Python 数据可视化

1、首先要知道我们用哪些库来画图

matplotlib
Python 中最基本的作图库十九 matplotlib，是一个最基础的Python可视化库，一般都是从 matplotlib 上手 Python 数据可视化，然后开始纵向横向扩展。
Seaborn
是一个基于 matplotlib 的高级可视化效果库，针对的点主要是数据挖掘和机器学习中的变量特征选取，seaborn可以用短小的代码去绘制描述更多维度数据的可视化效果图。

其他库

Bokeh：是一个用于做浏览器端交互可视化的库，实现分析师与数据的交互
Mapbox：处理地理数据引擎更强的可视化工具库

• 本文主要使用 matplotlib 进行案例分析

第一步：确定问题，选择图形

业务可能很复杂，但是经过拆分，我们要找到想通过图形表达什么具体的问题。分析思维的训练可以学习《麦肯锡方法》和《金字塔原理》。
下图是关于图表类型选择的总结

39c927827ab880fb979e9d5af69c8c54.jpg

在Python中，我们可以总结为以下四种基本视觉元素来展现图形

• 点：scatter plot 二维数据，适用于简单的二维关系
• 线：line plot 二维数据，适用于时间序列
• 柱状：bar plot 二维数据，适用于类别统计
• 颜射：heatmap 适用于展示第三维度

数据间存在分布，构成，比较，联系以及变化趋势等关系。对应不一样的关系，选择相应的图形进行展示。

第二步：转换数据，应用函数

数据分析和建模方面的大量编程工作都是用在数据准备的基础上的；加载，清理，转换以及重塑。我们可视化步骤也需要对数据进行整理，转换成我们需要的格式再套用可视化方法完成作图。
下面是一些常用的数据转换方法：

• 合并：merge，concat，combine_frist（类似于数据库中的全外连接）
• 重塑：reshape；轴向旋转：pivot（类似excel数据透视表）
• 去重：map
• 填充替换：fillna，replace
• 重命名轴索引：rename

将分类变量转换'哑变量矩阵'的get_dummies函数以及在df中对某列数据取限定值等等。
函数则根据第一步中选择好的图形，去找Python中对应的函数。

第三步：参数设置，一目了然

原始图形画完后，我们可以根据需求修改颜色（color），线型（linestyle），标记（maker）或者其他图表装饰项标题（title），轴标签（xlabel，ylabel），轴刻度（set_xticks），还有图例（legend）等，让图形更加直观。
第三步是在第二步的基础上，为了使图形更加清晰明了，做的修饰工作。具体参数都可以在制图函数中找到。

2、可视化作图基础

Matplotlib 作图基础

# 导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

Figure 和 Subplot

matplotlib 的图形都位于 Figure （画布）中，Subplot 创建图像空间。不能通过figure绘图，必须用add_subplot创建一个或多个subplot。
figsize可以指定图形尺寸

# 创建画布
fig = plt.figure()
>>> <Figure size 432 * 288 with 0 Axes>
# 创建 subplot，221 表示这是2行2列表格中的第一个图像
ax1 = fig.add_subplot(221)
# 但现在更习惯使用以下方法创建画布和图像，2,2,表示这是一个2*2的画布，可以放置4个图像
fig, axes = plt.subplot(2,2,sharex=True, sharey=True)

6d1abf89e5e851d08b0e5ec8099868a9.jpg

利用Figure的subplots_adjust方法可以调整间距

subplots_addjust(left=None, bottom=None, right=None, top=None, wspace=None,hspace=None)

8c28aa64ba39233fa65fad5c35e19642.jpg

颜色 color，标记 marker，线型 linestyle
matplotlib 得到 plot 函数接受一组X和Y坐标，还可以接受一个表示颜色和线型的字符串缩写'g--'，表示颜色是绿色green，线型是虚线。也可以使用参数明确的指定。
线型图还可以加上一些标记（marker），来突出显示数据点的位置。标记也可以放在格式字符串中，但标记类型和线型必须放在颜色后面。

plt.plot(np.random.randn(30), color='g', linestyle='--', marker='o')
>>> [<matplotlib.lines.Line2D at 0x8c919b0>]

刻度，标签和图例
plt的xlim，xticks 和 xtickslabels 方法分别控制图表的范围和刻度位置和刻度标签。
调用方法时不带参数，则返回当前的参数值；调用时带参数，则设置参数值。

plt.plot(np.random.randn(30), color='g', linestyle='--', marker='o')
plt.xlim()

5684ceffc08221553be65a2bebcd46eb.jpg

plt.plot(np.random.randn(30), color='g', linestyle='--', marker='o')
plt.xlim([0, 15])

