第二章：第四节数据可视化-课程

**复习：**学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的统计方法，第二章中我们学习了数据的清理和重构，使得数据更加的易于理解；今天我们要学习的是第二章第三节：数据可视化，主要给大家介绍一下Python数据可视化库Matplotlib，在本章学习中，你也许会觉得数据很有趣。

2 第二章：数据可视化

开始之前，导入numpy、pandas以及matplotlib包和数据

# 加载所需的库
# 如果出现 ModuleNotFoundError: No module named 'xxxx'
# 你只需要在终端/cmd下 pip install xxxx 即可
import pandas as pd
import numpy as np 
import matplotlib.pyplot as plt

#加载result.csv这个数据
result=pd.read_csv('F:\Datewheel资料\hands-on-data-analysis-master\hands-on-data-analysis-master\第二章项目集合/result.csv')
result.head()

	Unnamed: 0	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1.0	0.0	A/5 21171	7.2500	NaN	S
1	1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1.0	0.0	PC 17599	71.2833	C85	C
2	2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0.0	0.0	STON/O2. 3101282	7.9250	NaN	S
3	3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1.0	0.0	113803	53.1000	C123	S
4	4	5	0	3	Allen, Mr. William Henry	male	35.0	0.0	0.0	373450	8.0500	NaN	S

2.7 如何让人一眼看懂你的数据？

《Python for Data Analysis》第九章

2.7.1 任务一：跟着书本第九章，了解matplotlib，自己创建一个数据项，对其进行基本可视化

data=np.arange(10)
plt.plot(data)

[<matplotlib.lines.Line2D at 0x1c0faf02d68>]

fig=plt.figure()
ax1=fig.add_subplot(2,2,1)
ax2=fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,3)
ax1.plot(np.random.randn(50).cumsum(),'k--')
ax2.hist(np.random.randn(100),bins=20,color='b')
ax3.scatter(np.arange(30),np.arange(30)+3*np.random.randn(30))

<matplotlib.collections.PathCollection at 0x1c0fb1aa710>

【思考】最基本的可视化图案有哪些？分别适用于那些场景？（比如折线图适合可视化某个属性值随时间变化的走势）

#思考回答
折线图适用于某个属性值随时间变化的趋势
散点图适用于看两个变量之间的相关性
柱状图适用于查看整体数据的分布情况
直方图适用于观察数据频率分布情况

2.7.2 任务二：可视化展示泰坦尼克号数据集中男女中生存人数分布情况（用柱状图试试）。

#代码编写
sex=result.groupby('Sex')['Survived'].sum()
sex.plot.bar()
plt.title('Survived conts based on sex')

Text(0.5, 1.0, 'Survived conts based on sex')

从男女生存数量来看，女性存活率较高。

2.7.3 任务三：可视化展示泰坦尼克号数据集中男女中生存人与死亡人数的比例图（用柱状图试试）。

result.groupby(['Sex','Survived'])['Survived'].count()

Sex     Survived
female  0            81
        1           233
male    0           468
        1           109
Name: Survived, dtype: int64

result.groupby(['Sex','Survived'])['Survived'].count().unstack()

Survived	0	1
Sex
female	81	233
male	468	109

result.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True')
plt.title('Survived_count')
plt.xlabel('Sex')
plt.ylabel('survived_count')

Text(0, 0.5, 'survived_count')

【提示】男女这两个数据轴，存活和死亡人数按比例用柱状图表示

【思考】计算出泰坦尼克号数据集中男女中死亡人数，并可视化展示？如何和男女生存人数可视化柱状图结合到一起？看到你的数据可视化，说说你的第一感受（比如：你一眼看出男生存活人数更多，那么性别可能会影响存活率）。

#思考题回答
从图像中可以看出女性生存率更高

2.7.4 任务四：可视化展示泰坦尼克号数据集中不同票价的人生存和死亡人数分布情况。（用折线图试试）（横轴是不同票价，纵轴是存活人数）

【提示】对于这种统计性质的且用折线表示的数据，你可以考虑将数据排序或者不排序来分别表示。看看你能发现什么？

#代码编写
# 计算不同票价中生存与死亡人数 1表示生存，0表示死亡
#数据不排序
fs=result.groupby(['Fare'])['Survived'].value_counts()
fs.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x1c0fb315ef0>

#数据排序
fs1=result.groupby(['Fare'])['Survived'].value_counts().sort_values(ascending=False)
fs1.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x1c0fb3f0b38>

不排序的数据看起来没有波动很大，没有明显的趋势；经过降序排列后，可以发现折线也呈现降序的趋势，所以票价和生存率没有啥关系？

2.7.5 任务五：可视化展示泰坦尼克号数据集中不同仓位等级的人生存和死亡人员的分布情况。（用柱状图试试）

#代码编写
# 1表示生存，0表示死亡
ps=result.groupby(['Pclass'])['Survived'].count()

#不同仓位等级的人生存情况
ps.plot(kind='bar')

<matplotlib.axes._subplots.AxesSubplot at 0x1c0fb4681d0>

从上图中可以看出，仓位等级最高的3，生存人数也是最多的

ps1=result.groupby(['Pclass'])['Survived'].value_counts()
ps1

Pclass  Survived
1       1           136
        0            80
2       0            97
        1            87
3       0           372
        1           119
Name: Survived, dtype: int64

#将生存和死亡人数都画出来-并列条形图
import seaborn as sns
sns.countplot(x='Pclass',hue='Survived',data=result)

<matplotlib.axes._subplots.AxesSubplot at 0x1c0fd1aecf8>

【思考】看到这个前面几个数据可视化，说说你的第一感受和你的总结

#思考题回答
性别与存活率有关系：女性的存活率要更高
票价似乎和存活率没啥关系
仓位等级越高存活率也越高

2.7.6 任务六：可视化展示泰坦尼克号数据集中不同年龄的人生存与死亡人数分布情况。(不限表达方式)

#代码编写
#result.groupby(['Age'])['Survived'].value_counts()
sns.countplot(x='Age',hue='Survived',data=result)

<matplotlib.axes._subplots.AxesSubplot at 0x1c0fd2f9198>

#整体的年龄分布情况
sns.distplot(result['Age'], hist=False, rug=False)

<matplotlib.axes._subplots.AxesSubplot at 0x1c0fd70fef0>

sns.distplot(result.loc[result['Survived'] == 0, "Age"], hist=False, rug=False, color="g", label="Survived=0")
sns.distplot(result.loc[result['Survived'] == 1, "Age"], hist=False, rug=False, color="deeppink", label="Survived=1")

<matplotlib.axes._subplots.AxesSubplot at 0x1c0fd91ccf8>

2.7.7 任务七：可视化展示泰坦尼克号数据集中不同仓位等级的人年龄分布情况。（用折线图试试）

#代码编写
result.Age[result['Pclass']==1].plot(kind='kde')
result.Age[result['Pclass']==2].plot(kind='kde')
result.Age[result['Pclass']==3].plot(kind='kde')

<matplotlib.axes._subplots.AxesSubplot at 0x1c0fd7cab00>

【思考】上面所有可视化的例子做一个总体的分析，你看看你能不能有自己发现

#思考题回答
女性存活率更高
仓位等级高的人存活率更高
中青年存活率更高

【总结】到这里，我们的可视化就告一段落啦，如果你对数据可视化极其感兴趣，你还可以了解一下其他可视化模块，如：pyecharts，bokeh等。

如果你在工作中使用数据可视化，你必须知道数据可视化最大的作用不是炫酷，而是最快最直观的理解数据要表达什么，你觉得呢？