数据可视化

一、matplotlib的使用

二、数据可视化的意义 

1. 提高理解和解释数据的能力

2. 发现数据中的模式和异常

3. 简化复杂数据的展示

4. 增强数据分析的说服力

5. 支持数据驱动的决策

6. 促进数据的探索和发现

7. 提高沟通效率

三、常用图表的定义和作用

1. 折线图（Line Chart）
定义：折线图使用折线连接一系列数据点，通常用于显示数据在一段时间内的变化趋势。
作用：适用于时间序列数据，能够显示数据的变化趋势和波动情况。例如，股票价格、温度变化等。

2. 柱状图（Bar Chart）
定义：柱状图使用矩形柱表示不同类别的数据，其高度或长度代表数据的值。
作用：适用于比较不同类别的数据大小。例如，销售额、人口数量等。

3. 饼图（Pie Chart）
定义：饼图将数据分成扇形区域，每个扇形的角度大小表示数据的比例。
作用：适用于显示部分与整体的关系，例如市场份额、预算分配等。

4. 散点图（Scatter Plot）
定义：散点图使用点在平面上表示两个变量的数据值，点的位置由变量的值决定。
作用：适用于显示两个变量之间的关系和分布情况。例如，身高与体重、价格与销量等。

5. 直方图（Histogram）
定义：直方图使用相邻的矩形柱表示数据的频率分布，其高度表示数据的频率。
作用：适用于显示数据的分布情况和频率。例如，考试成绩分布、年龄分布等。

6. 箱线图（Box Plot）
定义：箱线图通过箱形和须状线展示数据的分布特征，包括中位数、四分位数和异常值。
作用：适用于比较数据的分布特征和发现异常值。例如，收入分布、测量误差等。

 7. 热图（Heatmap）
定义：热图使用颜色表示数据的值，不同的颜色代表不同的数值范围。
作用：适用于显示大量数据的分布情况和相关性。例如，相关矩阵、地理数据分布等。

8. 面积图（Area Chart）
定义：面积图通过填充折线图下方的区域表示数据的累积变化。
作用：适用于显示数据的累积变化和趋势。例如，累计销量、累积降水量等。

9. 雷达图（Radar Chart）
定义：雷达图使用多个轴表示不同的变量，数据点通过折线连接，形成多边形。
作用：适用于显示多变量的数据比较和特征。例如，性能评估、市场调研等。

10. 散布矩阵（Pair Plot）
定义：散布矩阵展示多个变量之间的散点图和直方图，以矩阵形式排列。
作用：适用于探索多个变量之间的关系和分布。例如，数据特征分析、模型输入变量分析等。

 示例代码

import matplotlib.pyplot as plt
import numpy as np

# 数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
categories = ['A', 'B', 'C', 'D']
values = [15, 30, 45, 10]
data = np.random.randn(1000)

# 折线图
plt.figure(figsize=(10, 6))
plt.subplot(2, 3, 1)
plt.plot(x, y)
plt.title("Line Chart")

# 柱状图
plt.subplot(2, 3, 2)
plt.bar(categories, values)
plt.title("Bar Chart")

# 饼图
plt.subplot(2, 3, 3)
plt.pie(values, labels=categories, autopct='%1.1f%%')
plt.title("Pie Chart")

# 散点图
plt.subplot(2, 3, 4)
plt.scatter(x, y)
plt.title("Scatter Plot")

# 直方图
plt.subplot(2, 3, 5)
plt.hist(data, bins=20)
plt.title("Histogram")

# 热图（使用随机数据）
plt.subplot(2, 3, 6)
data = np.random.rand(10, 10)
plt.imshow(data, cmap='hot', interpolation='nearest')
plt.title("Heatmap")

plt.tight_layout()
plt.show()

四、绘制多折线、两组柱形的柱形图、饼图、圆环图

1、多折线

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
x = np.arange(4, 19)
y_max = np.array([32, 33, 34, 34, 33, 31, 30, 29, 30, 29, 26, 23, 21, 25, 31])
y_min = np.array([19, 19, 20, 22, 22, 21, 22, 16, 18, 18, 17, 14, 15, 16, 16])
# 绘制折线图
plt.grid(b=True, which='major', axis='both' )
plt.plot(x, y_max, color='purple', ls='--')
plt.plot(x, y_min, color='black', ls=':')
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.title("未来15天的最高气温和最低气温")
plt.show()

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.arange(6)
y1 = [174,93,284,21,43,74]#甲国家发电量
y2 = [88,283,97,34,75,46]#乙国家发电量
width = 0.3
labels=["水电","火电","核电","风电","太阳能","其他"]
plt.bar(x,y1,tick_label=labels,width=width, color='red')
plt.bar(x+width,y2,width=width, color='blue')
plt.show()

2、柱形图

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.arange(5)
y1 = [74,93,84,81,79]#甲成绩
y2 = [88,83,97,74,72]#乙成绩
width = 0.3
labels=["语文","数学","英语","物理","化学"]
plt.bar(x,y1,tick_label=labels,width=width, color='red')
plt.bar(x+width,y2,width=width, color='blue')
plt.show()

