就业班第四阶段可视化

2021-03-12 本文已影响0人 anti酱

第一章节 matplotlib绘图

注意：若在plt中出现中文乱码或者负号乱码，要写入语句 plt.rcParams['font.sans-serif'] = ['SimHei'] ——解决中文乱码，plt.rcParams['axes.unicode_minus'] = False ——解决负号乱码

使用matplotlib绘图

基本思路：导入模块numpy、matplotlib.pyplot——定义X、Y轴(Y轴可能有多个)——matplotlib输入标题——plt.plot(X轴，Y轴）....绘制图形——plt.show()展示图形(缺点：每次都要写这行才能运行, 可使用%matplotlib inline 简化，只运行一遍，整个jupyter有效）

    import numpy as np 
    import matplotlib.pyplot as plt

    X = np.linspace(0,2*np.pi,100)——np.pi 就是圆周率那个π
    Y = sin(X)
    Y1 = cos(X)
    plt.title ('图表标题')
    plt.plot(X,Y)  ——  将X，Y值绘制图形
    plt.plot(X,Y1)        
                                     
    plt.show() ——一定要告知计算机 已经完成输入，可以显示图形了.....

将图形区域划分（比如一个图，画成两部分）

思路：同样的定义X/Y轴，但在绘图时，要指定区域后绘图

 X = np.linspace(0,2*np.pi,100)
 Y = np.sin(X)
 Y1 = np.cos(X)

 plt.title ('图表标题')
 plt.subplot(2,1,1)/plt.subplot(211)——可以理解为把原来1行，1列的区域划分为2行1列，选取上面那1行
 plt.plot(X,Y) 
 plt.subplot(212)/plt.subplot(2,1,2）——可以理解为把原来1行，1列的区域划分为2行1列，选取下面那1行
 plt.plot(X,Y1)

基本图形类

柱状图绘制
- 基本思路：定义X/Y轴——绘图
- 普通柱状图: 定义X/Y轴之后 —— plt.bar(x,y)

水平柱状图（当类别太多时）
- 定义x、y轴后——plt.barh(x,y)

不同分类不同组之间的柱状图

 data = [[5,25,50,20],[4,23,51,12],[6,22,52,19]]
 X = np.arange(4)

 plt.bar(X+0.00,data[0],color ='b',width = 0.25,label ='A')
 plt.bar(X+0.25,data[1],color ='y',width = 0.25,label ='B')
 plt.bar(X+0.5,data[2],color ='r',width = 0.25,label ='C')

 plt.legend()

*   **叠加性柱状图**
    *   同上一操作相似，只是变y轴的buttom
        ```
        data = [[5,25,50,20],[4,23,51,12],[6,22,52,19]]
        X = np.arange(4)

        plt.bar(X,data[0],color ='b')
        plt.bar(X,data[1],color ='y',buttom = data[0])
        plt.bar(X,data[2],color ='r',buttom = np.array(data[0]) + np.array(data[1]))——因为data是array不能相加，转化之后再相加

散点图——衡量两个变量之间的相关性
- 普通散点图
  - 定义x、y轴——plt.scatter（X,Y）绘制就行了

有属性的散点图
- 颜色区分
  1. 定义x，y轴
  2. 设置属性 color = np.random.randn(N)# 颜色随机显示
    area = np.pi(15np.random.rand(N)) #按照数值大小每个点面积不同,乘以15是因为随机数太小
  3. 绘制图形 plt.scatter( x,y, c = color, s = area, alpha =0.5) #alpha为透明度

划分属性（只有两个颜色）
同上述思路一致，仅仅在定义属性时将多个颜色改为2个颜色
定义 x，y轴——定义属性，area不变， color = np.random.randint(0,2,size=50**) #size表示数值大小，既可以用数字表示n个数，也可以用[A,B]表示A行，B列数据——plt.scatter( x,y, c = color, s = area, alpha =0.5)

直方图
- 思路:注意，和其他图形绘制不一致，直方图是将一个连续范围内的值分为多少份，再计算每一份包含的数量，因此需要定义范围，然后定义划分份数
- 普通直方图：
  - 定义X 范围如 X = np.random.rand(100)——划分分数 plt.hist（X,bins =20）——限定y轴范围 plt.ylim(0,15)

