數(shù)據(jù)科學(xué)技術(shù)與應(yīng)用4數(shù)據(jù)可視化課件

1、數(shù)據(jù)可視化數(shù)據(jù)可視化數(shù)據(jù)探索階段的重要方法數(shù)據(jù)以圖形圖像形式表示揭示隱藏的數(shù)據(jù)特征，直觀傳達(dá)關(guān)揵信息Matplotlib庫(kù)專門(mén)用于開(kāi)發(fā)二維（包括三維）圖表的工具包實(shí)現(xiàn)圖像元素精細(xì)化控制，繪制專業(yè)的分析圖表Pandas封裝了Matplotlib的主要繪圖功能Series和DataFrame提供繪圖函數(shù)簡(jiǎn)便快捷地創(chuàng)建標(biāo)準(zhǔn)化圖表認(rèn)識(shí)基本圖形按照數(shù)據(jù)值特性，可視圖形大致可以分為3類展示離散數(shù)據(jù)：散點(diǎn)圖、柱狀圖、餅圖等；展示連續(xù)數(shù)據(jù)：直方圖、箱須圖、折線圖、半對(duì)數(shù)圖等；展示數(shù)據(jù)的區(qū)域或空間分布：統(tǒng)計(jì)地圖、曲面圖等4.1.2 Pandas快速繪圖基本步驟導(dǎo)入matplotlib、Pandas準(zhǔn)備數(shù)據(jù)使用S

2、eries或DataFrame封裝數(shù)據(jù)繪圖調(diào)用Series.plot()或DataFrame.plot()函數(shù)完成繪圖例4-1: 繪制2010-2016年我國(guó)GDP折線圖import matplotlib.pyplot as plt #導(dǎo)入pyplot，用于圖形顯示from pandas import DataFramegdp = 41.3,48.9,54.0,59.5,64.4,68.9,74.4data = DataFrame(GDP: Trillion:gdp, index=2010,2011,2012,2013,2014,2015,2016) data.plot() plt.show(

3、) #顯示圖形4.1.2 Pandas快速繪圖例4-1（續(xù)）: 繪制2010-2016年我國(guó)GDP折線圖data.plot(title=20102016 GDP,LineWidth=2, marker=o,linestyle=dashed,color=r, grid=True,alpha=0.9,use_index=True,yticks=35,40,45,50,55,60,65,70,75)參 數(shù) 名說(shuō) 明xx軸數(shù)據(jù)，默認(rèn)值為Noneyy軸數(shù)據(jù)，默認(rèn)值為Nonekind繪圖類型。line：折線圖，默認(rèn)值；bar：垂直柱狀圖；barh：水平柱狀圖；hist：直方圖；box：箱形圖；kde：Ke

4、rnel核密度估計(jì)圖；density與kde相同；pie：餅圖；scatter：散點(diǎn)圖title圖形標(biāo)題，字符串color畫(huà)筆顏色。用顏色縮寫(xiě)，如r、b，或者RGB值，如#CECECE。主要顏色縮寫(xiě)：b：blue、c：cyan、g：green、k：black、m：magenta、r：red、w：white、y：yellowgrid圖形是否有網(wǎng)格，默認(rèn)值為Nonefontsize坐標(biāo)軸（包括x軸和y軸）刻度的字體大小。整數(shù)，默認(rèn)值為Nonealpha圖表的透明度，值為01，值越大顏色越深use_index默認(rèn)為T(mén)rue，用索引作為x軸刻度linewidth繪圖線寬linestyle繪圖線型。：實(shí)

5、線；：破折線；.：點(diǎn)畫(huà)線；: ：虛線marker標(biāo)記風(fēng)格。.：點(diǎn)；,：像素（極小點(diǎn)）；o：實(shí)心圈；v：倒三角；：上三角；：右三角；)plt.text(1.8,70,GDP keeps booming!,fontsize=larger)plt.xlabel(Year,fontsize=12)plt.ylabel(GDP：Trillion,fontsize=12)保存圖表到文件保存函數(shù)figure.savefig(filename,dpi,bbox_inches)plt.savefig(filename,dpi,bbox_inches)參數(shù)說(shuō)明：filename文件路徑及文件名，文件類型可以是jp

