【整理】Python学习笔记1.8

最新推荐文章于 2024-08-14 21:46:12 发布

月亮鱼与十四行

最新推荐文章于 2024-08-14 21:46:12 发布

阅读量328

点赞数

分类专栏： Python学习笔记文章标签： python 数据可视化

本文链接：https://blog.csdn.net/weixin_47305073/article/details/118909878

版权

Python学习笔记专栏收录该内容

17 篇文章 5 订阅

订阅专栏

第八章绘图

通过介绍Matplotlib模块、Seaborn模块、Bokeh交互式绘图，向读者逐步呈现Python由基础到高级绘图的方法。~~（画图，难道不是有手就行？）~~

Matplotlib绘图基础

基本特点

Matpltlob图像可分为四层结构：
1） canvas（画板)。位于最底层，导入matplotlib库时就自动存在。
2） figure（画布)。建立在canvas之上，从这一层就能开始设置其参数。
3） axes（子图)。将figure分成不同块，实现分面绘图。
4）图表信息（构图元素)。添加或修改axes上的图形信息，优化图表的显示效果。

Matplotlib通过pyplot模块提供了一套与Matlab类似的命令API，创建好画布后，只需调用pyplot模块所提供的函数，仅几行代码就可以实现添加、修改图形元素，或在原有图形上绘制新图形。

主要分三个部分：
1）导入模块
2）创建画布与创建子图
3）添加画布内容
4）图形保存和展示
~~（实战后就会发现跟matlab绘图很像）~~

可使用库中的savefig()函数保存图片，show()展示图形，text()能够在任意地方添加文本。

Matplotlib官网

绘图类型

绘图类型1

在matplotlib模块载入时会调用rc_params函数，并把得到的配置字典保存到rcParams变量中。通过修改字典的方式或用matplotlib.rc()函数修改rc参数。修改默认rc参数后，图形对应属性就会发生改变。

Seaborn进阶绘图

基本特点

Seaborn有如下特点：
1）基于Matplotlib绘图风格，增加了一些绘图模式
2）增加调色板功能，具有色彩丰富的显示数据模式
3）面向整个数据集，可显示多个变量之间的关系
4）可视化单变量和双变量分布以及在数据子集间进行比较
5）不同种类因变量的线性回归模型的自动估计和绘图
6）方便查看复杂数据集的整体结构
7）灵活处理时间序列数据
8）利用网格建立复杂图像集

Seaborn模块中通过功能划分，一共有5类21种图形，每一类绘图函数的参数和使用方法都基本一致。使用get_dataset_names函数获取全部内置数据集名称。使用load_dataset函数导入数据。

绘图类型

Seaborn具有丰富的绘图风格，可产生更为美观的图形展示
绘图类型2

Bokeh交互式绘图

基本特点

Bokeh是一个专门针对Web浏览器的呈现功能的交互式可视化Python库，能够绘制会“运动”、含有链接等的动态图片，这是Bokeh有其他可视化库最核心的区别。有5点优势：
1） Bokeh允许通过简单的指令就快速地创建复杂的统计图。
2） Bokeh提供到各种媒体，如HTML、Notebook文档和服务器的输出。
3）可以将Bokeh可视化嵌入flash和django程序。
4） Bokeh可以转换写在其他库（如matplotlib、seaborn和ggplot）中的可视化。
5） Bokeh能灵活地将交互式应用、布局和不同样式选择用于可视化。

基本操作方法同其他作图库类似。

在jupyter中使用output_notebook函数来设置输出模式（加载交互式界面），使用figure函数创建绘图区域。绘制完图形，最后用show函数与save函数来展示与保存图形。

Bokeh能接受HTML和CSS颜色规范种定义的147种颜色名，也能接受RGB颜色值，如“#FF0000”，还有3维元组（r,g,b）、4维元组（r,g,b,a）等。图形有线条属性、填充属性和文本属性等。

Bokeh接收多种形式的数据源，并将这些形式的数据转化成ColumnDataSource对象。一般默认会将数据转化，有时候也需要显式地通过ColumnDataSource函数转化。