标准正态分布
- 同样的操作，只是范围设大一点x = np.random.randn(10000) ——plt.hist(x, bins =50)

箱型图绘制
- 思路：1 定义极小值和极大值的范围，以及多少行，多少列（多少个箱子）x=np.random.randint(20,120,size(10,5)）#最小值20，最大值120，10行5列——2 plt.boxplot(x) ——3.限定y轴范围： plt.ylim(0,120)
  - 若需要添加标签 plt.xticks([1,2,3],['A','B','C'])
- 绘制箱型图中位数所在的中位线
  - plt.hlines(y = np.median(x,axis =0)[0],xmin=0,xmax=3)

注释类

在图形上添加文字

单个文字注释：plt.text (X轴坐标轴，y轴坐标轴，添加的文字，.....其他信息）

多个文字注释（成组的柱状图数据标签）：定义后for循环

    W = [0.0,0.25,0.5]
    for i in range(3):**——第几个数对应第几个偏移量
          for a,b in zip(x+W[i],data[i]):**——x的偏移量对应 data的第几组值
               plt.text(a,b,**'%.0f'%b,ha = 'center'**,va='bottom') #分别为保留0位小数和居中对齐，bottom表示留底，文字展示形式

利用annotate添加文字注释（更复杂一点，但效果更好）
- plt.annotate('Points',xy=(1,np.sin(1)),xytext=(2,0.5),fontsize=16,arrowprops =dict(arrowstyle="->")) ——参数分别为，要写的文本，xy轴的位置，文本xy的位置，文本大小，文本连接方式(箭头等）

绘制子图

思路：先把画板划分为几部分，再往几部分里面加内容
plt.subplots(划分成几行，划分成几列.......其他属性）

改变画布大小： pylab.rcParams['figure.figsize'] =(20,12)——将画布大小改为长20，宽12
%pylab inline
pylab.rcParams['figure.figsize'] =(20,12) #设置每个画板20 * 12大小

n_bins =10
x = np.random.randn(1000,3)

fig,axes = plt.subplots(nrows=2,ncols=2)  **#将画板分为2行，2列**

ax0,ax1,ax2,ax3 = axes.flatten() **#用4个变量接收4个范围**

colors =['red','yellow','blue']
ax0.hist(x,n_bins,normed = 1,histtype ='bar',color=colors,label=colors)  
ax0.legend(prop={'size':10})
ax0.set_title('bar with legend')

ax1.hist(x,n_bins,normed = 1,histtype = 'bar',stacked=True)
ax1.set_title('stacked,bar')

ax2.hist(x,n_bins, histtype = 'step',stacked = True, fill = False )
ax2.set_title('stack step(unfilled)')

x = [np.random.randn(n) for n in [1000,5000,2000]]
ax3.hist(x,n_bins,histtype='bar')

pandas直接绘图
- 思路：利用DateFrame造数据，然后绘图
- 散点图
  - df = pd.DataFrame(np.random.rand(50,2),columns =['a','b']) #造50行，2列0-1之间随机数据，两列分别作为x，y轴
    df.plot.scatter('a','b')

柱状图
- df = pd.DataFrame(np.random.rand(10,4),columns =['A','B','C','D'])
  df.plot.bar() #普通柱状图，没有其他参数/ df.plot.barh()#水平柱状图，横着显示 /df.plot.bar(stacked=True) #堆叠柱状图

直方图
- df=pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':np.random.randn(1000)-1},columns=['a','b','c']) #元素比较复杂时，用多元字典来造
  df.plot.hist(bins =50)

箱型图
- df = pd.DataFrame(np.random.rand(10,5),columns=['a','b','c','d','e'])
  df.plot.box()

