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")

# Prepare Data

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

labels = df.apply(lambda x: str(x[0]) + "\n (" + str(x[1]) + ")", axis=1)

sizes = df['counts'].values.tolist()

colors = [plt.cm.Spectral(i/float(len(labels))) for i in range(len(labels))]

# Draw Plot

plt.figure(figsize=(12,8), dpi= 80)

squarify.plot(sizes=sizes, label=labels, color=colors, alpha=.8)

# Decorate

plt.title('Treemap of Vechile Class')

plt.axis('off')

plt.show()

5.4 条形图

条形图是一种基于计数或任何给定指标可视化项目的经典方法。在下面的图表中，我为每个项目使用了不同的颜色，但是您通常可能希望为所有项目选择一种颜色，除非您按组对它们进行着色。颜色名称存储在all_colors下面的代码中。您可以通过在中设置color参数来更改条形的颜色。

import random

# Import Data

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

# Prepare Data

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

n = df['manufacturer'].unique().__len__()+1

all_colors = list(plt.cm.colors.cnames.keys())

random.seed(100)

c = random.choices(all_colors, k=n)

# Plot Bars

plt.figure(figsize=(16,10), dpi= 80)

plt.bar(df['manufacturer'], df['counts'], color=c, width=.5)

for i, val in enumerate(df['counts'].values):

plt.text(i, val, float(val), horizontalalignment='center', verticalalignment='bottom', fontdict={'fontweight':500, 'size':12})

# Decoration

plt.gca().set_xticklabels(df['manufacturer'], rotation=60, horizontalalignment= 'right')

plt.title("Number of Vehicles by Manaufacturers", fontsize=22)

plt.ylabel('# Vehicles')

plt.ylim(0, 45)

plt.show()

6 时间序列

6.1时间序列图

时间序列图用于可视化给定指标如何随时间变化。在这里，您可以了解1949年至1969年之间的航空客运流量如何变化。

# Import Data

df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv')

# Draw Plot

plt.figure(figsize=(16,10), dpi= 80)

plt.plot('date', 'traffic', data=df, color='tab:red')

# Decoration

plt.ylim(50, 750)

xtick_location = df.index.tolist()[::12]

xtick_labels = [x[-4:] for x in df.date.tolist()[::12]]

plt.xticks(ticks=xtick_location, labels=xtick_labels, rotation=0, fontsize=12, horizontalalignment='center', alpha=.7)

plt.yticks(fontsize=12, alpha=.7)

plt.title("Air Passengers Traffic (1949 - 1969)", fontsize=22)

plt.grid(axis='both', alpha=.3)

# Remove borders

plt.gca().spines["top"].set_alpha(0.0)

plt.gca().spines["bottom"].set_alpha(0.3)

plt.gca().spines["right"].set_alpha(0.0)

plt.gca().spines["left"].set_alpha(0.3)

plt.show()

6.2 带有标记的时间序列图

下面的时间序列绘制了所有的波峰和波谷，并注释了选定特殊事件的发生。

# Import Data

df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv')

# Get the Peaks and Troughs

data = df['traffic'].values

doublediff = np.diff(np.sign(np.diff(data)))

peak_locations = np.where(doublediff == -2)[0] + 1

doublediff2 = np.diff(np.sign(np.diff(-1*data)))

trough_locations = np.where(doublediff2 == -2)[0] + 1

# Draw Plot

plt.figure(figsize=(16,10), dpi= 80)

plt.plot('date', 'traffic', data=df, color='tab:blue', label='Air Traffic')

plt.scatter(df.date[peak_locations], df.traffic[peak_locations], marker=mpl.markers.CARETUPBASE, color='tab:green', s=100, label='Peaks')

plt.scatter(df.date[trough_locations], df.traffic[trough_locations], marker=mpl.markers.CARETDOWNBASE, color='tab:red', s=100, label='Troughs')

# Annotate

for t, p in zip(trough_locations[1::5], peak_locations[::3]):

plt.text(df.date[p], df.traffic[p]+15, df.date[p], horizontalalignment='center', color='darkgreen')

plt.text(df.date[t], df.traffic[t]-35, df.date[t], horizontalalignment='center', color='darkred')

# Decoration

plt.ylim(50,750)

xtick_location = df.index.tolist()[::6]

xtick_labels = df.date.tolist()[::6]

plt.xticks(ticks=xtick_location, labels=xtick_labels, rotation=90, fontsize=12, alpha=.7)

plt.title("Peak and Troughs of Air Passengers Traffic (1949 - 1969)", fontsize=22)

plt.yticks(fontsize=12, alpha=.7)

