【Python语言速回顾】——数据可视化基础

目录

引入

一、Matplotlib模块（常用）

1、绘图流程&常用图

​编辑

2、绘制子图&添加标注

​编辑

3、面向对象画图

4、Pylab模块应用

二、Seaborn模块（常用）

1、常用图

2、代码示例

​编辑

​编辑

​编辑

​编辑

三、Artist模块

四、Pandas绘图

1、数据框（dataframe）&系列（series）

2、pandas常用绘图函数

---

引入

Python中数据可视化有多种实现方式，下面以实战项目需求为导向介绍几种比较流行的数据可视化模块：Pyplot模块、Seaborn模块、Artist模块、Pandas模块。（个人经常用到pyplot和seaborn）

一、Matplotlib模块（常用）

Matplotlib提供了一整套和Matlab类似的命令API，适合交互式制图。可方便地作为绘图控件，嵌入GUI应用程序。文档完备https://matplotlib.org/3.1.1/gallery/index.html各种图打开都有源程序。

1、绘图流程&常用图

①分别导入Matplotlib.pyplot和numpy
②定义横轴标度并以横轴标度为自变量，定义纵轴功能函数
③figure()函数指定图像长宽比
④plot()函数绘制功能函数
⑤plt的属性函数设置图像属性
⑥show()函数显示图像

格式：

plt.plot(x,y,其他参数)

其他参数label、color、linewidth、b--（同时指定颜色和线型，点（.）实线（-）虚点线（-.）点线（:)虚线（--）无线条（‘"‘）)

常用图类型：

折线图plt.plot演示：

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,10,1000)
y = np.sin(x)
z = np.cos(x**2)
plt.figure(figsize=(8,4))
plt.plot(x,y,label = "$sin(x)$",color = "red",linewidth = 2)  #绘图并指定了线的标签，颜色，粗细
plt.plot(x,z,label = "$cos(x^2)$",color = "blue",linewidth = 1)
plt.xlabel("Times")
plt.ylabel("Volt")
plt.title("PyplotTest")
plt.ylim(-1.2,1.2)  #y轴显示范围
plt.legend() #显示图中左下角的提示信息，即提示标签（哪个线是哪个函数）

2、绘制子图&添加标注

Matplotlib中用轴表示一个绘图区域，一个绘图对象（figure）可包含多个轴（axis），可理解为子图。可用subplot函数快速绘制有多个轴的图表（子图）：

subplot（numRows，numCols，plotNum）

将绘图区域分为numRows x numCols个子区域，从左到右从上到下依次编号，从编号1开始。三个参数都小于10时可省略之间逗号

标注即为图的注释：
①text（）函数可将文本放置在轴域的任意位置，用来标注绘图的某些特征
②annotate（）方法提供辅助函数进行定位，使标注变得准确方便
文本位置及标注点位置均由元组（x，y）描述，参数x，y表示标注点位置，参数xytext表示文本位置

③...

#子图绘制演示（接着上面示例的构建的函数）
fig = plt.figure(figsize=(8,4))
ax = fig.add_subplot(211) #创建Axes对象
plt.subplot(2,1,1)  #两行一列个子区域，编号1位置
plt.plot(x,y,label = "$sin(x)$",color = "red",linewidth = 2)
plt.ylabel("y-Volt")
plt.legend()
plt.subplot(2,1,2)  #两行一列个子区域，编号2位置
plt.plot(x,z,label = "$cos(x^2)$",color = "blue",linewidth = 1)
plt.ylabel("z-Volt")
plt.xlabel("Times")
ax.annotate("sin(x)",xy=(2,1),xytext=(3,1.5),arrowprops = dict(facecolor='black',shrink = 0.05))  #添加文字和黑色箭头（Artist模块的简单类型Artist）
ax.set_ylim(-2,2)
plt.show()

3、面向对象画图

4、Pylab模块应用

也是matplotlib里面的一个模块，提供可绘制二维、三维数据的工具模块，包含numpy和pyplot模块中的常见函数，方便快速计算和绘图。

二、Seaborn模块（常用）

它基于matplotlib，但提供了更高级的统计图形方法！

1、常用图

2、代码示例

下面选取逻辑回归算法（一种分类算法，titannic数据集）中特征工程（数据预处理）中的一段代码演示：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn
import sklearn
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn import preprocessing

titanic_data = pd.read_csv("titanic_data.csv")   #泰坦尼克号幸存或遇难者信息
titanic_data = titanic_data[['Survived', 'Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Embarked', 'Fare']] #选取需要的8列
#1.特征工程
titanic_data['Age'].fillna((titanic_data['Age'].mean()), inplace=True) #Age有177个空值，这里用平均值替代
titanic_data.dropna(inplace=True)  #Embarked只有2个空值，可放弃这两个值
titanic_data_X = titanic_data[['Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Embarked', 'Fare']]
titanic_data_Y = titanic_data[['Survived']]  #分离自变量X和因变量Y（最后的分类结果为2个1或0，是否存活）
X_train, X_test, Y_train, Y_test = train_test_split(titanic_data_X, titanic_data_Y,test_size=0.20)  #将数据分成训练集和测试集

