數(shù)據(jù)可視化課件：有關(guān)時(shí)間趨勢(shì)的可視化

有關(guān)時(shí)間趨勢(shì)的可視化5.1

在時(shí)間中尋求什么5.2

時(shí)間中的離散點(diǎn)(柱形、柱形堆疊、圓點(diǎn))5.3

延續(xù)性數(shù)據(jù)(點(diǎn)點(diǎn)相連、平滑與估算)本章主要內(nèi)容D

發(fā)現(xiàn)趨勢(shì)D

找出變化中存在的模式D

了解來(lái)龍去脈5.1

在時(shí)間中尋求什么3

-

2

-1

-

0

2015年1月時(shí)序圖有很多方法可以觀(guān)察到隨著時(shí)間推移生成的模式，可以用長(zhǎng)度、

方向和位置等這些視覺(jué)暗示

。

條形圖圖

時(shí)序數(shù)據(jù)的可視化顯示不同的點(diǎn)，

如

果數(shù)據(jù)量不大，

可

以用線(xiàn)連接起來(lái)以

顯示趨勢(shì)0

2000

2005

2010

20153

-2

-

1

-徑向分布圖晚上9點(diǎn)0

2000

2005

2010

2015早上9點(diǎn)中午12點(diǎn)晚上12點(diǎn)

早上3點(diǎn)與折線(xiàn)圖類(lèi)似，但是圍繞成了一圈相對(duì)條形圖，

更聚焦于端點(diǎn)對(duì)于離散的時(shí)間

點(diǎn)很有用星期模式圖形看

上去更有力線(xiàn)條使趨勢(shì)更加

明顯2000

2005

2010

20152000

2005

2010

20153

-2

-1

-3210散點(diǎn)圖折線(xiàn)圖點(diǎn)線(xiàn)圖早上6點(diǎn)下午6點(diǎn)下午3點(diǎn)---歷日5.2

時(shí)間中的離散點(diǎn)5.2.1

柱形圖

標(biāo)注5.2.2堆疊柱狀圖?數(shù)據(jù)存在子分類(lèi)，且各子分類(lèi)之和有意義。工具實(shí)現(xiàn)D

Tableau案例演示產(chǎn)品類(lèi)別銷(xiāo)售額和利潤(rùn)額比較單擊標(biāo)記卡[標(biāo)簽]

，點(diǎn)選[對(duì)齊]右側(cè)的“﹀”符號(hào)，在[方向]中點(diǎn)選“A”

：并列柱形圖堆疊條形圖是一個(gè)綜合性的庫(kù)，用于在Python中創(chuàng)建靜態(tài)、動(dòng)畫(huà)和交互式可視化。?創(chuàng)建出版物質(zhì)量圖。?制作可縮放、平移和更新的交互式圖形。?定制視覺(jué)風(fēng)格和布局。?導(dǎo)出為多種文件格式。?嵌入JupyterLab和圖形用戶(hù)界面。

?使用基于Matplotlib的豐富的第三方軟件包。Python-Matplotlib

簡(jiǎn)介D

生成或讀入數(shù)據(jù)D

創(chuàng)建畫(huà)布、獲取坐標(biāo)軸D

根據(jù)實(shí)際需要繪制折線(xiàn)圖、散點(diǎn)圖、柱狀圖、餅狀圖、雷達(dá)圖或三維曲線(xiàn)和曲面D

設(shè)置坐標(biāo)軸標(biāo)簽(可以使用matplotlib.pyplot模塊的xlabel()、ylabel()函數(shù)或軸域的set_xlabel()、set_ylabel()方法)、坐標(biāo)軸刻度(可以使用matplotlib.pyplot模塊的xticks()、yticks()函數(shù)或軸域的set_xticks()、set_yticks()方法)、圖例(可以使用matplotlib.pyplot模塊的legend()函