3、饼图

import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
# 饼图外侧的说明文字
kinds = [' 购物 ', ' 人情往来 ', ' 餐饮美食 ', ' 通信物流 ', ' 生活日用 ',' 交通出行 ', ' 休闲娱乐 ', ' 其他 ']
# 饼图的数据
money_scale = [800 / 3000, 100 / 3000, 1000 / 3000, 200 / 3000, 300 / 3000, 200 / 3000, 200 / 3000, 200 / 3000]
dev_position = [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1]
# 绘制饼图
plt.pie(money_scale, labels=kinds, autopct='%3.1f%%', shadow=True,explode=dev_position, startangle=90)
plt.show()

4、圆环图

wedgeprops={'width': 0.8}

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

data = np.array([931,430,210,68,413,148,100,310])
pie_labels = np.array(["伙食","零食","学习","通讯","服饰","交通","娱乐","其他"])
plt.pie(data, radius=1.3, wedgeprops={'width': 0.75},
        labels=pie_labels,colors=['red','green','blue','yellow'], autopct='%3.1f%%')
plt.title("6月消费情况")
plt.show()

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

data = np.array([542,334,189,2304,830,810,410])
pie_labels = np.array(["东北","华北","华东","华中","华南","西南","西北"])
plt.pie(data, radius=1.3, wedgeprops={'width': 0.8}, 
        labels=pie_labels,colors=['red','green','blue','yellow'], autopct='%3.1f%%')
plt.title("2023级新生来源地区")
plt.show()

五、识别常用颜色：红、绿、蓝、黄、紫、青、黑、白

colors=['red','green','blue','yellow','purple','cyan','black','white']

六、设置线的样式，如实线、长虚线、短虚线、点划线等

plt.plot(x,y,color='purple',ls='--')
// :  代表短虚线 
// -. 代表点划线
// -- 代表长虚线
// -  代表实线

七、设置网格线

plt.grid(b=Ture, which='major', axis='both',linewidth=0.3)
//b代表是否显示网格， which代表显示网格类型， axis表示显示哪个方向的网格， linewidth代表网格线宽度

八、设置标题

plt.title("标题")

九、设置x、y轴的刻度标签

plt.xlabel("X轴")
plt.ylabel("Y轴")

十、设置契形图宽度、半径、保留n位小数

plt.plot(data, radius=1.3, wedgeprops={'width':0.8}, labels=pie_labels,colors=['yellow','purple','cyan','black','white'], autopct='%3.1f%%')
//radius        扇形或契形的半径
//wedgeprops    控制扇形或契形属性的字典，如wedgeprops={'width':0.8}，将契形的宽度设置为0.8
//labels        扇形或契形的标签文本
//colors        扇形或契形的颜色
//autopct       控制扇形或契形的数值显示的字符串

折线

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
x = np.arange(4, 19)
y_max = np.array([32, 33, 34, 34, 33, 31, 30, 29, 30, 29, 26, 23, 21, 25, 31])
y_min = np.array([19, 19, 20, 22, 22, 21, 22, 16, 18, 18, 17, 14, 15, 16, 16])
# 绘制折线图
plt.grid(b=True, which='major', axis='both' )
plt.plot(x, y_max, color='purple', ls='--')
plt.plot(x, y_min, color='black', ls=':')
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.title("未来15天的最高气温和最低气温")
plt.show()

条形

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.arange(5)
y1 = [74,93,84,81,79]#甲成绩
y2 = [88,83,97,74,72]#乙成绩
width = 0.3
labels=["语文","数学","英语","物理","化学"]
plt.bar(x,y1,tick_label=labels,width=width, color='red')
plt.bar(x+width,y2,width=width, color='blue')
plt.show()

圆环

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

data = np.array([931,430,210,68,413,148,100,310])
pie_labels = np.array(["伙食","零食","学习","通讯","服饰","交通","娱乐","其他"])
plt.pie(data, radius=1.3, wedgeprops={'width': 0.75},
        labels=pie_labels,colors=['red','green','blue','yellow'], autopct='%3.1f%%')
plt.title("6月消费情况")
plt.show()

条形

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.arange(6)
y1 = [174,93,284,21,43,74]#甲国家发电量
y2 = [88,283,97,34,75,46]#乙国家发电量
width = 0.3
labels=["水电","火电","核电","风电","太阳能","其他"]
plt.bar(x,y1,tick_label=labels,width=width, color='red')
plt.bar(x+width,y2,width=width, color='blue')
plt.show()

圆环

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

data = np.array([542,334,189,2304,830,810,410])
pie_labels = np.array(["东北","华北","华东","华中","华南","西南","西北"])
plt.pie(data, radius=1.3,  wedgeprops={'width': 0.8},
        labels=pie_labels,colors=['yellow','purple','cyan','black','white'], autopct='%3.1f%%')
plt.title("2023级新生来源地区")
plt.show()