6、g、png、pdf、svg、ps等dpi圖片分辨率，每英寸點(diǎn)數(shù)，默認(rèn)100bbox_inches圖表需保存的部分，設(shè)置為“tight”可以剪除當(dāng)前圖表周圍的空白部分將例4-2繪制圖形保存到當(dāng)前文件夾fig.savefig(2010-2012GDP.jpg,dpi=400,bbox_inches=tight)思考與練習(xí)1. 20122017年我國(guó)人均可支配收入為1.47, 1.62, 1.78, 1.94, 2.38, 2.60(單位：萬(wàn)元)。按照要求繪制以下圖形。1）模仿例4-1和4-3，繪制人均可支配收入折線圖。用小矩形標(biāo)記數(shù)據(jù)點(diǎn)，紅色虛線，用注解標(biāo)注最高點(diǎn)，圖標(biāo)題“Income chart

7、”，設(shè)置坐標(biāo)軸標(biāo)題，最后將圖形保存為JPG文件。一維數(shù)組訪問(wèn)。2）模仿例4-2，使用多個(gè)子圖分別繪制人均可支配收入的折線圖、箱須圖以及柱狀圖?！咎崾荆骸?）創(chuàng)建3個(gè)子圖分別使用（2,2,1）、（2,2,2）和（2,1,2）作為參數(shù)。2）使用plt.subplots_adjust()函數(shù)調(diào)整子圖間距離，以便添加圖標(biāo)題。4.2.1 繪制常用圖形函數(shù)繪圖散點(diǎn)圖柱狀圖折線圖直方圖密度圖餅圖箱須圖函數(shù)繪圖函數(shù) 描述了變量y隨自變量x的變化過(guò)程plt.plot()根據(jù)給定的x、y坐標(biāo)值繪圖例4-4：繪制 和 的函數(shù)圖給定x的范圍采樣生成x列表計(jì)算對(duì)應(yīng)y值import numpy as np #導(dǎo)入nump

8、y#生成x數(shù)組x = np.linspace(0,6.28,50) #start, end, num-pointsy=np.sin(x) #計(jì)算y=sin(x)數(shù)組plt.plot(x,y, color=r) #用紅色繪圖y=sin(x)plt.plot(x,np.exp(-x),c=b) #用藍(lán)色繪圖y=exp(-x)散點(diǎn)圖（Scatter diagram）描述兩個(gè)一維數(shù)據(jù)序列之間的關(guān)系將兩組數(shù)據(jù)分別作為點(diǎn)的橫坐標(biāo)和縱坐標(biāo)DataFrame.plot(kind=scatter,x,y,title, grid,xlim,ylim,label,.)DataFrame.plot.scatter(x

9、,y,title, grid,xlim,ylim,label,.)參數(shù)說(shuō)明：xDataFrame中x軸對(duì)應(yīng)的數(shù)據(jù)列名yDataFrame中y軸對(duì)應(yīng)的數(shù)據(jù)列名label圖例標(biāo)簽plt.scatter(x,y,.)Matplotlib的scatter函數(shù)也可以繪制散點(diǎn)圖圖元的設(shè)置需要采用獨(dú)立的語(yǔ)句散點(diǎn)圖繪制例4-5：繪制散點(diǎn)圖觀察學(xué)生身高和體重之間的關(guān)系stdata = pd.read_csv(datastudents.csv) #讀文件stdata.plot(kind=scatter,x=Height,y=Weight,title=Students Body Shape, marker=*,gr

10、id=True, xlim=150,200, ylim=40,80, label=(Height,Weight) #繪圖學(xué)生的身高與體重具有正相關(guān)性，但不顯著#將數(shù)據(jù)按男生和女生分組data1= datadataGender = 0 #篩選出男生data2= datadataGender = 1 #篩選出女生#分組繪制男生、女生的散點(diǎn)圖plt.figure()plt.scatter(data1Height,data1Weight,c=r,marker=s,label=Male) plt.scatter(data2Height,data2Weight,c=b,marker=,label=Fema

