利用python进行数据分析(绘图与可视化3)

第九章绘图与可视化

%matplotlib notebook

9.1 简明matplotlib API入门

• 使用Jupyter notebook时有个细节需要注意，在每个单元格运行后，图表被重置，因此对于更复杂的图表，你必须将所有的绘图命令放在单个的notebook单元格中

import matplotlib.pyplot as plt

import numpy as np
data = np.arange(10)
data

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

plt.plot(data)

9.1.1 图片与子图

• matplotlib所绘制的图位于图片（Figure）对象中
• pyplot.subplots选项

参数	描述
nrows	子图的行数
ncols	子图的列数
sharex	所有子图使用相同的x轴刻度(调整xlim会影响所有子图)
sharey	所有子图使用相同的y轴刻度(调整ylim会影响所有子图)
subplot_ kw	传入add_ subplot 的关键字参数字典，用于生成子图
**fig_ _kW	在生成图片时使用的额外关键字参数，例如plt. subplots (2，2,figsize= (8,6))

#你可以使用plt.figure生成一个新的图片
fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

plt.plot(np.random.randn(50).cumsum(),'k--')

_ = ax1.hist(np.random.randn(100),bins=20,color='k',alpha=0.3)
ax2.scatter(np.arange(30),np.arange(30)+3*np.random.randn(30))

fig,axes = plt.subplots(2,3,sharex=True,sharey=True)

9.1.1.1 调整子图周围的间距

• 你可以使用图对象上的subplots_adjust方法更改间距，也可以用作顶层函数

#wspace和hspace分别控制的是图片的宽度和高度百分比，以用作子图间的间距
plt.subplots_adjust(left=None,bottom=None,right=None,top=None
                    ,wspace=None,hspace=None,)

fig,axes = plt.subplots(2,2,sharex=True,sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(np.random.randn(500),bins=50,color='k',alpha=0.5)
plt.subplots_adjust(wspace=0,hspace=0)

9.1.2 颜色、标记和线类型

from numpy.random import randn

fig = plt.figure()
plt.plot(randn(30).cumsum(),'ko--')

fig = plt.figure()
data = np.random.randn(30).cumsum()
plt.plot(data,'k--',label='Default')
plt.plot(data,'k-',drawstyle='steps-post',label='step-post')
plt.legend(loc='best')

9.1.3 刻度、标签和图例

9.1.3.1 设置标题、轴

• 要改变x轴刻度，最简单的方式是使用set_xticks和set_xticklabels
• set_xticks表示在数据范围内设定刻度的位置，默认情况下，这些刻度也有标签

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
ticks = ax.set_xticks([0,250,500,750,1000])
labels = ax.set_xticklabels(['one','two','three','four','five'],rotation=30,fontsize='small')
ax.set_title('My first matplotlib plot')
ax.set_xlabel('stages')

9.1.3.2 添加图例

from numpy.random import randn
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(),'k',label='one')
ax.plot(randn(1000).cumsum(),'k--',label='two')
ax.plot(randn(1000).cumsum(),'k.',label='three')
ax.legend(loc='best')
ax.text(x,y,'hello world',family='monospace',fontsize=10)

9.1.4 注释与子图加工

• 使用text、arrow和annote方法来添加注释和文本。
• text在图表上给定的坐标（x, y），根据可选的定制样式绘制文本

data = pd.read_csv('examples/spx.csv',index_col=0,parse_dates=True)
spx = data['SPX']

from datetime import datetime
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
spx.plot(ax=ax,style='k-')

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
rect = plt.Rectangle((0.2,0.75),0.4,0.15,color='k',alpha=0.3)
circ = plt.Circle((0.7,0.2),0.15,color='b',alpha=0.3)
pgon = plt.Polygon([[0.15,0.15],[0.35,0.4],[0.2,0.6]],color='g',alpha=0.5)

ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)

plt.savefig('figpath.png',dpi=400,bbox_inches='tight')

