Python数据分析：可视化

本文是《数据蛙三个月强化课》的第二篇总结教程，如果想要了解数据蛙社群，可以阅读给DataFrog社群同学的学习建议。温馨提示：如果您已经熟悉python可视化内容,大可不必再看这篇文章，或是之挑选部分文章

对于我们数据分析师来说，不仅要自己明白数据背后的含义，而且还要给老板更直观的展示数据的意义。所以，对于这项不可缺少的技能，让我们来一起学习下吧。

零：准备工作

画图之前，我们先导入包和生成数据集

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
%matplotlib inline
np.random.seed(100)
df = pd.DataFrame(np.random.randint(-10, 10, (10, 3)), 
                  index=pd.date_range("1/1/2000", periods=10), columns=list("ABC"))
df = df.cumsum()
df.head()

我们先看下所用的数据集

一：折线图

折线图是我们观察趋势常用的图形，可以看出数据随着某个变量的变化趋势，默认情况下参数 kind="line" 表示图的类型为折线图。

这里默认是把索引当作了X轴，列作为了Y轴

二：柱状图

对于分类数据这种离散数据，需要查看数据是如何在各个类别之间分布的，这时候就可以使用柱状图。我们为每个类别画出一个柱子。此时，可以将参数 kind 设置为 bar 。

这里还是以索引为X轴，列为Y轴。我们还可以改变显示的轴

当然我们还可以变成堆积柱状图

三：条形图

条形图就是将竖直的柱状图翻转90度得到的图形。与柱状图一样，条形图也可以有一组或多种多组数据。

水平条形图在类别名称很长的时候非常方便，因为文字是从左到右书写的，与大多数用户的阅读顺序一致，这使得我们的图形容易阅读。而柱状图在类别名称很长的时候是没有办法很好的展示的。

四：直方图

直方图是柱形图的特殊形式，当我们想要看数据集的分布情况时，选择直方图。直方图的变量划分至不同的范围，然后在不同的范围中统计计数。在直方图中，柱子之间的连续的，连续的柱子暗示数值上的连续。

五：箱线图

箱线图用来展示数据集的描述统计信息，也就是[四分位数]，线的上下两端表示某组数据的最大值和最小值。箱子的上下两端表示这组数据中排在前25%位置和75%位置的数值。箱中间的横线表示中位数。此时可以将参数 kind 设置为 box。

六：散点图

如果想要画出散点图，可以将参数 kind 设置为 scatter，同时需要指定 x 和 y。通过散点图可以探索变量之间的关系。

七：饼状图

饼图是用面积表示一组数据的占比，此时可以将参数 kind 设置为 pie。

image.png

我们刚开始学习的同学，最基本应该明白什么数据应该用什么图形来展示，同学们来一起总结吧。