數(shù))、標(biāo)題(可以使用matplotlib.pyplot模塊的title()函數(shù))等圖形屬性，Matplotlib繪圖的一般過(guò)程最后顯示或保存繪圖結(jié)果。函數(shù)名稱(chēng)：

figure()函數(shù)功能：創(chuàng)建畫(huà)布調(diào)用簽名：

figure(num,figsize,dpi,facecolor,edgecolor,frameon)參數(shù)說(shuō)明：

num→

當(dāng)前圖形的編號(hào)或名稱(chēng)，數(shù)據(jù)為整數(shù)或字符串，默認(rèn)為None

。

figsize→

寬度和高度(單位是英寸)，數(shù)據(jù)為浮點(diǎn)數(shù)二元組，默認(rèn)為[6.4,

4.8]。

dpi→

圖形的分辨率，即每英寸的像素?cái)?shù)，數(shù)據(jù)為浮點(diǎn)數(shù)，默認(rèn)值為72

。

facecolor→

圖片的背景顏色，數(shù)據(jù)為顏色值，默認(rèn)為white

。

edgecolor→

圖片的邊界顏色，數(shù)據(jù)為顏色值，默認(rèn)為white

。

frameon→是否顯示邊框，數(shù)據(jù)為布爾值，默認(rèn)為

True創(chuàng)建畫(huà)布坐標(biāo)軸:

axes

&

axis

IIlegend

位置屬性

loc顯示和保存圖像

Python柱狀圖

matplotlib

——

添加文本信息(text)?matplotlib.pyplot.text(x,y,s,fontdict=None,withdash=False,**kwargs)?x,y：表示坐標(biāo)；?s：字符串文本；?fontdict：字典，可選；?kw：?fontsize=12,?horizontalalignment=‘center’、ha=’center’#簡(jiǎn)寫(xiě)ha?verticalalignment=’center’、va=’center’#簡(jiǎn)寫(xiě)va?fig.text()(fig=plt.figure(…))?ax.text()(ax=plt.subplot(…))

?返回值：此方法返回作為創(chuàng)建的文本實(shí)例的文本。并列柱狀圖層疊柱狀圖**kwargs)參數(shù)說(shuō)明(部分)：y→y軸的坐標(biāo)，浮點(diǎn)數(shù)或類(lèi)數(shù)組width→條形的寬度，即x軸坐標(biāo)，浮點(diǎn)數(shù)或類(lèi)數(shù)組

height→條形的高度，浮點(diǎn)數(shù)或類(lèi)數(shù)組，

默認(rèn)值0.8

left→條形左側(cè)的橫坐標(biāo),

浮點(diǎn)數(shù)或類(lèi)數(shù)組，默認(rèn)值0

align→條形底部與縱坐標(biāo)的對(duì)齊方式，默認(rèn)center

'center'

：將條形以y位置為中心放置

'edge'：將條形的下邊緣與y位置對(duì)齊

要對(duì)齊條形的上邊緣，可以傳遞負(fù)數(shù)的寬度值，并使align='edge'Python水平柱狀圖——條形圖barh()Dmatplotlib.pyplot.barh(y,width,height,left,align='center',離散分布圖圖則用位置。D

可以根據(jù)每個(gè)點(diǎn)的x軸和y軸坐標(biāo)來(lái)觀(guān)

察，并且根據(jù)其他點(diǎn)的位置來(lái)進(jìn)行相

互比較。D

散點(diǎn)圖可以提供三類(lèi)關(guān)鍵信息：(1)變量之間是否存在數(shù)量關(guān)聯(lián)趨勢(shì)；(2)如果存在關(guān)聯(lián)趨勢(shì)，是線(xiàn)性還是非線(xiàn)性的；(3

)觀(guān)察是否有存在離群值，從而分析

這些離群值對(duì)建模分析的影響。

5.2.3散點(diǎn)圖D

柱形圖用高度作為視覺(jué)線(xiàn)索，而散點(diǎn)5.3.1

周期?散點(diǎn)圖的重點(diǎn)在每個(gè)數(shù)值上，趨勢(shì)不是那么明顯。0%

1955

1965

1975

1985

1995

2005

201510%8%6%4%2%稀疏的散點(diǎn)圖失業(yè)率5.3.1

周期?用線(xiàn)把稀疏的點(diǎn)連起來(lái)，圖的焦點(diǎn)就又變了。?如果更關(guān)心整體趨勢(shì)，而不是具體的月度變化，那么可以對(duì)這些點(diǎn)使