# Lighten borders

plt.gca().spines["top"].set_alpha(.0)

plt.gca().spines["bottom"].set_alpha(.3)

plt.gca().spines["right"].set_alpha(.0)

plt.gca().spines["left"].set_alpha(.3)

plt.legend(loc='upper left')

plt.grid(axis='y', alpha=.3)

plt.show()

6.3自相关(ACF)和部分自相关(PACF)图

ACF图显示了时间序列与其自身滞后的相关性。每条垂直线(在自相关图上)代表序列与从滞后0开始的滞后之间的相关性。图中的蓝色阴影区域是显着性水平。蓝线以上的那些滞后就是巨大的滞后。

那么如何解释呢？

对于AirPassengers，我们看到多达14个滞后已越过蓝线，因此意义重大。这意味着，距今已有14年之久的航空客运量对今天的客运量产生了影响。

另一方面，PACF显示了任何给定的(时间序列)滞后与当前序列之间的自相关，但是去除了两者之间的滞后。

from statsmodels.graphics.tsaplots import plot_acf, plot_pacf

# Import Data

df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv')

# Draw Plot

fig, (ax1, ax2) = plt.subplots(1, 2,figsize=(16,6), dpi= 80)

plot_acf(df.traffic.tolist(), ax=ax1, lags=50)

plot_pacf(df.traffic.tolist(), ax=ax2, lags=20)

# Decorate

# lighten the borders

ax1.spines["top"].set_alpha(.3); ax2.spines["top"].set_alpha(.3)

ax1.spines["bottom"].set_alpha(.3); ax2.spines["bottom"].set_alpha(.3)

ax1.spines["right"].set_alpha(.3); ax2.spines["right"].set_alpha(.3)

ax1.spines["left"].set_alpha(.3); ax2.spines["left"].set_alpha(.3)

# font size of tick labels

ax1.tick_params(axis='both', labelsize=12)

ax2.tick_params(axis='both', labelsize=12)

plt.show()

6.4 交叉相关图

互相关图显示了两个时间序列之间的时滞。

import statsmodels.tsa.stattools as stattools

# Import Data

df = pd.read_csv('https://github.com/selva86/datasets/raw/master/mortality.csv')

x = df['mdeaths']

y = df['fdeaths']

# Compute Cross Correlations

ccs = stattools.ccf(x, y)[:100]

nlags = len(ccs)

# Compute the Significance level

# ref: https://stats.stackexchange.com/questions/3115/cross-correlation-significance-in-r/3128#3128

conf_level = 2 / np.sqrt(nlags)

# Draw Plot

plt.figure(figsize=(12,7), dpi= 80)

plt.hlines(0, xmin=0, xmax=100, color='gray')  # 0 axis

plt.hlines(conf_level, xmin=0, xmax=100, color='gray')

plt.hlines(-conf_level, xmin=0, xmax=100, color='gray')

plt.bar(x=np.arange(len(ccs)), height=ccs, width=.3)

# Decoration

plt.title('$Cross\; Correlation\; Plot:\; mdeaths\; vs\; fdeaths$', fontsize=22)

plt.xlim(0,len(ccs))

plt.show()

6.5 时间序列分解图

时间序列分解图显示了时间序列按趋势，季节和残差成分的分解。

from statsmodels.tsa.seasonal import seasonal_decompose

from dateutil.parser import parse

# Import Data

df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv')

dates = pd.DatetimeIndex([parse(d).strftime('%Y-%m-01') for d in df['date']])

df.set_index(dates, inplace=True)

# Decompose

result = seasonal_decompose(df['traffic'], model='multiplicative')

# Plot

plt.rcParams.update({'figure.figsize': (10,10)})

result.plot().suptitle('Time Series Decomposition of Air Passengers')

plt.show()

6.6 多时间序列图

您可以在同一张图表上绘制测量同一值的多个时间序列，如下所示。

# Import Data

df = pd.read_csv('https://github.com/selva86/datasets/raw/master/mortality.csv')

# Define the upper limit, lower limit, interval of Y axis and colors

y_LL = 100

y_UL = int(df.iloc[:, 1:].max().max()*1.1)

y_interval = 400

mycolors = ['tab:red', 'tab:blue', 'tab:green', 'tab:orange']

