第十四、十五讲 数据可视化

数据可视化视图有很多，需要掌握视图的使用和其背后的目的，包括以下九种情况：

需要思考，用户是谁，想呈现的内容，突出数据怎样的特点，以及采用哪种视图呈现。

可视化工具

工具分为以下几类：
商业智能分析软件、可视化大屏、前端可视化组件和编程语言类。
1、商业智能分析
Tableau、PowerBI和中国软帆的FineBI
2、可视化大屏类
DataV、FineReport
3.前端可视化组件
基于Web渲染技术：Canvas(适用于位图)、SVG（可缩放矢量图）、WebGL(3D绘图协议)
可视化组件：Echarts、D3、Three.js和AntV
4、编程语言
Python的可视化库，如Matplotlib(基础)和Seaborn（高级）
R语言可视化库，自带绘图包Graphics及工具包ggplot2等

Python数据可视化

可视化视图可分为4类：
1、比较：比较数据间各类别的关系，或随时间变化的趋势，如折线图。
2、联系：观察两个或两个以上变量之间的关系，如散点图。
3、构成：每个部分占整体的百分比，或随时间的百分比变化，如饼图。
4、分布：关注单个变量或者多个变量的分布情况，如直方图。
按照变量个数，可视化视图可分为单变量分析和多变量分析。
下面介绍以下10种视图

1、散点图
scatter plot，将两个变量的值显示在二维坐标中，适合展示两个变量的关系，还有三维散点图。
可以采用两种方法绘制：(Matplotlib或Seaborn)

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
N=1000
x=np.random.randn(N)
y=np.random.randn(N)
plt.scatter(x,y,marker='x')
plt.show()
df=pd.DataFrame({'x':x,'y':y})
sns.jointplot(x='x',y='y',data=df,kind='scatter')
plt.show()

结果如下：
matplotlib

seaborn

2、折线图
可以用来表示数据随时间变化趋势。
同样可以用Matplotlib或Seaborn进行画图。

x=[2010,2011,2012,2013,2014,2015,2016,2017,2018]
y=[5,3,6,20,17,16,30,32,35]
plt.plot(x,y)
plt.show()
df=pd.DataFrame({'x':x,'y':y})
sns.lineplot(x='x',y='y',data=df)
plt.show()

3、直方图
将横坐标分成一定数量的小区间，用矩形条表示个数

a=np.random.randn(100)
s=pd.Series(a)
plt.hist(a)
plt.show()
sns.distplot(s,kde=False)
plt.show()
sns.distplot(s,kde=True) #通过核函数估计概率密度
plt.show()

4、条形图
查看类别的特征，宽度表示类别，长度表示类别的频数.

x=['Cat1','Cat2','Cat3','Cat4','Cat5']
y=[5,4,8,12,7]
plt.bar(range(5),y,width=0.8,align = 'center')
plt.xticks(range(5),x)
plt.show()
sns.barplot(x,y)
plt.show()

需要注意的是：bar()函数不能直接分类,它的横坐标仍然是标量刻度,要用xticks来映射分类（原专栏中代码有错误）。

5、箱线图
又称盒式图，由五个数值点组成：最大值（max）、最小值(min)、中位数(median)和上下四分位数（Q3,Q1）。可以分析出数据的差异性、离散程度和异常值等。

data=np.random.normal(size=(10,4))
lables=['A','B','C','D']
plt.boxplot(data,labels=lables)
plt.show()
df=pd.DataFrame(data,columns=lables)
sns.boxplot(data=df)
plt.show()

箱线图注解：

6、饼图
每个部分与总和的比例

nums=[25,37,33,37,6]
labels=['High-school','Bachelor','Master','Ph.d','Others']
plt.pie(x=nums,labels=labels)
plt.show()

7、热力图
heat map,一种矩阵表示方法，直观的多元变量分析方法。用颜色代表矩阵的元素值。

flights=sns.load_dataset('flights') #自带数据集，记录了1949到1960年期间，每个月航班乘客数量
data=flights.pivot('year','month','passengers')#索引名、列名、值。
ax = sns.heatmap(flights, annot=True,fmt="d",linewidth=0.5) #annot指定是否显示数据，fmt指定数据的显示格式,linewidth指定数据格子间的距离
plt.show()

颜色越浅，数量越多。

8、蜘蛛图
显示一对多关系的方法。一个变量相对于另一个变量的显著性。
使用Matplotlib画图，首先设置两个数组：labels(属性名称)、stats(属性值)。
准备angles数组，作为坐标角度，用stats数组设定统计结果数值，并且在原有的两个数组上增添一位，即添加数组的第一个元素（画完最后一个点后，要与第一个点进行连线）。

from matplotlib.font_manager import FontProperties  
labels=np.array(['推进','KDA','生存','团战','发育','输出'])#设置雷达各个顶点的名称
stats=[83,61,95,67,76,88]
angles=np.linspace(0,2*np.pi,len(labels),endpoint=False)#在[0,2*pi]中返回均匀分布的样本，个数为6，endpoint为false则不包括stop（圆，stop与start重合）
stats=np.concatenate((stats,[stats[0]]),axis=0) #闭合，默认axis=0
angles=np.concatenate((angles,[angles[0]]))
fig=plt.figure() #创建空白figure对象
ax=fig.add_subplot(111,polar=True) #极坐标子图，位置111
ax.plot(angles,stats,'o-',linewidth=2,color='r')#画线
ax.fill(angles,stats,facecolor='r',alpha=0.25)#填充
font=FontProperties(fname="C:\Windows\Fonts\simhei.ttf",size=14)#设置中文字体
ax.set_thetagrids(angles*180/np.pi,labels,fontproperties=font)
plt.show()

9、二元变量分布
两个变量之间的关系，需要用到二元变量分布，散点图就是一种二元变量分布。
在Seaborn里用sns.jointplot(x,y,data=Nane,kind)函数即可，kind='scatter’表示散点图，kind='kde’表示核密度图，kind='hex’表示Hexbin图（直方图的二维模拟）

tips=sns.load_dataset('tips')
print(tips.head(10))
sns.jointplot(x='total_bill',y='tip',data=tips,kind='scatter')
sns.jointplot(x='total_bill',y='tip',data=tips,kind='kde')
sns.jointplot(x='total_bill',y='tip',data=tips,kind='hex')
plt.show()

散点图：

核密度图：

Hexbin图：

10、成对关系
数据集中多个成对变量的分布，可直接采用sns.pairplot()函数，会同时展示出df中每对变量的关系，另外在对角线上，是每个变量自身作为单变量的分布情况。

iris=sns.load_dataset('iris')
sns.pairplot(iris)
plt.show()

总结：