数据可视化

数据可视化

数据可视化指的是通过可视化表示来探索数据，它与数据挖掘紧密相关，而数据挖掘指的是使用代码来探索数据集的规律和关联。

1.matplotlib

pip install matplotlib 即可

使用时导入包,

import matplotlib.pyplot as plt

2.折线图

使用平方数序列1,4,9,25来绘制图表

import matplotlib.pyplot as plt
squares=[1,4,9,16,25]
plt.plot(squares)
plt.show()

工作原理是将列表的数据传递给函数plot()，函数会根据这些数字绘制出有意义的图形,plt.show()打开matplotlib查看器，并显示绘制的图形。

2.1 修改标签文字和线条粗细

通过修改plt函数的一些参数，可以调整图像的标签，文字大小等

import matplotlib.pyplot as plt
squares=[1,4,9,16,25]
plt.plot(squares,linewidth=5)  #linewidth决定绘制线条的粗细。

# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers",fontsize=24)  #fontsize文字大小  标题
plt.xlabel("Value",fontsize=14)   # x轴
plt.ylabel("square of Value",fontsize=14) # y轴

# 设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14)   #axis,影响的范围，这里设置的是both，全部，也可以单独设置，x,y

plt.show()

2.2 校正图形

图像没有正确的对应，4的平方显示25.

当你向plt()提供一系列数字时，它假设第一个数据点对应的x坐标为0，但我们的第一个点对应的x值为1.为改变这种默认行为，我们可以给plot()同时提供输入值和输出值

import matplotlib.pyplot as plt
input_values=[1,2,3,4,5]      # 设置输入值，前面没有设置
squares=[1,4,9,16,25]         # 输出值，即是y轴
plt.plot(input_values,squares,linewidth=5)

# 设置图表标题并给坐标轴加上标签
plt.title('Square Number',fontsize=24)
plt.ylabel('seqare of Value',fontsize=14)
plt.xlabel('value',fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14)

plt.show()

2.3 使用scatter()绘制散点图并设置其样式

当要绘制散点图时，可使用函数scatter()

import matplotlib.pyplot as plt

plt.scatter(2,4)
plt.show()

plt.scatter(2,4,s=100)  # s是点的大小
 # 设置x，y及其标题标签
plt.title('Sqare Numbers',fontsize=24)
plt.ylabel('sqare of value',fontsize=14)
plt.xlabel('value',fontsize=14)
# 设置刻度大小
plt.tick_params(axis='both',labelsize=14)
plt.show()

2.4 使用scatter()绘制一系列点

要绘制一系列的点，可向scatter()传递两个包含x值和y值的列表

import matplotlib.pyplot as plt
x_values=[1,2,3,4,5]
y_values=[1,4,9,16,25]
plt.scatter(x_values,y_values,s=100)

plt.title('Square Number',fontsize=24)
plt.ylabel('square of value',fontsize=14)
plt.xlabel('value',fontsize=14)
plt.tick_params(axis='both',labelsize=14)
plt.show()

2.5 自动计算数据

使用python循环输入点的信息

import matplotlib.pyplot as plt

x_values=list(range(1,10001))
y_values=[x**2 for x in x_values]

plt.scatter(x_values,y_values,s=40)

plt.title('Square Number',Fontsize=24)
plt.ylabel('square of value',Fontsize=14)
plt.xlabel('value',Fontsize=14)

plt.tick_params(axis='both',labelsize=14)
plt.show()

2.6 删除点的轮廓

绘制散点图时，默认点为蓝色点和黑色轮廓,当数据点很多的时候，黑色轮廓可能会连黏连在一起。要删除数据点的轮廓，可在调用scatter()时传递实参edgecolor=‘none’：

plt.scatter(x_values,y_values,edgecolors='none',s=40)

2.7 自定义颜色

要修改数据点的颜色，可向scatter()传递参数c，并将其设置为要使用的颜色的名称

import matplotlib.pyplot as plt
x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]

plt.scatter(x_values,y_values,c='red',edgecolors='none',s=40)  # 参数edgecolors 数据轮廓,参数c指定颜色，参数c还可以使用RGB颜色模式自定义颜色

plt.title('Square Number',fontsize=24)
plt.ylabel('square of value',fontsize=14)
plt.xlabel('value',fontsize=14)

plt.tick_params(axis='both',labelsize=14)


plt.show()

plt.scatter(x_values,y_values,c=(0,0,0.8),edgecolors='none',s=40)  # 参数edgecolors 数据轮廓,参数c指定颜色，参数c还可以使用RGB颜色模式自定义颜色

plt.title('Square Number',fontsize=24)
plt.ylabel('square of value',fontsize=14)
plt.xlabel('value',fontsize=14)

plt.tick_params(axis='both',labelsize=14)
plt.show()

2.8 使用颜色映射

颜色映射(colormap)时一系列颜色，他们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值.

# 使用颜色映射
# 颜色映射(colormap)是一系列颜色，他们从起始颜色渐变到结束颜色。
# 在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值

import matplotlib.pyplot as plt

x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]

plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Reds,edgecolors='none',s=40)  #c=y_values指的是根据y的值改变颜色，camp参数

plt.title('Square Numbaer',fontsize=24)
plt.ylabel('square of value',fontsize=14)
plt.xlabel('value',fontsize=14)
plt.tick_params(axis='both',labelsize=14)
# plt.show()
# 自动保存文件
plt.savefig('1.png',bbox_inches='tight')

2.9 自动保存文件

要让程序自动将图表保存到文件中，可将对plt.show()的调用替换为对plt.savefig()的调用

plt.savefig('1.png',bbox_inches='tight')

第一个实参设置文件地址和文件类型，这样会保存在和代码同一目录下，第二个实参指定将图表多余的空白区域裁剪掉。

2.10 practice 立方

数字的三次方被称为其立方。请绘制一个图形，显示前5个整数的立方值，再绘制一个图形，显示前5000个整数的立方值。

import matplotlib.pyplot as plt
x_values=list(range(1,6))
y=[x*x*x for x in x_values]
plt.scatter(x_values,y,c='red',s=40) #plot折线图，scatter 散点图

plt.title('Square Number',Fontsize=24)
plt.ylabel('square of value',fontsize=14)
plt.xlabel('value',fontsize=14)
plt.tick_params(axis='both',labelsize=14)
plt.show()

x_values=list(range(1,5001))
y=[x*x*x for x in x_values]
plt.scatter(x_values,y,c=y,cmap=plt.cm.Greens,edgecolors='None',s=40)
plt.title('Square Number',Fontsize=24)
plt.ylabel('square of value',fontsize=14)
plt.xlabel('value',fontsize=14)
plt.tick_params(axis='both',labelsize=14)
plt.show()