人工智能 Pandas数据分析 数据可视化方法总结

Matplotlib

两种作图方式：

# 状态接口
fig, ax = plt.subplots(figsize=(15,3))  #创建坐标轴对象
ax.plot(x, y) #调用坐标轴的绘图方法
ax.set_xlim(-4, 8) # 调用坐标轴的设置x轴上下限的方法
ax.set_ylim(0, 11) 
ax.set_xlabel('X axis') # 调用坐标轴的设置x轴标签的方法
ax.set_ylabel('Y axis',size = 20) # 调用坐标轴的设置y轴标签的方法
ax.set_title('Line Plot',size = 30) # 调用坐标轴的设置标题的方法
plt.show() 

# 面向对象
fig, ax = plt.subplots(figsize=(15,3))  #创建坐标轴对象
ax.plot(x, y) #调用坐标轴的绘图方法
ax.set_xlim(-4, 8) # 调用坐标轴的设置x轴上下限的方法
ax.set_ylim(0, 11) 
ax.set_xlabel('X axis') # 调用坐标轴的设置x轴标签的方法
ax.set_ylabel('Y axis',size = 20) # 调用坐标轴的设置y轴标签的方法
ax.set_title('Line Plot',size = 30) # 调用坐标轴的设置标题的方法
plt.show() 

直方图、散点图代码

fig = plt.figure()
axes1 = fig.add_subplot(1,1,1)
axes1.hist(tips['total_bill'],bins = 10)
# axes1.scatter(tips['total_bill'],tips['tip']) 散点图关键代码
axes1.set_title('Histogram of Total Bill')
axes1.set_xlabel('total bill')
axes1.set_ylabel('freq')

多变量数据画图（散点图）部分代码

scatter = axes1.scatter(x = tips['total_bill'],y=tips['tip'],s = tips['size']*10,c=tips['sex_color'],alpha = 0.5)
legend1 = axes1.legend(*scatter.legend_elements(), loc="upper left", title="性别") # 设置图例
axes1.add_artist(legend1) # 添加图例

Pandas

名称	方法名	说明
柱状图	plot.bar()	figsize=(16,9)画布宽高 color=[]/fontsize=12 subplots=True, layout=(2, 2) 有4个子图，布局2*2
折线图	plot.line()	反应趋势
直方图	plot.hist()	常用来展示没有数据倾斜的数据分布情况
饼图	plot.pie()
散点图	plot.scatter()	常用参数：x/y
蜂巢图	plot.hexplot	常用参数：x/y/gridsize=15 蜂巢大小

修改x、y轴的标签和字体

# 创建绘图区域和坐标轴
fig, axes = plt.subplots(ncols=1, figsize = (20,10))
# 使用pandas 在指定坐标轴内绘图
reviews[reviews['price'] < 100].sample(100).plot.scatter(x='price', y='points',figsize=(14,8),fontsize = 16,ax = axes)
# 通过坐标轴修改x y 标签内容和字体大小
axes.set_xlabel('price',fontdict={'fontsize':16})

Seaborn

单变量

名称	方法名	关键参数
直方图	displot	x/kde/rug kde 核密度估计 rug 频数
计数图	countplot	x/data

双变量

名称	方法名	关键参数
散点图	scatterplot	x/y/data
散点图带回归线	regplot/lmplot	x/y/data
散点图带直方图	jointplot	x/y/data
蜂巢图带直方图	jointplot	x/y/data/kind=‘hex’
条形图	barplot	x/y/data/orient=‘h’ orient='h’表示横向条形图
箱线图	boxplot	x/y/data
变量两两之间关系图	pairplot	x/y/data

箱线图统计的数据说明：最小值，¼分位，中位数，¾分位，最大值，以及离群值

多变量

名称	方法名	关键参数
散点图	scatterplot/lmplot	x/y/hue/data
小提琴图	violinplot	x/y/hue/data/split
变量两两之间关系图	pairplot	x/y/hue/data

对于pairplot，存在冗余信息，上半部分下半部分相同，用如下方法手动指定上半部分、下半部分和对角线分别用什么图

pair_grid = sns.PairGrid(tips) pair_grid.map_upper(sns.regplot) pair_grid.map_lower(sns.kdeplot) pair_grid.map_diag(sns.histplot)

心得：数据可视化部分涉及的方法和参数很多，需要多去使用，多去查阅资料才可牢记于心，可以再jupyter中通过方法名?的方式查看方法和参数说明，用的时候需灵活使用