可视化

数据分析与数据科学项目中常用于数据可视化的Python包

  • Matplotlib
  • Seaborn
  • pandas
  • Bokeh
  • Plotly
  • Vispy
  • Vega
  • gega-lite

Matplotlib可视化

  • Matplotlib含有两个模块：
  1. 绘图API：pyplot，在Jupyte Notebook中，通常用pyplot进行可视化，本书采用的是matplotlib.pyplot。
  2. 集成库：pylab，pylab是Matplotlib和SciPy、NumPy的集成库。
  • matplotlib的画图方式进一步分为两种：inline和notebook
  1. inline为静态绘图，且嵌入到Jupyter Notebook中
  2. notebook为交互式图，在Jupyter Notebook中中只显示一行输出代码
1
2
3
4
5
6
7
import matplotlib.pyplot as plt
%matplotlib inline
import pandas as pd
women = pd.read_csv('women.csv') #pd.read_csv（）在读入数据时自动增加了一个index列，即参数index_col的默认值为1。修改方法：将index_col 设为0。
women = pd.read_csv('women.csv',index_col =0)
plt.plot(women["height"], women["weight"])
plt.show()

1
2
3
4
import numpy as np
t=np.arange(0.,4.,0.1)
plt.plot(t,t,t,t+2,t,t**2,t,t+8) 
plt.show()

改变图的属性

1
2
plt.plot(women["height"], women["weight"],"o")  #设置点的类型
plt.show()

1
2
plt.plot(women["height"], women["weight"],"g--")  #线的颜色与形状
plt.show()

1
2
3
4
5
6
plt.rcParams['font.family']="SimHei" #设置汉字字体，常用汉字字体有SimHei,Kaiti,Lisu,Fangsong,YouYuan等。
plt.plot(women["height"], women["weight"],"g--") 
plt.title("此处为图名")
plt.xlabel("x轴的名称")
plt.ylabel("y轴的名称")
plt.show()

改变图的类型

  • 条形图
1
2
3
4
5
6
7
8
import matplotlib.pyplot as plt
plt.bar([1,3,5,7,9],[5,2,7,8,2], label="Example one")
plt.bar([2,4,6,8,10],[8,6,2,5,6], label="Example two", color='g')
plt.legend()
plt.xlabel('bar number')
plt.ylabel('bar height')
plt.title('Epic Graph\nAnother Line! Whoa')
plt.show()

在这里插入图片描述

  • 直方图
1
2
3
4
5
6
7
import matplotlib.pyplot as plt
population_ages = [22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48]
plt.hist(population_ages, rwidth=0.8)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\nCheck it out')
plt.show()

在这里插入图片描述

  • 散点图
1
2
3
4
5
6
7
8
9
import matplotlib.pyplot as plt
x = [1,2,3,4,5,6,7,8]
y = [5,2,4,2,1,4,5,2]
plt.scatter(x,y, label='skitscat', color='k', s=25, marker="o")
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\nCheck it out')
plt.legend()
plt.show()

在这里插入图片描述

改变图的坐标轴的取值范围

  • 横坐标分别定义：采用plt.xlim（）或plt.ylim（）
1
2
3
4
5
6
7
8
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
x=np.linspace(0,10,100)
plt.plot(x,np.sin(x))
plt.xlim(11,-2)
plt.ylim(2.2,-1.3)
plt.show()

在这里插入图片描述

  • 横坐标同时定义：plt.axis()
1
2
3
4
5
6
7
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
x=np.linspace(0,10,100)
plt.plot(x,np.sin(x))
plt.axis([-1,21,-1.6,1.6])
plt.show()

在这里插入图片描述

1
2
3
4
plt.plot(x,np.sin(x))
plt.axis([-1,21,-1.6,1.6])
plt.axis("equal") 
#【提示】plt.axis("equal") 的含义为x轴和y轴的【刻度单位】一样

在这里插入图片描述

  • 去掉边界的空白
1
2
3
4
5
6
7
8
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
x=np.linspace(0,10,100)
plt.plot(x,np.sin(x))
plt.axis([-1,21,-1.6,1.6])
plt.axis("tight")
plt.show()

在这里插入图片描述

同坐标画两个图

1
2
3
4
5
plt.plot(x,np.sin(x),label="sin(x)")
plt.plot(x,np.cos(x),label="cos(x)")
plt.axis("equal") 
plt.legend()
plt.show()

在这里插入图片描述

多图显示

1
2
3
4
5
6
7
plt.subplot(2,3,5)
plt.plot(x,np.sin(x))
plt.subplot(2,3,3)
plt.plot(x,np.tan(x))
plt.subplot(2,3,1)
plt.plot(x,np.cos(x))
plt.show()

在这里插入图片描述

图的保存

1
2
plt.plot(x,np.cos(x))
plt.savefig("1.png")