Erlo

我的Python分析成长之路10

2019-01-18 15:01:54 发布   679 浏览  
页面报错/反馈
收藏 点赞

matplot数据可视化基础

  制作提供信息的可视化(有时称作绘图)是数据分析中最重要任务之一。

1.图片(画布)与子图

    plt.figure :创建一张空白的图片,可以指定图片的大小、像素。

    figure.add_subplot:添加子图,可以指定子图的行数、列数和选中图片的编号。

    如果使用plt.subplots(),它创建了一张图片,然后返回包含了已生成子图对象的Numpy数组

    plt.subplots选型:

          nrow:子图的行数

          ncols:子图的列数

          sharex:所有子图使用相同的x轴刻度

          sharey:所有子图使用相同的y轴刻度

    

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 plt.rcParams["font.sans-serif"] = "SimHei"  #设置中文显示
 4 plt.rcParams["axes.unicode_minus"] = False     #设置正常符号
 5 #没有子图的绘图
 6 x = np.arange(0,1,0.01)
 7 y = x**2
 8 y2 = x**4
 9 plt.plot(x,y)
10 plt.plot(x,y2)
11 plt.show()
12 #有子图的绘制方法
13 fig = plt.figure(figsize=(8,5))
14 ax1 = fig.add_subplot(2,1,1)
15 ax1.plot(x,y)
16 ax2 = fig.add_subplot(2,1,2)
17 ax2.plot(x,y2)
18 plt.show()
19 #用plt.subplots方法
20 fig,axes = plt.subplots(2,1,sharex=True)
21 axes[0].plot(x,y)
22 axes[1].plot(x,y2)
23 plt.show()

2.添加各类标签和图例的常用函数

    plt.title  为当前图形添加标题,可以指定标题的名称、位置、颜色、大小等参数

    plt.xlabel  为当前图形添加x轴名称,可以指定位置、颜色、大小等参数

    plt.ylabel:为当前图形添加y轴名称,可以指定位置、颜色、字体大小等参数

    plt.xlim:指定当前图形x轴的范围,只能确定一个数值区间,而无法使用字符串标识

    plt.ylim:指定当前图形y轴的范围,只能确定一个数值区间,而无法使用字符串标识

    plt. xticks:指定x轴数目与取值

    plt.yticks:指定y轴刻度的数目与取值

    plt.legend:根据当前图形的图例,可以指定图例的大小、位置、标签。

    plt.savefig("filename"):保存图片

    text/arrow/annote方法添加注释和文本

    

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 plt.rcParams["font.sans-serif"] = "SimHei"
 4 plt.rcParams["axes.unicode_minus"] = False
 5 x = np.arange(0,1,0.01)
 6 y1 = x**2
 7 y2 = x**4
 8 plt.plot(x,y1,"g--")
 9 plt.plot(x,y2,"b-")  
10 plt.xlabel("x")  #设置x轴类标
11 plt.ylabel("y")  #设置y轴类标
12 plt.xlim([0,1])  #设置x范围
13 plt.ylim([0,1])    #设置y范围
14 plt.title("x**2和x**4函数")  #添加标题
15 plt.legend(["Y1","Y2"],loc="best")   #
16 plt.show()
View Code

3.设置pyplot的rc参数

     lines.linestyle:线条样式

      lines.linewidth:线条宽度

    lines.marker:线条上的点的形状

    lines.markersize:点的大小

4.分析特征间的相互关系

    1.柱状图:

        plot.bar():绘制垂直方向上的柱状图

        plot.barh():绘制水平方向上的柱状图

    

 

 1 import matplotlib.pyplot as plt
 2 import pandas as pd
 3 fig,axes = plt.subplots(2,1)
 4 data = pd.Series(np.random.rand(16),index=list("abcdefghijklmnop"))
 5 data.plot.bar(ax=axes[0],color='k')
 6 data.plot.barh(ax=axes[1],color="r")
 7 plt.show()
 8 df = pd.DataFrame(np.random.rand(6,4),index=["one","two","three","four","five","six"],
 9                   columns=pd.Index(["a","b","c","d"],name="Genus"))
10 df.plot.bar()
11 df.plot.barh(stacked=True)
12 plt.show()
View Code

    2.直方图和密度图:

        直方图是一种条形图,用于给出值频率的离散显示。数据被分隔成离散的,均匀间隔的箱,并且绘制每个箱中数据点的数量.一般用横轴表示        数据类型,用纵轴表示数量或者占比。

        plot.hist()

        密度图是一种与直方图相关的图表类型,它通过计算可能产生观测数据的连续概率分布估计而产生的。 密度图也称为内核密度估计图            (KED)

        plot.density()

        seabon.distplot()可以绘制直方图和连续密度估计

1 t seaborn as sns
2 import pandas as pd
3 import matplotlib.pyplot as plt
4 data1 = pd.Series(np.random.normal(0,1,size=200))
5 data2 = pd.Series(np.random.normal(10,2,size=200))
6 data3 = pd.Series(np.concatenate([data1,data2]))
7 # print(data3)
8 sns.distplot(data3,bins=100,color="k")
9 plt.show()
View Code

 

    3.散点图

        散点图,又称散点分布图,是一个以一个特征为横坐标,以另一个特征为纵坐标,利用坐标点的分布状态反映特征间的统计关系的一阵图         形。主要用于分析特征间的相互关系,散点图可以提供两类关键信息。1.特征之间是否存在数值或数量之间的关联趋势,关联趋势是线性           还是非线性的。2.如果从某一个点或者某几个点偏离大多数    点,则这些点就是离群值,从而分析这些离群值是否在建模分析中产生          很大的关系。散点图通过散点的疏密程度和变化趋势表示两个特征的数量关系。

    plt.scatter(x,y,s=None,c=None,marker=None)  c:代表颜色,marker:绘制点的类型

    seaborn.pairplot(data,diag_kind="kde",{“plot_kws”:0.2}) 可以支持在对角线上放置每个变量的直方图或密度估计图

    4.折线图

        折线图是一种将数据点按照顺序连接起来的图形。查看因变量y随自变量x改变的趋势,最适合于显示随时间而变化的连续数据.

        plt.plot()  

    5.饼图  

        饼图是将各项大小与各项总和的比例显示在一张“饼”上,以“饼”的大小确定所占的比例。

        plt.pie(x,explode,labels,autopct,octdistance,labeldistance,radius)

        explode:设定各项距离圆心n个半径

        label:饼图的标签

        autupct:指定数值的显示方式

    6.箱型图

        箱型图也称箱须图,其绘制需要常用的统计量,能提供有关数据位置和分散情况的关键信息,尤其在比较不同特征时,更可表现其分散程度         差异。箱型图利用数据中的5个统计量(最小值、下四分位数、中位数、上四分位数、和最大值)来描述数据。

        plt.boxplot(x,menline) meanline:是否显示中值

登录查看全部

参与评论

评论留言

还没有评论留言,赶紧来抢楼吧~~

手机查看

返回顶部

给这篇文章打个标签吧~

棒极了 糟糕透顶 好文章 PHP JAVA JS 小程序 Python SEO MySql 确认