python数据分析实战：数据可视化的一些基本操作

数据可视化

1.散点图

这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、
爬虫、数据分析、数据可视化、机器学习等。
小编这里推荐加小编的python学习群：895,817, 687

import matplotlib;
from pandas import read_csv;
import matplotlib.pyplot as plt;

data = read_csv("D:\\PA\\5.1\\data.csv")
 
font = {
 'family' : 'SimHei'
}
matplotlib.rc('font', **font);
 
plt.plot(data['广告费用'], data['购买用户数'], '.')
 
#plt.plot(data['广告费用'], data['购买用户数'], 'o')
 
#plt.plot(data['广告费用'], data['购买用户数'], 'o', color='yellow')
#plt.plot(data['广告费用'], data['购买用户数'], 'o', color=(1, 1, 0))
#plt.plot(data['广告费用'], data['购买用户数'], 'o', color='#FFFF00')
plt.xlabel('广告费用');
 
plt.ylabel('购买用户数');
plt.grid(True);
 
plt.show();

2.折线图

import pandas;
from pandas import read_csv;
from matplotlib import pyplot as plt;

data = read_csv('D:\\PA\\5.2\\data.csv');
#对日期格式进行转换
data['购买日期']=pandas.to_datetime(data['日期']);
 
#'-' 顺滑的曲线
plt.plot(data['购买日期'], data['购买用户数'], '-');
 
#plt.title('购买用户数时间序列图');
 
#plt.show();
 
#设置颜色
plt.plot(data['购买日期'], data['购买用户数'], '-', color='r');
#设置线条粗细
plt.plot(data['购买日期'], data['购买用户数'], '-', color='r', lineWidth=10);
 
#'--' 虚线
plt.plot(data['购买日期'], data['购买用户数'], '--');
#'-.' 线加点
plt.plot(data['购买日期'], data['购买用户数'], '-.');
#':' 由点组成的曲线
plt.plot(data['购买日期'], data['购买用户数'], ':');
#'.' 散点图
plt.plot(data['购买日期'], data['购买用户数'], '.');
#',' 像素点的散点图
plt.plot(data['购买日期'], data['购买用户数'], ',');
#'o' 大点的散点图
plt.plot(data['购买日期'], data['购买用户数'], 'o');
#'v' 下三角标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], 'v');
#'^' 上上角标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], '^');
#'<' 左角标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], '<');
#'>' 右角标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], '>');
#'1' 伞形下的标记散点图
#'2' 伞形上的标记散点图
#'3' 伞形左的标记散点图
#'4' 伞形右的标记散点图
plt.plot(data['购买日期'], data['购买用户数'], '4');
#'s' 正方形标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], 's');
#'p' 五角形标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], 'p');
#'*' 五角星标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], '*');
#'h' 多边形标记的散点图
#'H' hexagon2 marker
plt.plot(data['购买日期'], data['购买用户数'], 'h');
#'+' plus marker
#'x' x marker
#'D' diamond marker
#'d' thin_diamond marker
plt.plot(data['购买日期'], data['购买用户数'], 'D');
#'|' vline marker
#'_' hline marker
plt.plot(data['购买日期'], data['购买用户数'], '|');
 
plt.title('购买用户数时间序列图');
 
plt.show();

3.饼图

import numpy;
import matplotlib;
from pandas import read_csv;
import matplotlib.pyplot as plt;
 
data = read_csv('D:\\PA\\5.3\\data.csv');
 
gb = data.groupby(
 by=['通信品牌'],
 as_index=False
)['号码'].agg({
 '用户数':numpy.size
});
 
#pip install matplotlib
 
font = {
 'family' : 'SimHei'
}
 
matplotlib.rc('font', **font);
 
plt.pie(gb['用户数'], labels=gb['通信品牌'], autopct='%.2f%%');
 
plt.show()

4.柱形图

# -*- coding: utf-8 -*-
import numpy;
import matplotlib;
from pandas import read_csv;
from matplotlib import pyplot as plt;
font = {
 'family' : 'SimHei'
};
matplotlib.rc('font', **font);
data = read_csv('D:\\PA\\5.4\\data.csv');
gb = data.groupby(
 by=['手机品牌']
)['月消费（元）'].agg({
 '月消费': numpy.sum
});
index = numpy.arange(gb['月消费'].size);
#竖向柱形图
plt.bar(index, gb['月消费'], 1, color='G');
plt.show();
plt.bar(index, gb['月消费'], 1, color='G');
plt.xticks(index + 1/2, gb.index);
plt.show();
#横向柱形图
plt.barh(index, gb['月消费'], 1, color='G');
plt.yticks(index + 1/2, gb.index);
plt.show();

5.直方图

import matplotlib;
from pandas import read_csv;
from matplotlib import pyplot as plt;

font = {
 'family' : 'SimHei'
};
matplotlib.rc('font', **font);
 
data = read_csv('D:\\PA\\5.5\\data.csv');
 
plt.hist(data['购买用户数']);
plt.show();
 
plt.hist(data['购买用户数'], bins=20);
plt.show();
 
plt.hist(data['购买用户数'], bins=20, cumulative=True);
plt.show();