第二章 pyecharts动态绘图模块

虚拟环境操作
- 创建虚拟环境：conda create --name 虚拟环境名 Python版本
- 激活虚拟环境: conda activate 虚拟环境名
- 关闭虚拟环境: deactivate
- 删除虚拟环境： conda remove -n 虚拟环境名 -all
pyecharts安装
- 在虚拟环境里面：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts
- conda自动关联（不同的需求对应不同的虚拟环境）: conda install nb_conda

pyecharts基本使用

基本步骤：创建图形对象 ——添加绘图数据 ——配置系列参数——配置全局参数——渲染图片

 from **pyecharts.charts** import Bar     
 from **pyecharts** import **options** as opt    

 bar.add_xaxis(['衬衣','毛衣','领带','裤子','风衣','高跟鞋','袜子'])   #增加x轴数据
 bar.add_yaxis('商场A',[21,344,284,22,128,234]) #增加y轴数据
 bar.add_yaxis('商场B',[32,323,148,89,294,38])  #增加y轴数据

 bar.set_global_opts(title_opts=opt.TitleOpts(title = '某商场销售情况')) # 设置全局参数
 bar.render_notebook()  #渲染图表并显示

pyechart链式调用

链式调用

 from  pyecharts.charts  import Bar     
 from  pyecharts import options as opt       

 bar =(Bar()                                                                                                                          
       .add_xaxis(['衬衣','毛衣','领带','裤子','风衣','高跟鞋','袜子'])                                                       
       .add_yaxis**('商场A',[21,344,284,22,128,234])  #增加y轴数据
       .add_yaxis**('商场B',[32,323,148,89,294,38])    #增加y轴数据                                                                                                                                                           
       .set_global_opts(title_opts=opt.TitleOpts(title = '某商场销售情况'))   # 设置全局参数
bar.render_notebook()

链式调用加入主题

   from pyecharts.globals  import ThemeType  #引入模块
   bar = (Bar**(init_opts =opt.InitOpts(theme =ThemeType.DARK))  #说明使用的主题/风格**
             .add_xaxis(['衬衣','毛衣','高跟鞋','风衣','袜子','领带'])
             .add_yaxis('商场A',[364,38,273,94,437,138])
             .add_yaxis('商场B',[462,328,34,282,43,98])
             .set_global_opts(title_opts=opt.TitleOpts(title="商场销售情况")))
  
   bar.render_notebook()

pyechats 含有不同主题可以设置多元的图形视觉

pyecharts 绘制其他图形

横向条形图

bar =(Bar()                                         
        .add_xaxis(['衬衣','毛衣','领带','裤子','风衣','高跟鞋','袜子'])                                                                                
        .add_yaxis('商场A',[21,344,284,22,128,234]) #增加y轴数据
        .add_yaxis('商场B',[32,323,148,89,294,38])  #增加y轴数据   
        .set_global_opts(title_opts=opt.TitleOpts(title = '某商场销售情况')) # 设置全局参数)**                  

bar.reversal_axis() #翻转xy轴
bar.render_notebook()

折线图绘制

 from pyecharts.charts import Line
 from pyecharts import options as opt 
 line = (Line()
 .add_xaxis(["201{}第{}季度".format(y,z) for y in range(4) for z in range(1,5)])
 .add_yaxis('电视机销量',[37,82,28,20,48,28,49,39,202,38,83,29,33,29,88,78])
 .set_global_opts(title_opts =opt.TitleOpts(title ="折线图")
                             ,xaxis_opts = opt.AxisOpts(axislabel_opts =opt.LabelOpts(rotate =-40)) #将x轴坐标标签旋转40度              
                             ,yaxis_opts = opt.AxisOpts(**name="销量（单位/千台）"))
 )
 line.render_notebook()

南丁格尔玫瑰图

本质上仍是饼图的一种，但不是用角度表示大小，而是用半径长短表示大小，角度均一致

from pyecharts.charts  import Pie                                                                                                                       
from pyecharts import options as opt    
                                                                                            
pie=(Pie()
      .add("",[list(z)for z in zip(["201{}年第{}季度".format(x,y)for x in range(2) for y in range(1,3)]
              ,[30,19,21,60])]
              ,radius=["10%","60%"] #设定内外直径  
              , rosetype="area",    #玫瑰图类型，仅有area与radius两种     
              ,label_opts= opt.LabelOpts(is_show=True)#选择是否设置数据标签)
      .set_global_opts(title_opts = opt.TitleOpts(title ="玫瑰图示例"))
pie.render_notebook()

