Python數(shù)據(jù)可視化基礎(chǔ)舉例分析

本篇內(nèi)容主要講解“Python數(shù)據(jù)可視化基礎(chǔ)舉例分析”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“Python數(shù)據(jù)可視化基礎(chǔ)舉例分析”吧!

首先，要知道我們用哪些庫(kù)來(lái)畫(huà)圖?

matplotlib

python中最基本的作圖庫(kù)就是matplotlib，是一個(gè)最基礎(chǔ)的Python可視化庫(kù)，一般都是從matplotlib上手Python數(shù)據(jù)可視化，然后開(kāi)始做縱向與橫向拓展。

Seaborn

是一個(gè)基于matplotlib的高級(jí)可視化效果庫(kù)，針對(duì)的點(diǎn)主要是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中的變量特征選取，seaborn可以用短小的代碼去繪制描述更多維度數(shù)據(jù)的可視化效果圖。

其他庫(kù)還包括

• Bokeh（是一個(gè)用于做瀏覽器端交互可視化的庫(kù)，實(shí)現(xiàn)分析師與數(shù)據(jù)的交互）

• Mapbox（處理地理數(shù)據(jù)引擎更強(qiáng)的可視化工具庫(kù)）等等

本篇文章主要使用matplotlib進(jìn)行案例分析

確定問(wèn)題，選擇圖形

業(yè)務(wù)可能很復(fù)雜，但是經(jīng)過(guò)拆分，我們要找到我們想通過(guò)圖形表達(dá)什么具體問(wèn)題。

在python中，我們可以總結(jié)為以下四種基本視覺(jué)元素來(lái)展現(xiàn)圖形：

• 點(diǎn)：scatter plot 二維數(shù)據(jù)，適用于簡(jiǎn)單二維關(guān)系

• 線：line plot 二維數(shù)據(jù)，適用于時(shí)間序列

• 柱狀：bar plot 二維數(shù)據(jù)，適用于類別統(tǒng)計(jì)

• 顏色：heatmap 適用于展示第三維度

數(shù)據(jù)間存在分布，構(gòu)成，比較，聯(lián)系以及變化趨勢(shì)等關(guān)系。對(duì)應(yīng)不一樣的關(guān)系，選擇相應(yīng)的圖形進(jìn)行展示。

轉(zhuǎn)換數(shù)據(jù)，應(yīng)用函數(shù)

數(shù)據(jù)分析和建模方面的大量編程工作都是用在數(shù)據(jù)準(zhǔn)備的基礎(chǔ)上的：加載、清理、轉(zhuǎn)換以及重塑。我們可視化步驟也需要對(duì)數(shù)據(jù)進(jìn)行整理，轉(zhuǎn)換成我們需要的格式再套用可視化方法完成作圖。

下面是一些常用的數(shù)據(jù)轉(zhuǎn)換方法：

• 合并：merge，concat，combine_frist(類似于數(shù)據(jù)庫(kù)中的全外連接)

• 重塑：reshape；軸向旋轉(zhuǎn)：pivot（類似excel數(shù)據(jù)透視表）

• 去重：drop_duplicates

• 映射：map

• 填充替換：fillna,replace

• 重命名軸索引：rename

• 將分類變量轉(zhuǎn)換‘啞變量矩陣’的get_dummies函數(shù)以及在df中對(duì)某列數(shù)據(jù)取限定值等等

函數(shù)則根據(jù)第一步中選擇好的圖形，去找python中對(duì)應(yīng)的函數(shù)。

參數(shù)設(shè)置，一目了然

原始圖形畫(huà)完后，我們可以根據(jù)需求修改顏色（color），線型（linestyle），標(biāo)記（maker）或者其他圖表裝飾項(xiàng)標(biāo)題（Title），軸標(biāo)簽（xlabel，ylabel），軸刻度（set_xticks），還有圖例（legend）等，讓圖形更加直觀。

第三步是在第二步的基礎(chǔ)上,為了使圖形更加清晰明了，做的修飾工作。具體參數(shù)都可以在制圖函數(shù)中找到。

下面，我總結(jié)了實(shí)現(xiàn)可視化會(huì)用到的一些基礎(chǔ)知識(shí)

可視化作圖基礎(chǔ)

Matplotlib

#導(dǎo)入包
import numpy as np 
import pandas as pd
import matplotlib.pyplot as plt

Figure和Subplot

matplotlib的圖形都位于Figure（畫(huà)布）中，Subplot創(chuàng)建圖像空間。不能通過(guò)figure繪圖，必須用add_subplot創(chuàng)建一個(gè)或多個(gè)subplot。

figsize可以指定圖像尺寸。

#創(chuàng)建畫(huà)布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#創(chuàng)建subplot，221表示這是2行2列表格中的第1個(gè)圖像。
ax1 = fig.add_subplot(221)
#但現(xiàn)在更習(xí)慣使用以下方法創(chuàng)建畫(huà)布和圖像，2,2表示這是一個(gè)2*2的畫(huà)布，可以放置4個(gè)圖像
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey參數(shù)可以指定所有的subplot使用相同的x，y軸刻度。

