Intermediate Python

写在前面

       嗨呀，又到了更新的一天。翻看了前面两次的博客，发现阅读量确实没有写KNN来的多且快。看着阅读量还是挺有成就感的，所以在督促自己不断学习更新新的Python学习部分吖，早日完成基础部分的写作，提高文章的阅读量嘿哈~

       先列个大致的提纲，今天的文章主要包括两部分：

• Visualize 可视化
• store data in new data structures 也就是学习Python新的数据类型 DataFrame

Data Visualization

       这部分讲解一下Python中比较基础的可视化方法，更加进阶的可视化方法暂时还没有学到，不过在R语言中我学习过echart4r程辑包中的可视化方法，我认为这个比R自带的ggplot2更加优秀~据我所知echart在Python中也有接口，感兴趣的同学们可以自行了解一下。
       可视化有许多程序包，但一般来说它们的源头都是matplotlib，所以第一步当然需要载入程序包，然后再进行一系列的操作。

import matplotlib.pyplot as plt #这里用到的是pyplot模块
year=[1950,1970,1990,2010]
pop=[2.519,3.692,5.263,6.972]
#折线图
plt.plot(year,pop)
plt.show()
#散点图
plt.scatter(year,pop)
plt.show()
#气泡图
weight=[0.1,0.2,0.3,0.4]
plt.scatter(year,pop,s=weight)
plt.show()
#柱形图
value=[0,0.6,1.4,1.6,2.2,2.5,2.6,3.2,3.5,3.9,4.2,6]
plt.hist(value,bins=3)
plt.show()
plt.clf()#clear the current figure

       以上就是输出的4幅图片，不过关于柱形图，我想多说两句，他的原理其实是首先在一维坐标轴上确定每个区间有多少样本数，然后在以二维平面将样本数表示出来，如下图所示。在hist的命令中有一个bins的选项，这个选项就是将坐标轴区分成多少个区间，默认是10个，当然你可以进行设置，这里我就设置了3个区间。更多的选项可以参考help(plt.hist)。

       当然，作图并不是一件简单的事，你需要将图片呈现给别人，让别人看懂，那么就需要对图片进行一系列的自定义操作，比如添加轴标签，标题等，让观众能够更加清楚的了解到你想表达的想法。

plt.scatter(year,pop)
plt.xlabel('Year')#添加X轴标签
plt.ylabel('Population')#添加Y轴标签
plt.title('World Population Projections')#添加标题
plt.yticks([0,2,4,6,8,10],['0','2B','4B','6B','8B','10B'])#更改y轴坐标刻度以及标签
plt.grid