9.1.5 将图片保存到文件

• 你可以使用plt.savefig将活动图片保存到文件。这个方法等价于图片对象的savefig实例方法

#saveifg并非一定是写到硬盘的，它可以将图片写入到所有的文件型对象中
from io import BytesIO
buffer = BytesIO()
plt.savefig(buffer)
plt_data = buffer.getvalue()

9.1.6 matplotlib设置

• 使用rc方法是使用Python编程修改配置的一种方式

9.2 使用pandas和seaborn绘图

9.2.1 折线图

• 默认情况下，plot()绘制的是折线图
• Series对象的索引传入matplotlib作为绘图的x轴，你可以通过传入use_index=False来禁用这个功能
• x轴的刻度和范围可以通过xticks和xlim选项进行调整，相应地y轴使用yticks和ylim进行调整。
• Series.plot方法参数

参数	描述
label	图例标签绘图所用的matplotib子图对象;如果没传值，则使用当前活动的matplotlib子图
style	传给matplotlib的样式字符串，比如’ko–’
alpha	图片不透明度(从0到1)
kind	可以是’area’. ‘bar’. ‘barh’. ’ density’、‘hist’.，kde’. ’ line’. ‘pie’
logy	在y轴上使用对数缩放
use_ index	使用对象索引刻度标签
rot	刻度标签的旋转(0 到360)
xticks	用于x轴刻度的值
yticks	用于y轴刻度的值
xlim	x轴范围(例如[0,10])
ylim	y轴范围
grid	展示轴网格(默认是打开的)

#Series对象的索引传入matplotlib作为绘图的x轴，
#你可以通过传入use_index=False来禁用这个功能
s = pd.Series(np.random.randn(10).cumsum(),
             index=np.arange(0,100,10))
s.plot()
s

0     0.168491
10   -0.301518
20   -1.247281
30   -0.589754
40   -0.974903
50   -0.322050
60   -0.330096
70   -0.729736
80   -1.298080
90   -1.207302
dtype: float64

df = pd.DataFrame(np.random.randn(10,4).cumsum(0),
                  columns=['A','B','C','D'],
                  index=np.arange(0,100,10))
df.plot()
df