11、le) plt.xlim(150,200) #x軸范圍plt.ylim(40,80) #y軸范圍plt.title(Students Body Shape) #標(biāo)題plt.xlabel(Weight) #x軸標(biāo)題plt.ylabel(Height) #y軸標(biāo)題plt.grid() #網(wǎng)格線plt.legend(loc=upper right) #圖例顯示位置男女生身高、體重明顯存在差異性分組散點(diǎn)圖清晰顯示數(shù)據(jù)聚集特性使用不同的圖例標(biāo)識(shí)分組散點(diǎn)圖矩陣同時(shí)觀察多組數(shù)據(jù)之間的關(guān)系例4-6：繪制散點(diǎn)圖矩陣觀察學(xué)生各項(xiàng)信息之間的關(guān)系 身高、體重、年齡、成績(jī) pd.plotting.scatter_mat

12、rix(data,diagonal,.)參數(shù)說(shuō)明：data包含多列數(shù)據(jù)的DataFrame對(duì)象diagonal對(duì)角線上的圖形類型。通常放置該列數(shù)據(jù)的密度圖或直方圖data = stdataHeight, Weight,Age,Score #準(zhǔn)備數(shù)據(jù)pd.plotting.scatter_matrix(data,diagonal=kde,color=k) #繪圖柱狀圖（Bar Chart）用多個(gè)柱體描述單個(gè)總體處于不同狀態(tài)的數(shù)量柱體高度或長(zhǎng)度與該狀態(tài)下的數(shù)量成正比分為垂直柱狀形圖和水平柱狀圖Series.plot(kind,xerr,yerr,stacked,.)DataFrame.plot(k

13、ind,xerr,yerr,stacked,.)參數(shù)說(shuō)明：kindbar：垂直柱狀圖；barh：水平柱狀xerr,yerrx、y軸向誤差線stacked是否為堆疊圖，默認(rèn)為Falserot刻度標(biāo)簽旋轉(zhuǎn)度數(shù)，值0360堆疊柱狀圖多個(gè)總體同一狀態(tài)的直條疊加柱狀圖繪制從population.csv文件中讀取人口數(shù)據(jù)，繪制各性別的出生人口比較圖YearTotalBoysGirlsRatio年度出生人口總數(shù)男孩數(shù)女孩數(shù)男女比例#讀取數(shù)據(jù)data = pd.read_csv(datapopulation.csv, index_col =Year)data1 = dataBoys,Girlsmean = n

14、p.mean(data1,axis=0) #計(jì)算均值std = np.std(data1,axis=0) #計(jì)算標(biāo)準(zhǔn)差 #創(chuàng)建圖fig = plt.figure(figsize = (6,2) #設(shè)置圖片大小plt.subplots_adjust(wspace = 0.6) #設(shè)置兩個(gè)圖之間的縱向間隔#繪制均值的垂直和水平柱狀圖，標(biāo)準(zhǔn)差使用誤差線來(lái)表示ax1 = fig.add_subplot(1, 2, 1)mean.plot(kind=bar,yerr=std,color=cadetblue,title = Average of Births, rot=45)ax2 = fig.add_s

15、ubplot(1, 2, 2)mean.plot(kind=barh,xerr=std,color=cadetblue,title = Average of Births)#繪制復(fù)式柱狀圖和堆疊柱狀圖data1.plot(kind=bar,title = Births of Boys & Girls)data1.plot(kind=bar, stacked=True,title = Births of Boys & Girls)堆疊柱狀圖折線圖用線條描述事物的發(fā)展變化及趨勢(shì)普通折線圖：橫、縱坐標(biāo)軸上都使用算術(shù)刻度半對(duì)數(shù)折線圖：橫、縱坐標(biāo)分別使用算術(shù)刻度與對(duì)數(shù)刻度比較的兩種或多種事物的數(shù)據(jù)值域相

16、差較大指標(biāo)“相對(duì)增長(zhǎng)量”的變化關(guān)系從GDP.csv文件中讀取數(shù)據(jù)，繪制國(guó)民經(jīng)濟(jì)生產(chǎn)總值GDP和居民人均可支配收入Income的折線圖與半對(duì)數(shù)折現(xiàn)圖data = pd.read_csv(GDP.csv, index_col = Year) #讀取數(shù)據(jù)#繪制GDP和Income的折線圖data.plot(title=GDP & Income,LineWidth=2,marker=o,linestyle=dashed, grid=True,use_index=True)#繪制GDP和Income的半對(duì)數(shù)折線圖data.plot(logy=True,LineWidth=2,marker=o,lines

