure()
ax=Axes3D(fig)
x=np.arange(-4,4,0.1)
y=np.arange(-4,4,0.1)
x,y=np.meshgrid(x,y)
R=np.sqrt(x**2+y**2)
z=np.sin(R)
ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap='hot')
show()
显示:
画其他简单图形如下:
#更多简单的图形
x = [1,2,3,4]
y = [5,4,3,2]
plt.figure()
plt.subplot(2,3,1)
plt.plot(x, y)
plt.subplot(232)
plt.bar(x, y)
plt.subplot(233)
plt.barh(x, y)
plt.subplot(234)
plt.bar(x, y)
y1 = [7,8,5,3]
plt.bar(x, y1, bottom=y, color = 'r')
plt.subplot(235)
plt.boxplot(x)
plt.subplot(236)
plt.scatter(x,y)
plt.show()
显示:
3.使用pandas画图
pandas中画图的主要类型包括:
- 累和图
- 柱状图
- 散点图
- 饼图
- 矩阵散点图
先导入所需要的库:
from __future__ import division
from numpy.random import randn
import numpy as np
import os
import matplotlib.pyplot as plt
np.random.seed(12345)
from pandas import Series, DataFrame
import pandas as pd
%matplotlib inline
在pandas中,有行标签、列标签和分组信息等,如果使用matplotlib画图,可能需要一大堆的代码,现在调用Pandas的plot()方法即可简单实现。
画简单线图如下:
#线图
s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()
plt.show()
显示:
pandas.Series.plot()的常见参数及说明如下:
参数说明参数说明label用于图例的标签ax要在其上进行绘制的matplotlib subplot对象,如果没有设置,则使用当前matplotlib subplotstyle将要传给matplotlib的风格字符串,例如'ko-'alpha图表的填充不透明(0-1)kind可以是'line'、'bar'、'barh'、'kde'logy在Y轴上使用对数标尺use_index将对象的索引用作刻度标签rot旋转刻度标签(0-360)xticks用作X轴刻度的值yticks用作Y轴刻度的值xlimX轴的界限ylimY轴的界限grid显示轴网格线
Pandas的大部分绘图方法都有一个可选的ax参数,它可以是一个matplotlib的subplot对象,从而能够在网络布局中更为灵活地处理subplot的位置。DataFrame的plot方法会在一个subplot中为各列绘制一条线,并自动创建图例。
画多列线图如下:
df = DataFrame(np.random.randn(10, 4).cumsum(0),
columns=['A', 'B', 'C', 'D'],
index=np.arange(0, 100, 10))
df.plot()
plt.show()
显示:
相对于Series,DataFrame还有一些用于对列进行灵活处理的选项,例如要将所有列都绘制到一个subplot中还是创建各自的subplot等,具体如下:
参数 | 说明 |
subplots | 将各个DataFrame列绘制到单独的subplot中 |
sharex | 将supblots=True,则共同用一个X轴,包括刻度和界限 |
sharey | 将supblots=True,则共同用一个Y轴,包括刻度和界限 |
figsize | 表示图像大小的元组 |
title | 表示图像标题的字符串 |
legend | 添加一个subplot图例(默认为True) |
sort_columnne | 以字母表顺序绘制各列,默认使用前列顺序 |
画简单累和图如下:
#线图 CUM
plt.close('all')
s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()
plt.show()
显示: