python时间序列可视化_TOP50 Python可视化经典案例下（附源码，建议收藏）

昨天行哥给大家统计了数据可视化前30张图表代码和案例给大家，今天把分享Python可视化案例TOP 50下，如果想转行做数据分析，这两篇推文强烈建议收藏，对于学习有任何问题都可以点击阅读原文向行哥提问哦

5.组成

5.1华夫饼图

5.2 饼图

5.3 树状图

5.4 条形图

6 时间序列

6.1时间序列图

6.2 带有标记的时间序列图

6.3自相关(ACF)和部分自相关(PACF)图

6.4 交叉相关图

6.5 时间序列分解图

6.6 多时间序列图

6.7 双y轴图

6.8 具有误差带的时间序列

6.9 堆积面积图

6.10 区域图(未堆叠)

6.11 日历热图

6.12 季节性图

7 分组

7.1 树状图

7.2 聚类图

7.3 安德鲁斯曲线

7.4 平行坐标图

5.组成

5.1华夫饼图

waffle可以使用该pywaffle软件包创建该图表，并用于显示较大人群中各组的组成。

#! pip install pywaffle

# Reference: https://stackoverflow.com/questions/41400136/how-to-do-waffle-charts-in-python-square-piechart

from pywaffle import Waffle

# Import

df_raw = pd.read_csv("data/mpg_ggplot2.csv")

# Prepare Data

df = df_raw.groupby('class').size().reset_index(name='counts')

n_categories = df.shape[0]

colors = [plt.cm.inferno_r(i/float(n_categories)) for i in range(n_categories)]

# Draw Plot and Decorate

fig = plt.figure(

FigureClass=Waffle,

plots={

'111': {

'values': df['counts'],

'labels': ["{0} ({1})".format(n[0], n[1]) for n in df[['class', 'counts']].itertuples()],

'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 12},

'title': {'label': '# Vehicles by Class', 'loc': 'center', 'fontsize':18}

},

},

rows=7,

colors=colors,

figsize=(16, 9)

)

#! pip install pywaffle

from pywaffle import Waffle

# Import

# df_raw = pd.read_csv("data/mpg_ggplot2.csv")

# Prepare Data

# By Class Data

df_class = df_raw.groupby('class').size().reset_index(name='counts_class')

n_categories = df_class.shape[0]

colors_class = [plt.cm.Set3(i/float(n_categories)) for i in range(n_categories)]

# By Cylinders Data

df_cyl = df_raw.groupby('cyl').size().reset_index(name='counts_cyl')

n_categories = df_cyl.shape[0]

colors_cyl = [plt.cm.Spectral(i/float(n_categories)) for i in range(n_categories)]

# By Make Data

df_make = df_raw.groupby('manufacturer').size().reset_index(name='counts_make')

n_categories = df_make.shape[0]

colors_make = [plt.cm.tab20b(i/float(n_categories)) for i in range(n_categories)]

# Draw Plot and Decorate

fig = plt.figure(

FigureClass=Waffle,

plots={

'311': {

'values': df_class['counts_class'],

'labels': ["{1}".format(n[0], n[1]) for n in df_class[['class', 'counts_class']].itertuples()],

'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 12, 'title':'Class'},

'title': {'label': '# Vehicles by Class', 'loc': 'center', 'fontsize':18},

'colors': colors_class

},

'312': {

'values': df_cyl['counts_cyl'],

'labels': ["{1}".format(n[0], n[1]) for n in df_cyl[['cyl', 'counts_cyl']].itertuples()],

'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 12, 'title':'Cyl'},

'title': {'label': '# Vehicles by Cyl', 'loc': 'center', 'fontsize':18},

'colors': colors_cyl

},

'313': {

'values': df_make['counts_make'],

'labels': ["{1}".format(n[0], n[1]) for n in df_make[['manufacturer', 'counts_make']].itertuples()],

'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 12, 'title':'Manufacturer'},

'title': {'label': '# Vehicles by Make', 'loc': 'center', 'fontsize':18},

'colors': colors_make

}

},

rows=9,

figsize=(16, 14)

)

5.2 饼图

饼图是显示组组成的经典方法。但是，如今一般不建议使用它，因为馅饼部分的面积有时可能会引起误解。因此，如果要使用饼图，强烈建议明确写下饼图各部分的百分比或数字。

# Import

df_raw = pd.read_csv("data/mpg_ggplot2.csv")

# Prepare Data

df = df_raw.groupby('class').size()

# Make the plot with pandas

df.plot(kind='pie', subplots=True, figsize=(8, 8), dpi= 80)

plt.title("Pie Chart of Vehicle Class - Bad")

plt.ylabel("")

plt.show()

# Import

df_raw = pd.read_csv("data/mpg_ggplot2.csv")

# Prepare Data

df = df_raw.groupby('class').size().reset_index(name='counts')

# Draw Plot

fig, ax = plt.subplots(figsize=(12, 7), subplot_kw=dict(aspect="equal"), dpi= 80)

data = df['counts']

categories = df['class']

explode = [0,0,0,0,0,0.1,0]

def func(pct, allvals):

absolute = int(pct/100.*np.sum(allvals))

return "{:.1f}% ({:d} )".format(pct, absolute)

wedges, texts, autotexts = ax.pie(data,

autopct=lambda pct: func(pct, data),

textprops=dict(color="w"),

colors=plt.cm.Dark2.colors,

startangle=140,

explode=explode)

# Decoration

ax.legend(wedges, categories, title="Vehicle Class", loc="center left", bbox_to_anchor=(1, 0, 0.5, 1))

plt.setp(autotexts, size=10, weight=700)

ax.set_title("Class of Vehicles: Pie Chart")

plt.show()

5.3 树状图

树形图类似于饼形图，并且可以更好地完成工作，而不会误导每个组的贡献。

# pip install squarify

import squarify

# Import Data

df_raw = pd.read_csv("data/mpg_ggplot2.csv")