# Draw Plot and Annotate

fig, ax = plt.subplots(1,1,figsize=(16, 9), dpi= 80)

columns = df.columns[1:]

for i, column in enumerate(columns):

plt.plot(df.date.values, df[column].values, lw=1.5, color=mycolors[i])

plt.text(df.shape[0]+1, df[column].values[-1], column, fontsize=14, color=mycolors[i])

# Draw Tick lines

for y in range(y_LL, y_UL, y_interval):

plt.hlines(y, xmin=0, xmax=71, colors='black', alpha=0.3, linestyles="--", lw=0.5)

# Decorations

plt.tick_params(axis="both", which="both", bottom=False, top=False,

labelbottom=True, left=False, right=False, labelleft=True)

# Lighten borders

plt.gca().spines["top"].set_alpha(.3)

plt.gca().spines["bottom"].set_alpha(.3)

plt.gca().spines["right"].set_alpha(.3)

plt.gca().spines["left"].set_alpha(.3)

plt.title('Number of Deaths from Lung Diseases in the UK (1974-1979)', fontsize=22)

plt.yticks(range(y_LL, y_UL, y_interval), [str(y) for y in range(y_LL, y_UL, y_interval)], fontsize=12)

plt.xticks(range(0, df.shape[0], 12), df.date.values[::12], horizontalalignment='left', fontsize=12)

plt.ylim(y_LL, y_UL)

plt.xlim(-2, 80)

plt.show()

6.7 双y轴图

如果要显示在同一时间点测量两个不同量的两个时间序列，则可以在右边的第二个Y轴上再次绘制第二个序列。

# Import Data

df = pd.read_csv("https://github.com/selva86/datasets/raw/master/economics.csv")

x = df['date']

y1 = df['psavert']

y2 = df['unemploy']

# Plot Line1 (Left Y Axis)

fig, ax1 = plt.subplots(1,1,figsize=(16,9), dpi= 80)

ax1.plot(x, y1, color='tab:red')

# Plot Line2 (Right Y Axis)

ax2 = ax1.twinx()  # instantiate a second axes that shares the same x-axis

ax2.plot(x, y2, color='tab:blue')

# Decorations

# ax1 (left Y axis)

ax1.set_xlabel('Year', fontsize=20)

ax1.tick_params(axis='x', rotation=0, labelsize=12)

ax1.set_ylabel('Personal Savings Rate', color='tab:red', fontsize=20)

ax1.tick_params(axis='y', rotation=0, labelcolor='tab:red' )

ax1.grid(alpha=.4)

# ax2 (right Y axis)

ax2.set_ylabel("# Unemployed (1000's)", color='tab:blue', fontsize=20)

ax2.tick_params(axis='y', labelcolor='tab:blue')

ax2.set_xticks(np.arange(0, len(x), 60))

ax2.set_xticklabels(x[::60], rotation=90, fontdict={'fontsize':10})

ax2.set_title("Personal Savings Rate vs Unemployed: Plotting in Secondary Y Axis", fontsize=22)

fig.tight_layout()

plt.show()

6.8 具有误差带的时间序列

如果您具有每个时间点(日期/时间戳)具有多个观测值的时间序列数据集，则可以构建带有误差带的时间序列。您可以在下面看到一些基于一天中不同时间下达的订单的示例。另一个例子是在45天的时间内到达的订单数量。

在这种方法中，订单数量的平均值由白线表示。然后计算出95％的置信带并围绕均值绘制。

from scipy.stats import sem

# Import Data

df = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/user_orders_hourofday.csv")

df_mean = df.groupby('order_hour_of_day').quantity.mean()

df_se = df.groupby('order_hour_of_day').quantity.apply(sem).mul(1.96)

# Plot

plt.figure(figsize=(16,10), dpi= 80)

plt.ylabel("# Orders", fontsize=16)

x = df_mean.index

plt.plot(x, df_mean, color="white", lw=2)

plt.fill_between(x, df_mean - df_se, df_mean + df_se, color="#3F5D7D")

# Decorations

# Lighten borders

plt.gca().spines["top"].set_alpha(0)

plt.gca().spines["bottom"].set_alpha(1)

plt.gca().spines["right"].set_alpha(0)

plt.gca().spines["left"].set_alpha(1)

plt.xticks(x[::2], [str(d) for d in x[::2]] , fontsize=12)

plt.title("User Orders by Hour of Day (95% confidence)", fontsize=22)

plt.xlabel("Hour of Day")

s, e = plt.gca().get_xlim()

plt.xlim(s, e)

