Python高级--数据分析（pandas + matplotlib 绘图）

一、matplotlib 库

一个用来绘图的库
import matplotlib.pyplot as plt

1）plt.imread(“图片路径”)

功能: 将图片加载后返回一个维数组

>>> jin = plt.imread("./jin.png")
>>> jin
array([[[0.24313726, 0.24313726, 0.24705882],        
        ...,

        [0.7294118 , 0.7294118 , 0.7294118 ]]], dtype=float32)

>>> jin.shpae
(273, 411, 3)
'''
这是一个三维数组
第一层代表将图片分成273行,
第二层代表将图片的第一层的每一行分为411列,
第三层代表将每一像素点中的(R,G,B)

注意:有些图片加载后最内层有4个元素,分别是(R,G,B,A[阿尔法/透明度])

'''

2）plt.imshow(ndarray)显示图片

功能: 将多维数组渲染为一张图片

>>> plt.imshow(nd)  #将加载后的多维数组传入就可以将图片渲染出来
'''
有的图片加载出来之后数据范围在0-255之间的需要将数据/255之后转化为0-1之间的就可以和0-1的图片进行合并操作
'''

这里就可以将图片进行处理(反转,拉伸,改色)等操作

3）plt.imsave(ndarray)保存图片

plt.imsave(ndarray)
默认保存到当前路径

plt.imsave('图片名称.png',图片数据,cmap='gray')    #保存图片
cmap:将图片保存为黑白图片

二、Pandas绘图

1.绘制简单的线型图

1.1）简单的Series图表示例 .plot()

绘制正弦曲线

# 正弦曲线
x = np.linspace(0,2*np.pi,100)      # 从0 到 2π  取100份
y = np.sin(x)                       # y 为sin(x) 的值
s = Series(data=y,index=x)          # 构建一个Series对象
s.plot()                  # 使用Series的plot()方法

`

1.2) 两个Series绘制的曲线可以叠加

2）简单的DataFrame图表示例 .plot()

绘制余弦曲线

x = np.linspace(0,2*np.pi,100)          # 从0 到 2π  取100份
df = DataFrame(data={'sin':np.sin(x),'cos':np.cos(x)},index=x)   #创建DataFrame对象
df.plot()

2.数据驱动的线型图(分析苹果股票)

导包

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

1.读取数据

• 读取文件AAPL.csv

df = pd.read_csv('./data/AAPL.csv')
df.head()

2.检查数据类型

df.dtypes

Date          object       #时间的数据类型为对象,在使用中需要做处理
Open         float64
High         float64
Low          float64
Close        float64
Adj Close    float64
Volume       float64
dtype: object

3.将’Date’这行数据转换为时间数据类型

pd.to_datetime(Series对象)
功能: 将Series转换为时间数据类型

df['Date']  # 这一列获取出来是一个Series
type(df['Date'])
df['Date'] = pd.to_datetime(df['Date'])

df.dtypes

Date         datetime64[ns]  #此时已经是时间类型的数据了
Open                float64
High                float64
Low                 float64
Close               float64
Adj Close           float64
Volume              float64
dtype: object

4.将’Date’设置为行索引

df.set_index('Date',inplace=True)
'''
inplace:改变原来的变量的值
'''

5.绘制图形，以字段Adj Close(已调整收盘价格)为数据绘制

df['Adj Close'].plot()

3.绘制简单的柱状图

1) Series柱状图示例,kind = ‘bar’/’barh’

随机产生5个数,对其绘制纵向柱状图

'''
data:  生成之后为Y轴的数据
index: 生成之后为X轴的索引
'''
s = Series(data=np.random.randint(0,10,size=5),index=list('abcde'))  #随机产生5个数
s.plot(kind='bar')

随机产生5个数,对其绘制横向柱状图

'''
data:  生成之后为Y轴的数据
index: 生成之后为X轴的索引
'''
s = Series(data=np.random.randint(0,10,size=5),index=list('abcde'))  
s.plot(kind='barh')

2) DataFrame柱状图示例

随机产生一个二维数组,并绘制纵向(kind=’bar’)柱状图

'''
index: 生成数据X轴的索引
columns: 特征的名称
'''
df = DataFrame(np.random.randint(0,10,size=(8,4)),index=list('abcdefgh'),columns=list('ABCD'))
df.plot(kind='bar')

随机产生一个二维数组,并绘制横向(kind=’barh’)柱状图

4.绘制简单的直方图

直方图
直方图(Histogram)又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。

s = Series(np.random.normal(loc=0,scale=5,size=10000))    # normal 正态分布
s.hist()
#这里模拟出一组以0为中心,标准差为5的正态分布数据, 绘制出的直方图如下

5.绘制简单的核密度(“ked”)图

核心密度估计:对分布的图进行估计核心
我们继续使用刚刚直方图的 Series的正态分布数据

Series(np.random.normal(loc=0,scale=5,size=10000))    
s.plot(kind='kde')

直方图一般和核密度图常常被画在一起,既展示出频率,又展示出了概率

有两组数组，我们将这两组数据连接成为一个。
分析这组新数据

ndarr1 = np.random.normal(loc=-10,scale=5,size=5000)  #第一组数据
ndarr2 = np.random.normal(loc=15,scale=2,size=5000)  第二组数据
ndarr = np.concatenate([ndarr1,ndarr2])   #将两组数据合为一组
s = Series(ndarr)    #生成Series对象
s.plot(kind='kde')  # 核心 密度 估计 用来展示某个位置出现内容的概率的估计值
s.hist(density=True)  # density表示直方图也以 密度概率的值来展示  hist用来展示某个位置出现内容的实际频率
#展示效果如下

'''
s.plot(kind='kde')  展示某个位置的估计值
s.hist(density=True)  表示某个位置出现内容的实际频率
'''

6.绘制简单的散点图

散布图是观察两个一维数据数列之间的关系的有效方法

示例数据

df = DataFrame(np.random.randint(0,150,size=(20,3)),columns=['python','math','eng'])
df   #模拟一个DataFrame数据，列名为'python','math','eng'

    python  math    eng
0   141     41      55
1   37      76      96
2   61      28      135
。。。
17  124     103     83
18  86      47      44
19  35      85      85

将这组数据生成散点图

df.plot(kind='scatter',x='python',y='eng')
# kind = 'scatter'  ， 给明标签columns

这样其实是没有什么实际的意义的
现在我们再加一列和“python”相关的数据

np.random.randint(-10,10,1)[0]   # 0-10之间 随机取一个数
df['php'] = df['python'].map(lambda x: x*0.9+np.random.randint(-10,10,1)[0])
df

    python  math    eng php
0   121     67      15  113.9
1   148     33      149 123.2
。。。
18  79      77      108 74.1
19  105     107     53  102.5

我们从数据是很难看出来python和php有什么关系
这时我们就可以用散点图来绘制出观察

可以看出有python的值增大，php的值也会增大。