17、tyle=dashed,color=G)無(wú)法反應(yīng)Income的變化直方圖（Histogram）描述總體的頻數(shù)分布情況將橫坐標(biāo)按區(qū)間個(gè)數(shù)等分每個(gè)區(qū)間上長(zhǎng)方形的高度表示該區(qū)間樣本的頻率，面積表示頻數(shù)Series.plot(kind=hist,bins,normed,.)參數(shù)說(shuō)明：bins橫坐標(biāo)區(qū)間個(gè)數(shù)normed是否標(biāo)準(zhǔn)化直方圖，默認(rèn)值False直方圖繪制例4-9：從student.csv文件中讀取學(xué)生信息，繪制身高分布直方圖。 將身高155185劃分為6個(gè)區(qū)間stdata = pd.read_csv(datastudents.csv) #讀文件stdataHeight.plot(kind=his

18、t,bins=6,title=Students Height Dstribution) #繪圖分箱的數(shù)量與數(shù)據(jù)集大小和分布本身相關(guān)，通過(guò)改變分箱bins的數(shù)量，可以改變分布的離散化程度密度圖（Kernel Density Estimate）基于樣本數(shù)據(jù)擬合概率密度函數(shù)采用平滑的峰值函數(shù)：核函數(shù)常用高斯核模擬真實(shí)的概率分布曲線與直方圖（標(biāo)準(zhǔn)化后）一起繪制，對(duì)比Series.plot(kind=kde,style,.)參數(shù)說(shuō)明：style風(fēng)格字符串，包括顏色和線型，如ko,r-stdataHeight.plot(kind=hist,bins=6,normed=True,title=Students

19、 Height Dstribution) #繪圖stdataHeight.plot(kind=kde,title=Students Height Dstribution, xlim=155,185,style = k-) #繪制密度圖在例4-9基礎(chǔ)上，增加密度圖餅圖（Pie Chart）描述總體的樣本值構(gòu)成比扇形圖反映部分與部分、部分與整體之間的數(shù)量關(guān)系Series.plot( kind=pie, explode,shadow,startangle,autopct,.)參數(shù)說(shuō)明：explode列表，表示各扇形塊離開(kāi)中心的距離shadow扇形塊是否有陰影，默認(rèn)Falsestartangle起始繪

20、制角度，默認(rèn)從x軸正方向逆時(shí)針開(kāi)始autopct百分比格式，可用format字符串或者format function， %1.1f%指小數(shù)點(diǎn)前后各1位(不足空格補(bǔ)齊)餅圖繪制例4-10：從advertising.csv中讀取營(yíng)銷數(shù)據(jù)，繪制各類廣告投入占比的餅圖TVWeiboWeChatSales1230.137.869.222.1244.539.345.110.4317.245.969.39.3計(jì)算各類渠道的廣告總投入，繪制餅圖表示各類廣告占比#準(zhǔn)備數(shù)據(jù)，計(jì)算各類廣告投入費(fèi)用總和data = pd.read_csv(data/advertising.csv)piedata = dataTV,W

21、eibo,WeChatdatasum = piedata.sum() #繪制餅圖datasum.plot( kind=pie, figsize=(6,6), title=Advertising Expenditure,fontsize=14, explode=0,0.2,0,shadow=True,startangle=60, autopct=%1.1f%)箱須圖（Box plot）表達(dá)數(shù)據(jù)的分位數(shù)分布，觀察異常值將樣本居中的50%值域用一個(gè)長(zhǎng)方形表示較小和較大的四分之一值域各用一根線表示異常值用“o”表示Series.plot(kind=box, .)例4-10：從advertising.csv中讀取營(yíng)銷數(shù)據(jù)，繪制各類廣告投入投入的箱須圖data = pd.read_csv(dataAdvertising.csv)advdata = dataTV,Weibo,WeChat#繪制各類經(jīng)費(fèi)投入的箱須圖advdata.plot(kind=box, figsize=(6,6), title=Advertising Expenditure)箱須圖（Box plot）Pandas提供專門(mén)繪制箱須圖的函數(shù)boxplot方便將觀察樣本按照其他特征進(jìn)行分組對(duì)比DataFrame.boxplot( by, .)例4-10：從students.csv中讀取學(xué)生數(shù)據(jù)，按性別繪制學(xué)生成績(jī)的箱須圖參