	A	B	C	D
0	0.353917	-0.100911	2.919896	-0.008181
10	1.240468	-0.237893	2.654006	-0.272069
20	0.024472	-2.666705	3.998338	0.151660
30	1.694991	-3.006836	3.546508	1.095049
40	1.567156	-2.611247	2.958782	0.730146
50	2.757183	-4.033031	5.663888	0.594940
60	3.556481	-1.969082	6.819354	1.949167
70	4.763156	-1.863628	6.163130	3.080424
80	5.675488	-3.051450	6.532281	3.146377
90	4.219759	-1.997804	7.616493	5.069851

```python df.plot.line() ``` ### 9.2.2 柱状图 - plot.bar()和plot.barh()可以分别绘制垂直和水平的柱状图

fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(16),index=list('abcdefghijklmnop'))
data.plot.bar(ax=axes[0],color='k',alpha=0.7)
data.plot.barh(ax=axes[1],color='k',alpha=0.7)

df = pd.DataFrame(np.random.rand(6,4),
                 index=['one','two','three','four','five','six'],
                 columns=pd.Index(['A','B','C','D'],name='Genus'))
df
df.plot.bar()

#可以通过传递stacked=True来生成堆积柱状图，会使得每一行的值堆积在一起
df.plot.bar(stacked=True,alpha=0.5)

df.plot.barh(stacked=True,alpha=0.5)

#使用value_counts: s.value_counts().plot.bar()可以有效地对Series值频率进行可视化
tips = pd.read_csv('examples/tips.csv')
tips.head()

	total_bill	tip	smoker	day	time	size
0	16.99	1.01	No	Sun	Dinner	2
1	10.34	1.66	No	Sun	Dinner	3
2	21.01	3.50	No	Sun	Dinner	3
3	23.68	3.31	No	Sun	Dinner	2
4	24.59	3.61	No	Sun	Dinner	4

pay_counts = pd.crosstab(tips['day'],tips['size'])
pay_counts

size	1	2	3	4	5	6
day
Fri	1	16	1	1	0	0
Sat	2	53	18	13	1	0
Sun	0	39	15	18	3	1
Thur	1	48	4	5	1	3

party_counts = pay_counts.loc[:,2:5]
party_counts

size	2	3	4	5
day
Fri	16	1	1	0
Sat	53	18	13	1
Sun	39	15	18	3
Thur	48	4	5	1

party_counts.sum(1)

day
Fri     18
Sat     85
Sun     75
Thur    58
dtype: int64

#标准化至和为1
party_pcts = party_counts.div(party_counts.sum(1),axis=0)
party_pcts.plot.bar()
party_pcts

size	2	3	4	5
day
Fri	0.888889	0.055556	0.055556	0.000000
Sat	0.623529	0.211765	0.152941	0.011765
Sun	0.520000	0.200000	0.240000	0.040000
Thur	0.827586	0.068966	0.086207	0.017241

import seaborn as sns
tips

	total_bill	tip	smoker	day	time	size
0	16.99	1.01	No	Sun	Dinner	2
1	10.34	1.66	No	Sun	Dinner	3
2	21.01	3.50	No	Sun	Dinner	3
3	23.68	3.31	No	Sun	Dinner	2
4	24.59	3.61	No	Sun	Dinner	4
...	...	...	...	...	...	...
239	29.03	5.92	No	Sat	Dinner	3
240	27.18	2.00	Yes	Sat	Dinner	2
241	22.67	2.00	Yes	Sat	Dinner	2
242	17.82	1.75	No	Sat	Dinner	2
243	18.78	3.00	No	Thur	Dinner	2

244 rows × 6 columns

#柱子上画出的黑线代表的是95%的置信区间（置信区间可以通过可选参数进行设置）。
tips['tip_pct'] = tips['tip']/(tips['total_bill']-tips['tip'])
sns.barplot(x='tip_pct',y='day',data=tips,orient='h')
tips.head()

	total_bill	tip	smoker	day	time	size	tip_pct
0	16.99	1.01	No	Sun	Dinner	2	0.063204
1	10.34	1.66	No	Sun	Dinner	3	0.191244
2	21.01	3.50	No	Sun	Dinner	3	0.199886
3	23.68	3.31	No	Sun	Dinner	2	0.162494
4	24.59	3.61	No	Sun	Dinner	4	0.172069

#seaborn.barplot拥有一个hue选项，允许我们通过一个额外的分类值将数据分离
sns.barplot(x='tip_pct',y='day',data=tips,orient='h',hue='time')

sns.set(style='white')

9.2.3 直方图和密度图

• 直方图是一种条形图，用于给出值频率的离散显示。
• 数据点被分成离散的，均匀间隔的箱，并且绘制每个箱中数据点的数量。

tips['tip_pct'].plot.hist(bins=50)