4490697c0fdbfdd781124c1ac434035c.jpg

# 设置标题，轴标签，刻度以及刻度标签
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ticks = ax.set_xticks([0, 250, 500, 750, 1000])  # 设置刻度
labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'])  # 设置刻度标签
ax.set_title('My first Plot')  # 设置标题
ax.set)xlabel('Stage')  # 设置轴标签
Text(0.5, 0, 'Stage')

be92e238453dbe892a050dc506a23283.jpg

• 图例

# 图例 legend 是另一种用于标识图标元素的重要工具。可以在添加 subplot 的时候传入 label 参数。
fig = plt.figure(figsize=(12,5))
ax = fig.add_subplot(111)
ax.plot(np.random.randn(1000).cumsum(), 'k', label='one')  # 传入 label 参数，定义 label 名称
ax.plot(np.random.randn(1000).cumsum(), 'k--', label='two')
ax.plot(np.random.randn(1000).cumsum(), 'k.', label='three')
# 图形创建完成后，只需要调用 legend 参数，将label 调出来即可
ax.legend(loc='best')  # 要求不是很严格的话，建议使用 loc='best' 参数来让它自己选择最佳位置
>>> <matplotlib.legend.Legend at 0xa8f5a20>

ca2373540c032f394457bc15f1e0d4f1.jpg

• 注解
  除标准的图表对象之外，我们还可以自定义添加一些文字注解或者箭头
  注解可以通过 text, arrow 和 annotate 等函数进行添加。text 函数可以将文本绘制在指定的x,y坐标位置，还可以自定义格式

plt.plot(np.random.randn(1000).cumsum())
plt.text(600, 10, 'test ', family='monospace', fontsize=10)
# 中文注释在默认环境下并不能正常显示，需要修改配置文件
# 使其支持中文字体

• 保存图表到文件
  利用 plt.savefig 可以将当前图表保存到文件。例如要将图表保存为 png 文件，可以执行
  文件类型是根据拓展名而定的。其他参数还有：
  -- fname：含有文件路径的字符串，拓展名指定文件类型
  -- dpi：分辨率，默认 100 facecolor, edgcolor 图像的背景颜色，默认‘w’ 白色
  -- format：显示设置文件格式('png', 'pdf', 'svg', 'ps', 'jpg' 等)
  -- bbox_inches：图表需要保留的部分，如果设置为 'tight' 则将尝试剪除图像周围的空白部分。

plt.savefig('./plot.jpg')  # 保存图像为 plot 名称的jpg格式图像
>>> <Figure size 432x288 with 0 Axes>

3、Pandas 中的绘图函数

Matplotlib 作图

matplotlib 是最基础的绘图函数，也是相对低级的工具。组装一张图表需要单独调用各个基础组件才行。Pandas 中有许多基于matplotlib 的高级绘图方法，原本需要多行代码才能搞定的图表，使用 pandas 只需要短短几行

import  matplotlib.pyplot as plt

线性图

Series 和 DataFrame 都有一个用于生成各类图表的 plot 方法。默认情况下，他们生成的是线性图。

s = pd.Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()  # Series 对象的索引 index 会传给 matplotlib 用作绘制 x 轴
>>> <matplotlib.axes._subplots.AxesSubplot at 0xf553128>

7778c22cb74533ab4370394451e37ac9.jpg

df = pd.DataFrame(np.random.randn(10, 4).cumsum(0), columns=['A', 'B', 'C', 'D'])
df.plot()  # plot 会自动为不同变量改变颜色，并添加图例
>>> <matplotlib.axes._subplots.AxesSubplot at 0xf4f9eb8>

1dfa125ce8746172bb4fd3050dbda441.jpg

Series.plot 方法的参数：

• label：用于图表的标签
• style：风格字符串，‘g--’
• alpha：图像的填充不透明度(0-1)
• kind：图表类型（bar, line, hist, kde 等）
• xticks：设定x轴刻度值
• yticks：设定y轴刻度值
• xlim, ylim : 设定轴界限，[0, 10]
• grid：显示轴网格线，默认关闭
• rot：旋转刻度标签
• use_index：将对象的索引用作刻度标签
• logy：在Y轴上使用对数标尺

DataFrame.plot 方法的参数（DataFrame 除了Series中的参数外，还有一些独有的选项）

• subplots：将各个DataFramem列绘制到单独的subplot中
• sharex, sharey：共享x,y轴
• figsize：控制图形大小
• title：图像标题
• legend：添加图例，默认显示
• sort_columns：以字母顺序绘制各列，默认使用当前顺序

柱状图

在生成线型图的代码中加上 kind='bar' 或者 kind='barh'，可以生成柱状图或水平柱状图。

fig, axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(10), index=list('abcdefghij'))
data.plot(kind='bar', ax=axes[0], rot=0,  alpha=0.3)
data.plot(kind='barh', ax=axes[1], grid=True)
>>> <matplotlib.axes._subplots.AxesSubplot at 0xfe39898>

7950b52b9c809b8bef68cba136e249e3.jpg

柱状图有一个非常实用的方法：
利用 value_counts 图像话显示Series或者DF中各值的出现频率
比如df.value_counts().plot(kind='bar')