# Draw Horizontal Tick lines

for y in range(8, 20, 2):

plt.hlines(y, xmin=s, xmax=e, colors='black', alpha=0.5, linestyles="--", lw=0.5)

plt.show()

"Data Source: https://www.kaggle.com/olistbr/brazilian-ecommerce#olist_orders_dataset.csv"

from dateutil.parser import parse

from scipy.stats import sem

# Import Data

df_raw = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/orders_45d.csv',

parse_dates=['purchase_time', 'purchase_date'])

# Prepare Data: Daily Mean and SE Bands

df_mean = df_raw.groupby('purchase_date').quantity.mean()

df_se = df_raw.groupby('purchase_date').quantity.apply(sem).mul(1.96)

# Plot

plt.figure(figsize=(16,10), dpi= 80)

plt.ylabel("# Daily Orders", fontsize=16)

x = [d.date().strftime('%Y-%m-%d') for d in df_mean.index]

plt.plot(x, df_mean, color="white", lw=2)

plt.fill_between(x, df_mean - df_se, df_mean + df_se, color="#3F5D7D")

# Decorations

# Lighten borders

plt.gca().spines["top"].set_alpha(0)

plt.gca().spines["bottom"].set_alpha(1)

plt.gca().spines["right"].set_alpha(0)

plt.gca().spines["left"].set_alpha(1)

plt.xticks(x[::6], [str(d) for d in x[::6]] , fontsize=12)

plt.title("Daily Order Quantity of Brazilian Retail with Error Bands (95% confidence)", fontsize=20)

# Axis limits

s, e = plt.gca().get_xlim()

plt.xlim(s, e-2)

plt.ylim(4, 10)

# Draw Horizontal Tick lines

for y in range(5, 10, 1):

plt.hlines(y, xmin=s, xmax=e, colors='black', alpha=0.5, linestyles="--", lw=0.5)

plt.show()

6.9 堆积面积图

堆积面积图直观地显示了多个时间序列的贡献程度，因此可以轻松地进行相互比较。

# Import Data

df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/nightvisitors.csv')

# Decide Colors

mycolors = ['tab:red', 'tab:blue', 'tab:green', 'tab:orange', 'tab:brown', 'tab:grey', 'tab:pink', 'tab:olive']

# Draw Plot and Annotate

fig, ax = plt.subplots(1,1,figsize=(16, 9), dpi= 80)

columns = df.columns[1:]

labs = columns.values.tolist()

# Prepare data

x  = df['yearmon'].values.tolist()

y0 = df[columns[0]].values.tolist()

y1 = df[columns[1]].values.tolist()

y2 = df[columns[2]].values.tolist()

y3 = df[columns[3]].values.tolist()

y4 = df[columns[4]].values.tolist()

y5 = df[columns[5]].values.tolist()

y6 = df[columns[6]].values.tolist()

y7 = df[columns[7]].values.tolist()

y = np.vstack([y0, y2, y4, y6, y7, y5, y1, y3])

# Plot for each column

labs = columns.values.tolist()

ax = plt.gca()

ax.stackplot(x, y, labels=labs, colors=mycolors, alpha=0.8)

# Decorations

ax.set_title('Night Visitors in Australian Regions', fontsize=18)

ax.set(ylim=[0, 100000])

ax.legend(fontsize=10, ncol=4)

plt.xticks(x[::5], fontsize=10, horizontalalignment='center')

plt.yticks(np.arange(10000, 100000, 20000), fontsize=10)

plt.xlim(x[0], x[-1])

# Lighten borders

plt.gca().spines["top"].set_alpha(0)

plt.gca().spines["bottom"].set_alpha(.3)

plt.gca().spines["right"].set_alpha(0)

plt.gca().spines["left"].set_alpha(.3)

plt.show()

6.10 区域图(未堆叠)

未堆积的面积图用于可视化两个或多个系列相对于彼此的进度(涨跌)。在下面的图表中，您可以清楚地看到随着失业时间的中位数增加，个人储蓄率如何下降。未堆积面积图很好地显示了这种现象。

# Import Data

df = pd.read_csv("https://github.com/selva86/datasets/raw/master/economics.csv")