用LOESS曲線(xiàn)法

，而不是連接每個(gè)點(diǎn)。1965圖

用線(xiàn)連接的稀疏散點(diǎn)圖1965

1975

1985

1995

2005

20151975

1985

1995

2005

20158%6%4%2%0%1955圖

擬合的LOESS曲線(xiàn)0%1955失業(yè)率失業(yè)率10%10%2%4%8%6%顯示數(shù)據(jù)相同的中值，方差，對(duì)應(yīng)系數(shù)和線(xiàn)性回歸線(xiàn)不同的相關(guān)程度數(shù)據(jù)的相關(guān)類(lèi)型優(yōu)勢(shì)在于一次比較3個(gè)變量:D

x軸D

y軸D

氣泡的面積圖.

氣泡圖的基本框架氣泡圖加入了各州的人

口數(shù)量作為第三

維度。是否人數(shù)越多的

州，犯罪率也會(huì)

越高？美國(guó)謀殺率與入室盜竊率圖.

顯示美國(guó)犯罪率的氣泡圖工具實(shí)現(xiàn)D

Tableau案例演示

新的發(fā)現(xiàn)

Python

實(shí)現(xiàn)——散點(diǎn)圖使用Matplotlib庫(kù)中的scatter函數(shù)繪制散點(diǎn)圖：函數(shù)名稱(chēng)：

scatter()函數(shù)功能：尋找變量之間的關(guān)系調(diào)用簽名：matplotlib.pyplot.scatter(x,y,s,c,marker,alpha,linewidths,edgecolors)

參數(shù)說(shuō)明(部分)：x,

y

→散點(diǎn)的坐標(biāo),

數(shù)據(jù)為浮點(diǎn)數(shù)或類(lèi)數(shù)組s

→散點(diǎn)的面積，數(shù)據(jù)為浮點(diǎn)數(shù)或類(lèi)數(shù)組c

→散點(diǎn)的顏色，數(shù)據(jù)為類(lèi)數(shù)組或顏色值，默認(rèn)值為藍(lán)色'b'marker

→散點(diǎn)樣式，默認(rèn)值為實(shí)心圓'o'alpha

→散點(diǎn)透明度，數(shù)據(jù)為0-1之間的浮點(diǎn)數(shù)，0表示完全透明，1表示完全不透明linewidths

→散點(diǎn)的邊緣線(xiàn)寬，數(shù)據(jù)為浮點(diǎn)數(shù)或類(lèi)數(shù)組，默認(rèn)值1.5edgecolors

→散點(diǎn)的邊緣顏色，數(shù)據(jù)為‘face’、‘None’或顏色值,face指與圖形的

填充顏色相同，默認(rèn)facematplotlib庫(kù)marker表D

是散點(diǎn)圖的高維擴(kuò)展D

從一定程度上克服了在平面上展示高維數(shù)據(jù)的困

難。D

發(fā)現(xiàn)兩兩變量之間的聯(lián)系。散點(diǎn)圖矩陣圖.

美國(guó)各州犯罪率的散點(diǎn)圖矩陣

scatter_matrix

(

)pandas.plotting.scatter_matrix(frame,

alpha=0.5,figsize=None,

ax=None,

grid=False,

diagonal='hist',marker='.',

density_kwds=None,

hist_kwds=None,range_padding=0.05,

**kwds)參數(shù)說(shuō)明：frame

:

DataFramealpha

:

浮點(diǎn)型,

可選擇，設(shè)置透明度f(wàn)igsize

:

(浮點(diǎn)型,浮點(diǎn)型),

可選擇，以英寸為單位的元組(寬、高)，設(shè)置圖像大小ax

:

Matplotlib軸對(duì)象，可選grid

:

布爾型，可選，將其設(shè)置為T(mén)rue將顯示網(wǎng)格diagonal

:

{‘hist’,

‘kde’}，在“kde”和“hist”之間選擇內(nèi)核密度估計(jì)或?qū)蔷€(xiàn)上的直方

圖marker

:

字符串，可選，

Matplotlib標(biāo)記類(lèi)型，默認(rèn)是'.'

hist_kwds

:

其他標(biāo)繪關(guān)鍵字參數(shù)，傳遞給hist函數(shù)

density_kwds

:其他標(biāo)繪關(guān)鍵字參數(shù)，傳遞給核