添加图形的注解使用Bokeh库下的annotations模块。Span函数能够给图形添加水平或垂直跨度线。Label函数通过坐标定位在图上任意一点并添加注释。

使用row函数或者column函数可以排列一个个图形。

绘图类型

绘图类型3

第八章课后题概述

D
xlabel是在当前图形中添加x轴名称，可以指定位置、颜色、字体大小等参数；xlim指定当前图形x轴的范围，只能确定一个数值区间，而无法使用字符串标识； xticks指定x轴刻度的数目与取值
B
保存图片和展示图片并无先后顺序，图片可展示也可不展示，可保存也可不保存，关键是我们是否书写了那行代码
C
编写代码进行运行判断

A是一致的
代码1

B也是一致的
代码2

C当不被提供时，默认参数为none
网络截图
D项印刷错误。

D
rugplot用于绘制显示数据刻度的地毯图，辅助显示数据的分布特点。只需接受一个参数a即可。其余三个函数均需要接受x,y和data三组的变量
填空题
（1）Matplotlib绘制图形的层级是4层。 *canvas（画板）、figure（画布）、axes（子图）、图表信息（构图元素）
（2）Seaborn中预设的主题样式有darkgrid（灰色背景+白网格）、whitegrid（白色背景+黑网格）、dark（仅灰色背景）、white（仅白色背景）和ticks（坐标轴带刻度）。 *5种
（3）Seaborn中分类图各函数用来分组的参数有hue。 *hue传入分类变量，后两者接受字符串列表，指定绘图分类级别，默认为None
（4）Bokeh绘图以Web浏览器为基础，Seaborn绘图以Matplotlib为基础。
（5）想要实现绘制条形图，可以用三种库中的Matplotlib。
散点图绘制

import matplotlib.pyplot as plt
import numpy as np
data = np.load('C:\\Users\\Lenovo\\Desktop\\国民经济核算季度数据.npz')
name = data['columns']  # 提取columns数组，视为数据的标签
values = data['values']  # 提取values数组，数据的存在位置
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
# 各产业
fig, (ax1, ax2) = plt.subplots(1, 2)
ax1.scatter( values[: ,1],values[: ,3])
ax1.scatter( values[: ,1],values[: ,4])
ax1.scatter( values[: ,1],values[: , 5])
ax1.legend(['第一产业', '第二产业', '第三产业'])
ax1.set_xlabel('年份')
ax1.set_ylabel('生产总值（亿元）')
ax1.set_xticks(values[range(0, 70, 4), 1])
plt.setp(ax1.get_xticklabels(), rotation=50, horizontalalignment='right',size = 5.5)
ax1.set_title('2000 ~ 2017年季度各产业生产总值散点图')
# 各行业
ax2.scatter( values[: ,1],values[: ,6])
ax2.scatter( values[: ,1],values[: ,7])
ax2.scatter( values[: ,1],values[: ,8])
ax2.scatter( values[: ,1],values[: ,9])
ax2.scatter( values[: ,1],values[: ,10])
ax2.scatter( values[: ,1],values[: ,11])
ax2.scatter( values[: ,1],values[: ,12])
ax2.scatter( values[: ,1],values[: ,13])
ax2.scatter( values[: ,1],values[: ,14])
ax2.legend(['农林牧渔业', '工业', '建筑业', '批发和零售业', '交通运输、仓储和邮政业', '住宿和餐饮业', '金融业', '房地产业','其他行业'])
ax2.set_xlabel('年份')
ax2.set_ylabel('生产总值（亿元）')
ax2.set_xticks(values[range(0, 70, 4), 1])
plt.setp(ax2.get_xticklabels(), rotation=50, horizontalalignment='right',size = 5.5)
ax2.set_title('2000 ~ 2017年季度各行业生产总值散点图')
plt.savefig('C:\\Users\\Lenovo\\Desktop\\国民经济核算季度数据统计图.png')
plt.show()

散点图

小提琴图绘制

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset('titanic')
print(titanic)
sns.violinplot(x='age',y='embark_town',hue='sex',data=titanic, palette='Set3',cut=1)
plt.savefig('C:\\Users\\Lenovo\\Desktop\\小提琴图.png')
plt.show()

由于获取数据失败，绘图失败，报错如下~~（因为连接外网失败了）~~

TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。

可将相应的数据下载到本地后再进行绘图操作，这个数据集在github上有，选择zip下载。

数据集

将解压后的文件转移至 C:\Users\Lenovo\seaborn-data 路径下，即seaborn-data那个文件里。
路径转移
再次运行代码，就可以得到绘制后的小提琴图了。

注：代码除部分经本人修改外，主要来自 机械工业出版社的《Python3智能数据分析快速入门》 的配套资料。