# Prepare Data

x = df['date'].values.tolist()

y1 = df['psavert'].values.tolist()

y2 = df['uempmed'].values.tolist()

mycolors = ['tab:red', 'tab:blue', 'tab:green', 'tab:orange', 'tab:brown', 'tab:grey', 'tab:pink', 'tab:olive']

columns = ['psavert', 'uempmed']

# Draw Plot

fig, ax = plt.subplots(1, 1, figsize=(16,9), dpi= 80)

ax.fill_between(x, y1=y1, y2=0, label=columns[1], alpha=0.5, color=mycolors[1], linewidth=2)

ax.fill_between(x, y1=y2, y2=0, label=columns[0], alpha=0.5, color=mycolors[0], linewidth=2)

# Decorations

ax.set_title('Personal Savings Rate vs Median Duration of Unemployment', fontsize=18)

ax.set(ylim=[0, 30])

ax.legend(loc='best', fontsize=12)

plt.xticks(x[::50], fontsize=10, horizontalalignment='center')

plt.yticks(np.arange(2.5, 30.0, 2.5), fontsize=10)

plt.xlim(-10, x[-1])

# Draw Tick lines

for y in np.arange(2.5, 30.0, 2.5):

plt.hlines(y, xmin=0, xmax=len(x), colors='black', alpha=0.3, linestyles="--", lw=0.5)

# Lighten borders

plt.gca().spines["top"].set_alpha(0)

plt.gca().spines["bottom"].set_alpha(.3)

plt.gca().spines["right"].set_alpha(0)

plt.gca().spines["left"].set_alpha(.3)

plt.show()

6.11 日历热图

日历地图是与时间序列相比可视化基于时间的数据的替代方法，而不是首选方法。尽管可以在视觉上吸引人，但数值并不十分明显。但是，它可以有效地很好地描绘出极端值和假日效果。

import matplotlib as mpl

import calmap

# Import Data

df = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/yahoo.csv", parse_dates=['date'])

df.set_index('date', inplace=True)

# Plot

plt.figure(figsize=(16,10), dpi= 80)

calmap.calendarplot(df['2014']['VIX.Close'], fig_kws={'figsize': (16,10)}, yearlabel_kws={'color':'black', 'fontsize':14}, subplot_kws={'title':'Yahoo Stock Prices'})

plt.show()

6.12 季节性图

季节性图可用于比较上一个季节的同一天(年/月/周等)的时间序列执行情况。

from dateutil.parser import parse

# Import Data

df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv')

# Prepare data

df['year'] = [parse(d).year for d in df.date]

df['month'] = [parse(d).strftime('%b') for d in df.date]

years = df['year'].unique()

# Draw Plot

mycolors = ['tab:red', 'tab:blue', 'tab:green', 'tab:orange', 'tab:brown', 'tab:grey', 'tab:pink', 'tab:olive', 'deeppink', 'steelblue', 'firebrick', 'mediumseagreen']

plt.figure(figsize=(16,10), dpi= 80)

for i, y in enumerate(years):

plt.plot('month', 'traffic', data=df.loc[df.year==y, :], color=mycolors[i], label=y)

plt.text(df.loc[df.year==y, :].shape[0]-.9, df.loc[df.year==y, 'traffic'][-1:].values[0], y, fontsize=12, color=mycolors[i])

# Decoration

plt.ylim(50,750)

plt.xlim(-0.3, 11)

plt.ylabel('$Air Traffic$')

plt.yticks(fontsize=12, alpha=.7)

plt.title("Monthly Seasonal Plot: Air Passengers Traffic (1949 - 1969)", fontsize=22)

plt.grid(axis='y', alpha=.3)

# Remove borders

plt.gca().spines["top"].set_alpha(0.0)

plt.gca().spines["bottom"].set_alpha(0.5)

plt.gca().spines["right"].set_alpha(0.0)

plt.gca().spines["left"].set_alpha(0.5)

# plt.legend(loc='upper right', ncol=2, fontsize=12)

plt.show()

7 分组

7.1 树状图

树状图根据给定的距离度量将相似的点组合在一起，并根据该点的相似性将它们组织成树状链接。

import scipy.cluster.hierarchy as shc

# Import Data

df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/USArrests.csv')

# Plot

plt.figure(figsize=(16, 10), dpi= 80)

plt.title("USArrests Dendograms", fontsize=22)

dend = shc.dendrogram(shc.linkage(df[['Murder', 'Assault', 'UrbanPop', 'Rape']], method='ward'), labels=df.State.values, color_threshold=100)

plt.xticks(fontsize=12)

plt.show()

