python数据可视化1：单特征
背景音乐：Summer Vibe - Walk off the Earth
祝看到这篇文章的人，每天都有好心情✧(≖ ◡ ≖✿)
1 概述
数据可视化，从数据层面，包括以下两块内容：
- 单变量的可视化：主要研究变量的自身特性
- 多变量的联合可视化：主要研究变量与变量之间的相关性
其中，单变量的可视化，要根据数据的类型来分别处理：
- 分类变量(categorical variable)
常用的有：饼图、柱形图 - 数值变量(numerical variable)
常用的有：概率密度图、直方图、箱式图
回到标题本身，今天就来讲讲python的数据可视化。
在python做数据分析的时候，有三个模块是绕不开的：pandas、numpy以及matplotlib。
同时，seaborn也是你可视化时必不可少的得力助手。
写这个文章的目的，是对知识的一个梳理，也方便有需要的人能尽快上手。
我会尽可能地用pandas、matplotlib和seaborn来共同实现上述可视化，同时为了代码简洁，我会尽量不进行没必要的设置。
2 导入数据
首先，导入必备的模块：
%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import seaborn as sns
本次所用的数据来自kaggle竞赛的森林火灾面积预测
df = pd.read_csv('forestfires.csv')
df.head() # 看前5行
数据内容
3 分类特征
分类特征主要看两个方面：
- 有几种分类
- 每种分类的数量（或者比例）
这里为了演示，我用day变量，代表了星期
order = ['mon', 'tue', 'wed', 'thu', 'fri', 'sat', 'sun']
day_count = df['day'].value_counts()
day_count = day_count[order] # 不用loc的话就默认从大到小排序
day_count
结果为
mon 74
tue 64
wed 54
thu 61
fri 85
sat 84
sun 95
Name: day, dtype: int64
可以看到，数据集里这个变量的分布还算平均。
3.1 饼图
注意分类的种类不能太多，不然饼图就会被切得很细
3.1.1 pandas.Series.plot.pie
用autopct设置数字的格式
day_count.plot.pie(autopct='%.2f%%')
3.1.2 matplotlib.pyplot.pie
plt.pie(day_count, autopct='%.2f%%', labels=day_count.index)
3.2 柱状图
3.2.1 pandas.Series.plot.pie
day_count.plot.bar()
3.2.2 matplotlib.pyplot.bar
pos = range(len(day_count))
plt.bar(pos, day_count.values)
plt.xticks(pos, day_count.index)
3.2.3 seaborn.barplot
sns.barplot(day_count.index, day_count.values)
3.2.4 seaborn.countplot
用这个的好处在于，自动计算取值及其数量并可视化，节省一个步骤。
函数中，可以设置order=order来指定顺序。
sns.countplot(df['day'])
4 数值特征
数值特征主要看两个方面：
- 它的取值区间
- 不同子区间的数量分布(或者密度分布)
为了演示，我用temp变量，代表温度
temperature = df['temp']
4.1 直方图
4.1.1 pandas.Series.plot.hist
temperature.plot.hist()
4.1.2 matplotlib.pyplot.hist
plt.hist(temperature)
4.1.3 seaborn.rugplot
这个是结合直方图使用的，能变得更好看
plt.hist(temperature, color='orange')
sns.rugplot(temperature)
4.2 概率密度图
4.2.1 pandas.Series.plot.density
temperature.plot.density()
4.2.2 seaborn.kdeplot
sns.kdeplot(temperature)
4.2.3 seaborn.distplot
这个还结合了直方图，节省步骤
函数中，可以设置hist=False来取消直方图
sns.distplot(temperature)
4.3 箱式图
4.3.1 pandas.Series.plot.box
temperature.plot.box()
4.3.2 matplotlib.pyplot.boxplot
plt.boxplot(temperature)
plt.show()
4.3.3 seaborn.boxplot
orient默认值是h（水平），也可以设为v（垂直）
sns.boxplot(temperature, orient='v')