饼图

 from pyecharts import options as opt 
 from pyecharts.charts import Page,Pie

 **v1 =['啤酒','可乐','雪碧','咖啡','奶茶']**
 **v2 =[30,19,21,18,12]**

 pie = (
 Pie()
 .add("",[list(z) for z in zip(v1,v2)])   #增加数组作为数据
 .set_global_opts(title_opts=opt.TitleOpts(title="销售收入占比"))
 .set_series_opts(label_opts = opt.LabelOpts(formatter = "{b}:{c}%"))  #设置数据标签： 名称：占比 )
 pie.render_notebook()

雷达图

思路：难点在于设置参数，要设置多次，第一次是add_schema，加入维度及最大值，第二次及之后的add加入角色，视觉信息等

    from **pyecharts.charts** import **Page,Radar**
    from **pyecharts** import options as **opts**

    v1=[[4300,10000,28000,35000,50000,19000]]
    v2=[[5000,14000,28000,31000,42000,21000]]

    radar = (Radar()
                 .add_schema(schema=[opts.RadarIndicatorItem(name='KDA',max_=6500),     #设置维度，及最大值
                                     opts.RadarIndicatorItem(name='输出',max_=16000),
                                     opts.RadarIndicatorItem(name='经济',max_=30000),
                                     opts.RadarIndicatorItem(name='生存',max_=38000),
                                     opts.RadarIndicatorItem(name='推进',max_=52000),
                                     opts.RadarIndicatorItem(name='打野',max_=25000)])

                  .add("鲁班",v1, color="red",areastyle_opts=opts.AreaStyleOpts (opacity=0.5,color="red"))#设置角色1名称，内容，颜色，透明度及透明度颜色
                  .add("后裔",v2,color="blue",areastyle_opts=opts.AreaStyleOpts(opacity=0.5,color="blue"))#设置角色2名称，内容，颜色，透明度及透明度颜色

                  .set_global_opts**(title_opts=opts.TitleOpts(title="英雄成长对比"))       #设置标题
                  .set_series_opts(**label_opts=opts.LabelOpts(is_show= True)))         #设置标签
    radar.render_notebook()

词云图
* 思路：先导入模块，再增加参数，然后配置全局变量，最后渲染显示，注意在导入参数时加入词云大小范围，导入参数时多导入一个SymbolType模块

 from pyecharts import options as opts
 from pyecharts.charts import Page,WordCloud
 from pyecharts.globals import SymbolType  #除了导入两个模块以外还要导入SymbolType                                                                                                                                                                                                           
 words =[('Sam S Club',10000),('Macys',6181),('Amy Schumer',4386),('Jurassic World',4055)] #用词组和数字，表示每个次多大
 wordcloud = (WordCloud()
                       .add("",words,word_size_range=[20,100])#输入参数时注意配置词的尺度范围
                          .set_global_opts(title_opts=opts.TitleOpts(title='词云图')))

 wordcloud.render_notebook()

绘制地图

思路:仍然是先导入模块，再增加参数，然后配置全局变量，最后渲染显示的过程，在增加参数时，除了原有的参数要加入国家的参数如China，配置全局变量时要加入视觉参数

 from pyecharts import options as opts
 from pyecharts.charts import Map                                                                                                                                      
 v1= [29,191,99,101,64,44]
 v2= ['四川','广东',"杭州",'北京','湖南','云南']

 map =(Map()
       .add("全国地图展示",[list(z)for z in zip(v2,v1)],"china") #除了本身的数据输入也要加入国家参数方便识别
       .set_global_opts(title_opts=opts.TitleOpts(title="连续型地图"),visualmap_opts=opts.VisualMapOpts(max_=200)))  #视觉参数方便显示
 map.render_notebook()

第三章节 power BI部分(入门）

优势
步骤功能区域：
- 免费，微软出品，符合日常办公习惯
- 方便快捷，快速展示图表需求
功能区（最上面），画布（中间白色部分），筛选器（画布右侧），图表类型、图表设计、字段选择（筛选器右侧）
流程
- 导入数据源——powerBI数据处理（数据清理、建模）——可视化报表展示
导入数据源
- 开始\获取数据\从数据库或者文件等
清洗数据
- 建议在sql或者pandas中处理，再倒入powerBI

就业班第四阶段可视化

猜你喜欢

热点阅读

就业班第四阶段 可视化

猜你喜欢

热点阅读

就业班第四阶段可视化