7.2 聚类图

群集图可用于划分属于同一群集的点。下面是一个示例性示例，根据USArrests数据集将美国各州分为5个组。该聚类图使用“谋杀”和“攻击”列作为X轴和Y轴。或者，您可以使用第一个至第一个主要成分作为X和Y轴。

from sklearn.cluster import AgglomerativeClustering

from scipy.spatial import ConvexHull

# Import Data

df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/USArrests.csv')

# Agglomerative Clustering

cluster = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')

cluster.fit_predict(df[['Murder', 'Assault', 'UrbanPop', 'Rape']])

# Plot

plt.figure(figsize=(14, 10), dpi= 80)

plt.scatter(df.iloc[:,0], df.iloc[:,1], c=cluster.labels_, cmap='tab10')

# Encircle

def encircle(x,y, ax=None, **kw):

if not ax: ax=plt.gca()

p = np.c_[x,y]

hull = ConvexHull(p)

poly = plt.Polygon(p[hull.vertices,:], **kw)

ax.add_patch(poly)

# Draw polygon surrounding vertices

encircle(df.loc[cluster.labels_ == 0, 'Murder'], df.loc[cluster.labels_ == 0, 'Assault'], ec="k", fc="gold", alpha=0.2, linewidth=0)

encircle(df.loc[cluster.labels_ == 1, 'Murder'], df.loc[cluster.labels_ == 1, 'Assault'], ec="k", fc="tab:blue", alpha=0.2, linewidth=0)

encircle(df.loc[cluster.labels_ == 2, 'Murder'], df.loc[cluster.labels_ == 2, 'Assault'], ec="k", fc="tab:red", alpha=0.2, linewidth=0)

encircle(df.loc[cluster.labels_ == 3, 'Murder'], df.loc[cluster.labels_ == 3, 'Assault'], ec="k", fc="tab:green", alpha=0.2, linewidth=0)

encircle(df.loc[cluster.labels_ == 4, 'Murder'], df.loc[cluster.labels_ == 4, 'Assault'], ec="k", fc="tab:orange", alpha=0.2, linewidth=0)

# Decorations

plt.xlabel('Murder'); plt.xticks(fontsize=12)

plt.ylabel('Assault'); plt.yticks(fontsize=12)

plt.title('Agglomerative Clustering of USArrests (5 Groups)', fontsize=22)

plt.show()

7.3 安德鲁斯曲线

安德鲁斯曲线可帮助可视化是否存在基于给定分组的数字特征的固有分组。如果要素(数据集中的列)不能帮助区分组(，则行将无法很好地分离，如下所示

from pandas.plotting import andrews_curves

# Import

df = pd.read_csv("https://github.com/selva86/datasets/raw/master/mtcars.csv")

df.drop(['cars', 'carname'], axis=1, inplace=True)

# Plot

plt.figure(figsize=(12,9), dpi= 80)

andrews_curves(df, 'cyl', colormap='Set1')

# Lighten borders

plt.gca().spines["top"].set_alpha(0)

plt.gca().spines["bottom"].set_alpha(.3)

plt.gca().spines["right"].set_alpha(0)

plt.gca().spines["left"].set_alpha(.3)

plt.title('Andrews Curves of mtcars', fontsize=22)

plt.xlim(-3,3)

plt.grid(alpha=0.3)

plt.xticks(fontsize=12)

plt.yticks(fontsize=12)

plt.show()

7.4 平行坐标图

平行坐标有助于可视化某个功能是否有助于有效地隔离组。如果进行隔离，则该功能可能在预测该组时非常有用。

from pandas.plotting import parallel_coordinates

# Import Data

df_final = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/diamonds_filter.csv")

# Plot

plt.figure(figsize=(12,9), dpi= 80)

parallel_coordinates(df_final, 'cut', colormap='Dark2')

# Lighten borders

plt.gca().spines["top"].set_alpha(0)

plt.gca().spines["bottom"].set_alpha(.3)

plt.gca().spines["right"].set_alpha(0)

plt.gca().spines["left"].set_alpha(.3)

plt.title('Parallel Coordinated of Diamonds', fontsize=22)

plt.grid(alpha=0.3)

plt.xticks(fontsize=12)

plt.yticks(fontsize=12)

plt.show()