利用Figure的subplots_adjust方法可以調(diào)整間距。

subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)

#創(chuàng)建畫(huà)布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#創(chuàng)建subplot，221表示這是2行2列表格中的第1個(gè)圖像。
ax1 = fig.add_subplot(221)
#但現(xiàn)在更習(xí)慣使用以下方法創(chuàng)建畫(huà)布和圖像，2,2表示這是一個(gè)2*2的畫(huà)布，可以放置4個(gè)圖像
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey參數(shù)可以指定所有的subplot使用相同的x，y軸刻度。

顏色color，標(biāo)記marker，和線型linestyle

matplotlib的plot函數(shù)接受一組X和Y坐標(biāo)，還可以接受一個(gè)表示顏色和線型的字符串縮寫(xiě)：'g--'，表示顏色是綠色green，線型是'--'虛線。也可以使用參數(shù)明確的指定。

線型圖還可以加上一些標(biāo)記（marker），來(lái)突出顯示數(shù)據(jù)點(diǎn)的位置。標(biāo)記也可以放在格式字符串中，但標(biāo)記類型和線型必須放在顏色后面。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
[<matplotlib.lines.Line2D at 0x8c919b0>]

刻度，標(biāo)簽和圖例

plt的xlim、xticks和xtickslabels方法分別控制圖表的范圍和，刻度位置和刻度標(biāo)簽。調(diào)用方法時(shí)不帶參數(shù)，則返回當(dāng)前的參數(shù)值；調(diào)用時(shí)帶參數(shù)，則設(shè)置參數(shù)值。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim()   #不帶參數(shù)調(diào)用，顯示當(dāng)前參數(shù)；
#可將xlim替換為另外兩個(gè)方法試試
(-1.4500000000000002, 30.45)

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim([0,15])    #橫軸刻度變成0-15
(0, 15)

設(shè)置標(biāo)題，軸標(biāo)簽，刻度以及刻度標(biāo)簽

fig = plt.figure();ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
ticks = ax.set_xticks([0,250,500,750,1000])  #設(shè)置刻度值
labels = ax.set_xticklabels(['one','two','three','four','five'])  #設(shè)置刻度標(biāo)簽
ax.set_title('My first Plot')  #設(shè)置標(biāo)題
ax.set_xlabel('Stage')  #設(shè)置軸標(biāo)簽
Text(0.5,0,'Stage')

添加圖例

圖例legend是另一種用于標(biāo)識(shí)圖標(biāo)元素的重要工具。可以在添加subplot的時(shí)候傳入label參數(shù)。

fig = plt.figure(figsize=(12,5));ax = fig.add_subplot(111)
ax.plot(np.random.randn(1000).cumsum(),'k',label='one')  #傳入label參數(shù)，定義label名稱
ax.plot(np.random.randn(1000).cumsum(),'k--',label='two')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')
#圖形創(chuàng)建完后，只需要調(diào)用legend參數(shù)將label調(diào)出來(lái)即可。
ax.legend(loc='best')  #要求不是很嚴(yán)格的話，建議使用loc=‘best’參數(shù)來(lái)讓它自己選擇最佳位置
<matplotlib.legend.Legend at 0xa8f5a20>

注解

除標(biāo)準(zhǔn)的圖表對(duì)象之外，我們還可以自定義添加一些文字注解或者箭頭。

注解可以通過(guò)text，arrow和annotate等函數(shù)進(jìn)行添加。text函數(shù)可以將文本繪制在指定的x，y坐標(biāo)位置，還可以進(jìn)行自定義格式

plt.plot(np.random.randn(1000).cumsum())
plt.text(600,10,'test ',family='monospace',fontsize=10) 
#中文注釋在默認(rèn)環(huán)境下并不能正常顯示，需要修改配置文件，使其支持中文字體。具體步驟請(qǐng)自行搜索。

保存圖表到文件

利用plt.savefig可以將當(dāng)前圖表保存到文件。例如，要將圖表保存為png文件，可以執(zhí)行

plt.savefig('figpath.png')

文件類型是根據(jù)拓展名而定的。其他參數(shù)還有：

• fname含有文件路徑的字符串，拓展名指定文件類型

• dpi分辨率，默認(rèn)100facecolor,edgcolor 圖像的背景色，默認(rèn)‘w’白色

• format顯示設(shè)置文件格式（'png','pdf','svg','ps','jpg'等）

• bbox_inches： 圖表需要保留的部分。如果設(shè)置為“tight”，則將嘗試剪除圖像周圍的空白部分

plt.savefig('./plot.jpg')   #保存圖像為plot名稱的jpg格式圖像
<Figure size 432x288 with 0 Axes>

到此，相信大家對(duì)“Python數(shù)據(jù)可視化基礎(chǔ)舉例分析”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！