seaborn.countplot(x='Pclass', data = X_train)  #检查Pclass（舱位等级）柱状图
plt.show()

seaborn.displot(X_train['Age'])                #检查Age分布图（柱状图+核密度估计）
plt.show()

seaborn.displot(X_train['Fare'])               #检查Fare（票价）分布图（柱状图+核密度估计）
plt.show()

age_scaler = StandardScaler()                  #创建Z-Score标准化对象，对Age进行分类特征标准化
age_scaler.fit(pd.DataFrame(X_train['Age']))
X_train.loc[:, 'Age'] = age_scaler.transform(X_train[['Age']])   #双[]

fare_scaler = StandardScaler()                  #创建Z-Score标准化对象，对Fare（票价）进行分类特征标准化
fare_scaler.fit(pd.DataFrame(X_train['Fare']))
X_train.loc[:, 'Fare'] = fare_scaler.transform(X_train[['Fare']])  #双[]

X_train.loc[:, 'Sex'] = X_train['Sex'].map({'female': 0, 'male': 1}) #将Sex映射为0，1

embarked_encoder = preprocessing.LabelEncoder() #创建编码对象，对Embarked（登船口3个）编码
embarked_encoder.fit(pd.DataFrame(X_train['Embarked']))
X_train.loc[:, 'Embarked'] = embarked_encoder.transform(X_train[['Embarked']])

#截至此，将所有数据的格式转换完成，用heatmap检查下特征之间的关联性
seaborn.heatmap(X_train.corr())
plt.show()

三、Artist模块

Matplotlib绘图库的API包含3个图层——画板、渲染、artist.Artist（如何渲染）。相比Pyplot和Pylab两个API，Artist用于处理所有的高级结构，如处理图表、文字、曲线等的绘制和布局，不需要关注底层的绘制细节。
Artist分简单类型、容器类型两种。简单类型的Artist为标准的绘图元件，如Line2D、Rectangle、Text、AxesTmage等；容器类型可以包含许多简单类型的Artist组成一个整体，如Axis、Axes、Figure等。

步骤：

①创建Figure对象
②用Figure对象创建一个或多个Axes或者Subplot对象
③调用Axes等对象的方法创建各种简单类型的Artist

Matplotlib所绘制的图表中的每一个元素都由Artist控制，而每一个Artist对象包含很多属性来控制显示效果，常见属性：

alpha透明值，0完全透明，1完全不透明
animate布尔值，绘制动画效果是使用
axes此Artist对象所在的Axes对象，可能为None
figure此Artist对象所在的Figure对象，可能为None
label文本标签
picker控制Artist对象选取
zorder控制绘图顺序

所有属性都可通过相应的get_*和set_*函数读写，如将alpha设置为当前值的一半：

fig.set_alpha(0.5*fig.get_alpha())

若一句代码设置多个属性：

fig.set(alpha = 0.5,zorder = 2,label = '$sin(x)$')

四、Pandas绘图

pandas是python最强大的数据分析和探索工具，包含高级的数据结构和精巧的工具。它构建在numpy之上，使得以numpy为中心的应用更便捷；支持类似于SQL的数据操作，具有丰富的数据处理函数；它的作图依赖于matplotlib，通常两者一起使用。

1、数据框（dataframe）&系列（series）

pandas带两个重要数据结构：数据框（dataframe）、系列（series）
①数据框

二维表，行列都有索引，面向行列的操作对称。创建数据框的方法很多，常用包含相等长度列表的字典或Numpy数组来创建数据库，行索引默认由0开始，列索引用户自定义（也可自定义行索引，列索引要与字典对应不然数据为空）

import pandas as pd
data = {'name':['小明','小红','小刚','小强','大壮'],
        'age':[15,16,14,18,20],
        'score':[88,99,65,95,67]
        }
dataframe1 = pd.DataFrame(data)
dataframe2 = pd.DataFrame(data,columns=['name','age','score'],index=['one','two','three','four','five'])
print(dataframe1)
print(dataframe2)
运行结果：
  name  age  score
0   小明   15     88
1   小红   16     99
2   小刚   14     65
3   小强   18     95
4   大壮   20     67
      name  age  score
one     小明   15     88
two     小红   16     99
three   小刚   14     65
four    小强   18     95
five    大壮   20     67

②系列

对具有同一属性的值的统称，可理解为一维数组（退化了的数据框）

print(dataframe2['name'])
运行结果：
one      小明
two      小红
three    小刚
four     小强
five     大壮
Name: name, dtype: object

2、pandas常用绘图函数

plot（）：绘制线性二维图（matplotlib/pandas库都有）
pie（）：绘制饼形图（matplotlib/pandas、库都有）
hist（）：绘制二维条形直方图（matplotlib/pandas库都有）
boxplot（）：绘制样本数据箱体图（pandas库）
plot（logy = True）：绘制y轴的对数图（pandas库）
plot（yerr = error）：绘制误差条形图（pandas库）