头歌数据可视化练习

第1关：柱状图

任务描述

旅游选住的地方，地理位置往往是最重要的。那么在我们的数据中，房源地理位置分布有什么特点呢？下面我们来对地理位置数据进行可视化分析。

相关知识

为了完成本关任务，你需要掌握：1. 如何统计数据；2. 如何绘制柱状图。

地理位置分析

地理位置分析可以从两块入手：所属区域和位置经纬度

• 房源所属区域分析：房源按区域的数量分布；

• 房源位置经纬度：具体地理位置分布。

阿姆斯特丹区域划分：

---

房源所属片区

获取所属片区，从数据表中获取某一个属性，可以通过 dataframe 加个点号接属性来获取。统计房源所属片区，需要对每一行的区域进行计数，再按从大到小进行排序：

1. neighbourhood_count=df.neighbourhood.value_counts(ascending=False)#对neighbourhood列的字段进行统计并排序

因为片区较多，我们着重看房源量前 5 的片区:

1. neighbourhood_count.head(5)

房源所属区域

柱状图我们用 seaborn 的 countplot 函数就可以画出来了。通过大括号里面单引号放上属性，也能够获取数据表的相应属性。统计房源所属片区，需要对每一行的区域进行计数，再按从大到小进行排序。

排序的 order 变量需要字符串作为输入:

1. sns.set(style = 'whitegrid')#设置绘图样式
3. sns.countplot(x = 'neighbourhood',#绘制图形
4. data = df,
5. order = df['neighbourhood'].value_counts(ascending=False).head(5).index)
8. plt.xticks(rotation=90)#旋转x轴90度

下面是房源最多的 5 个片区的柱状图：

对比一下房源最多的 5 个片区的饼图：

柱状图对比饼图，柱状图更简洁、视觉对比更醒目，尤其是在元素多时！

编程要求

请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，读入数据并画出房源类型的柱状图。具体请按照以下要求可视化：

• 读入数据路径为：Task3/listings.csv；

• 图形的 figsize 为 (10, 10)；

• 使用 plt.savefig 函数保存图形；

• 图形保存到 Task3/img/T1.png。

测试说明

平台会对你编写的代码进行测试：

图片预期输出结果为：

---

开始你的任务吧，祝你成功！

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
def student():

    # ********* Begin *********#
    df = pd.read_csv('Task3/listings.csv',index_col = 0)
    fig = plt.figure(figsize=[10,10])
    sns.countplot(x = 'room_type', data = df, order = df['room_type'].value_counts(ascending=False).head(5).index)
    plt.xticks(rotation = 90)
    plt.savefig('Task3/img/T1.png')
    plt.show()

    # ********* End *********#

第2关：散点图

任务描述

本关任务：使用 scatterplot 绘制房源位置经纬度的散点图。

相关知识

散点图：顾名思义就是把一个个点按照横纵坐标画在图中。

seaborn绘制散点图

散点图能够显示 2 个维度上 2 组数据的值，每个点代表一个观察点。

X （水平）和 Y （垂直）轴上的位置表示变量的值。研究这两个变量之间的关系是非常有用的。在 seaborn 中通过 scatterplot 制作散点图。

---

scatterplot() 参数说明:

• x ，y :输入的绘图数据，必须是数值型数据；

• hue :对输入数据进行分组的序列，使用不同颜色对各组的数据加以区分；

• s :标记大小。

示例如下：

1. tips = pd.read_csv('tips.csv')
2. print(tips.head())
3. sns.relplot(x="total_bill",
4. y="tip",
5. data=tips)

编程要求

请仔细阅读右侧代码，结合相关知识，在 Begin-End 区域内进行代码补充，使用seaborn 的 scatterplot 绘制房源位置经纬度的散点图，并设置标记大小为 10。

具体绘图，请按照以下要求可视化：

• 数据文件 Task4/listings.csv；

• 图形的 figsize 为 (10, 10)；

• 文件名为 Task4/img/T1.png。

测试说明

平台会对你编写的代码进行测试：

图片预期输出结果：

---

开始你的任务吧，祝你成功！

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib
matplotlib.use("Agg")


def student():

    # ********* Begin *********#
    # 读入数据为DataFrame
    df = pd.read_csv('Task4/listings.csv')
    # 绘图：图像大小10×10,
    plt.figure(figsize=(10, 10))
    # 散点图
    sns.scatterplot(x="longitude",
                    y="latitude",
                    s=10,
                    data=df)
    # 保存并显示图像
    plt.savefig("Task4/img/T1.png")
    plt.show()

    # ********* End *********#

第3关：直方图

任务描述

本关任务：绘制一个包含直方图与线形图的图形。

相关知识

为了完成本关任务，你需要掌握：1. 直方图和条形图的区别；2. 如何绘制直方图。

什么是直方图

单从外表上看直方图和条形图非常相似。首先需要区分清楚概念：直方图和条形图。

• 条形图用长条形表示每一个类别，长条形的长度表示类别的频数，宽度表示表示类别。

• 直方图是一种统计报告图，形式上也是一个个的长条形，但是直方图用长条形的面积表示频数，所以长条形的高度表示组距频数​，宽度表示组距，其长度和宽度均有意义。当宽度相同时，一般就用长条形长度表示频数。

---

绘制直方图

直方图一般用来描述等距数据。直观上，直方图各个长条形是衔接在一起的，表示数据间的数学关系。

1. import matplotlib.pyplot as plt
2. import numpy as np
3. import matplotlib
4. import seaborn as sns
5. # 设置matplotlib正常显示中文和负号
6. matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
7. matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号
8. # 随机生成（10000,）服从正态分布的数据
9. data = np.random.randn(10000)
10. sns.distplot( data,kde=False,color="red")
11. # 显示横轴标签
12. plt.xlabel("区间")
13. # 显示纵轴标签
14. plt.ylabel("频数/频率")
15. # 显示图标题
16. plt.title("频数/频率分布直方图")
17. plt.show()

参数	作用
data	必选参数，绘图数据
bins	直方图的长条形数目，可选项，默认为10
normed	是否将得到的直方图向量归一化，可选项，默认为0，代表不归一化，显示频数。normed=1，表示归一化，显示频率。
facecolor	长条形的颜色
edgecolor	长条形边框的颜色
alpha	透明度

编程要求

请仔细阅读右侧代码，结合相关知识，在Begin-End区域内进行代码补充，根据输入数据将直方图与线形图绘制在同一面板中，具体绘图请按照以下要求可视化：

• 图形的figsize为(10, 10)

• 文件名为Task5/img/T1.png

测试说明

平台会对你编写的代码进行测试：

图片预期输出结果：

---

开始你的任务吧，祝你成功！

import warnings
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.use("Agg")
warnings.filterwarnings('ignore')


def student(data, x, y):
    '''
    根据输入数据将直方图与线形图绘制在同一面板中
    :param data: 绘制直方图数据，类型为list
    :param x,y: 绘制线形图数据，类型为list
    :return: None
    '''
    # ********* Begin *********#
    # 绘图：图像大小10×10,
    plt.figure(figsize=(10, 10))
    # 直方图
    sns.distplot(data, kde=False, color="blue")
    # 折线图
    sns.lineplot(x=x, y=y, color="orange")
    # 保存并显示图像
    plt.savefig("Task5/img/T1.png")
    plt.show()

    # ********* End *********#