#密度图也被称为内核密度估计图（KDE）。plot.kde使用传统法定混合法估计绘制密度图
tips['tip_pct'].plot.density()

#distplot方法可以绘制直方图和连续密度估计，
#通过distplot方法seaborn使直方图和密度图的绘制更为简单
comp1 = np.random.normal(0,1,size=200)
comp1[:10]

array([ 1.79433075,  0.71950576,  1.85644046,  1.70894088,  0.15187961,
       -0.65322128,  1.82576072,  0.41054884, -0.3166894 , -0.27848755])

comp2 = np.random.normal(10,2,size=200)
comp2[:10]

array([ 9.17557046, 12.23272092, 10.79859503,  8.79727061, 10.2600498 ,
        9.93102067,  7.30060627, 12.17173317, 11.23735906,  8.1658837 ])

values = pd.DataFrame(np.concatenate([comp1,comp2]))
values.head()

	0
0	1.794331
1	0.719506
2	1.856440
3	1.708941
4	0.151880

sns.distplot(values,bins=100,color='k')

D:\Anaconda3\lib\site-packages\seaborn\distributions.py:2557: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)

sns.displot(values)

9.2.4 散点图或点图

• 点图或散点图可以用于检验两个一维数据序列之间的关系

macro = pd.read_csv('examples/macrodata.csv')
macro.head()

	year	quarter	realgdp	realcons	realinv	realgovt	realdpi	cpi	m1	tbilrate	unemp	pop	infl	realint
0	1959.0	1.0	2710.349	1707.4	286.898	470.045	1886.9	28.98	139.7	2.82	5.8	177.146	0.00	0.00
1	1959.0	2.0	2778.801	1733.7	310.859	481.301	1919.7	29.15	141.7	3.08	5.1	177.830	2.34	0.74
2	1959.0	3.0	2775.488	1751.8	289.226	491.260	1916.4	29.35	140.5	3.82	5.3	178.657	2.74	1.09
3	1959.0	4.0	2785.204	1753.7	299.356	484.052	1931.3	29.37	140.0	4.33	5.6	179.386	0.27	4.06
4	1960.0	1.0	2847.699	1770.5	331.722	462.199	1955.5	29.54	139.6	3.50	5.2	180.007	2.31	1.19

data = macro[['cpi','m1','tbilrate','unemp']]
data.head()

	cpi	m1	tbilrate	unemp
0	28.98	139.7	2.82	5.8
1	29.15	141.7	3.08	5.1
2	29.35	140.5	3.82	5.3
3	29.37	140.0	4.33	5.6
4	29.54	139.6	3.50	5.2

trans_data = np.log(data).diff().dropna()
trans_data.head()

	cpi	m1	tbilrate	unemp
1	0.005849	0.014215	0.088193	-0.128617
2	0.006838	-0.008505	0.215321	0.038466
3	0.000681	-0.003565	0.125317	0.055060
4	0.005772	-0.002861	-0.212805	-0.074108
5	0.000338	0.004289	-0.266946	0.000000

#导入matplotlib相关库
import matplotlib.pyplot as plt

# 中文乱码的处理
plt.rcParams['font.sans-serif'] =['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
sns.regplot('m1','unemp',data=trans_data)
plt.title('这是标题，太多英文字母了，不想打')

#成对图或散点图矩阵
sns.pairplot(trans_data,diag_kind='kde',plot_kws={'alpha':0.2})

9.2.5 分面网格和分类数据

• seaborn拥有一个有效的内建函数factorplot，它可以简化多种分面绘图

tips.head()

	total_bill	tip	smoker	day	time	size	tip_pct
0	16.99	1.01	No	Sun	Dinner	2	0.063204
1	10.34	1.66	No	Sun	Dinner	3	0.191244
2	21.01	3.50	No	Sun	Dinner	3	0.199886
3	23.68	3.31	No	Sun	Dinner	2	0.162494
4	24.59	3.61	No	Sun	Dinner	4	0.172069

sns.factorplot(x='day',y='tip_pct',hue='time',col='smoker',kind = 'bar',data=tips[tips.tip_pct<1])

sns.factorplot(x='day',y='tip_pct',row='time',col='smoker',kind = 'bar',data=tips[tips.tip_pct<1])

sns.factorplot(x='day',y='tip_pct',kind = 'box',data=tips[tips.tip_pct<1])

9.3 其他Python可视化工具

• 借助像Bokeh（http://bokeh.pydata.org/）和Plotly（https://github.com/plotly/plotly.py）这样的工具，在web浏览器中创建动态的、交互式图像的工作现在已经可以实现。

9.4 本章小结