可视化案例练习题目（基于Matplotlib）-- 考前照猫画虎写代码

 前提：要不是期末考试，我都以为我是学软件工程的，忘了自己是大数据专业的娃娃   )：

没办法，我试图用几天的时间学会数据处理，看在我这么兢兢业业的分儿上，锦鲤附体，考神保佑我过吧！！！

这些代码都是在jupyter notebook上面写的，最后转成md格式

首先，来个万能开头：

%matplotlib inline #基于jupyter notebook
import matplotlib as mpl
from matplotlib import pyplot as plt
import seaborn as sns
import pandas as pd

练习1：航班乘客变化分析

data = pd.read_csv("flights.csv")
data.head()
# 年份，月份，乘客数

1. 分析年度乘客总量变化情况

2. 分析乘客在一年中各月份的分布

代码如下：

ex11 = data.groupby('year').sum()
ex12 = data.groupby('month').sum()
plt.figure(figsize=(30,10),dpi=80)
plt.subplot(1,2,1)
plt.plot(ex11['passengers'])
plt.title('The number of paszengera in each year')
plt.xlabel('year')
plt.ylabel('number')
plt.xticks(ex11.index)

plt.subplot(1,2,2)
x = [i+1 for i in range(len(ex12['passengers']))]
plt.bar(x,ex12['passengers'].values)
plt.title('The number of passengers in each month')
plt.xlabel('month')
plt.ylabel('number')
plt.xticks(x)
plt.show()

                                    图1-1                                                                       图 1-2         

练习2：鸢尾花花型尺寸分析

• 萼片（sepal）和花瓣（petal）的大小关系
• 不同种类（species）鸢尾花萼片和花瓣的大小关系
• 不同种类鸢尾花萼片和花瓣大小的分布情况

#data = sns.load_dataset("iris")
data = pd.read_csv("iris.csv")
data.head()
# 萼片长度，萼片宽度，花瓣长度，花瓣宽度，种类

 # 萼片（sepal）和花瓣（petal）的大小关系（散点图）

def scatterplot1(x,y,n, x_data, y_data, x_label, y_label, title):    
    plt.subplot(x,y,n)    
    #plt.figure(figsize=(10,10))    
    plt.scatter(x_data, y_data, s=10, color = '#539caf', alpha=0.75)    
    plt.title(title)    
    plt.xlabel(x_label)    
    plt.ylabel(y_label)    
    
plt.figure(figsize=(10,10)) 
scatterplot1(2,2,1, data['sepal_length'].values,             
             data['petal_length'].values,             
             's_l', 'p_l', 's_l VS. p_l') 
scatterplot1(2,2,2, data['sepal_length'].values,             
             data['petal_width'].values,             
             's_l', 'p_w', 's_l VS. p_w') 
scatterplot1(2,2,3, data['sepal_width'].values,             
             data['petal_length'].values,             
             's_w', 'p_l', 's_w VS. p_l') 
scatterplot1(2,2,4, data['sepal_width'].values,             
             data['petal_width'].values,             
             's_w', 'p_w', 's_w VS. p_w')
# 萼片（sepal）和花瓣（petal）的大小关系（散点图）

 # 不同种类（species）鸢尾花萼片和花瓣的大小关系（分类散点子图）

def scatterplot2(x,y,n,data, xlabel, ylabel, x_label, y_label, title):    
    plt.subplot(x,y,n)    
    #plt.figure(figsize=(10,10))    
    data_s = data[data.species == 'setosa']    
    data_ver = data[data.species == 'versicolor']    
    data_vir = data[data.species == 'virginica']    
    # 蓝色是setosa，红色是versicolor，黑色的是virginica
    plt.scatter(data_s[xlabel],                 
                data_s[ylabel], s=10, color = '#539caf', alpha=0.75)    
    plt.scatter(data_ver[xlabel],                 
                data_ver[ylabel], s=10, color = 'red', alpha=0.75)    
    plt.scatter(data_vir[xlabel],                 
                data_vir[ylabel], s=10, color = 'black', alpha=0.75)    
    plt.title(title)    
    plt.xlabel(x_label)    
    plt.ylabel(y_label)    

plt.figure(figsize=(12,12)) 
scatterplot2(2,2,1,data, 'sepal_length', 'petal_length',             
             's_l', 'p_l', 's_l VS. p_l') 
scatterplot2(2,2,2,data, 'sepal_length', 'petal_width',             
             's_l', 'p_w', 's_l VS. p_w') 
scatterplot2(2,2,3,data, 'sepal_width', 'petal_length',             
             's_w', 'p_l', 's_w VS. p_l') 
scatterplot