Python数据可视化-练习

2017-07-21 本文已影响876人 pnjoe

Dr.fish 发来一份 Worldindex.csv

让我们一起来探索一下吧.

打开Jupyter notebook 新建一个python 3文档

导入模块

import pandas as pd               # 导入pandas模块 并简写成 pd
import matplotlib.pyplot as plt   # 导入绘图包(今天的主角)
import numpy as np                # 导入numpy模块 并简写成 np

%config InlineBackend.figure_format = 'retina' # 设置图像清晰度

导入文件

data = pd.read_csv('WorldIndex.csv')

观察数据

data.head()

data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 177 entries, 0 to 176
Data columns (total 5 columns):
Country            177 non-null object
Continent          177 non-null object
Life_expectancy    169 non-null float64
GDP_per_capita     169 non-null float64
Population         176 non-null float64
dtypes: float64(3), object(2)
memory usage: 7.0+ KB

观察后,大概可知晓这是全球各国关于人口年龄 GDP 的一份数据表,
数据总体完整,但也有一小部分缺失值.为了方便练习,这里缺失值做丢弃处理.

数据清洗

# 删除包含缺失值的行
df = data.dropna()
df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 164 entries, 0 to 175
Data columns (total 5 columns):
Country            164 non-null object
Continent          164 non-null object
Life_expectancy    164 non-null float64
GDP_per_capita     164 non-null float64
Population         164 non-null float64
dtypes: float64(3), object(2)
memory usage: 7.7+ KB

现在数据剩有164条完整数据.
看了一下,字段名有点长.我们重新定义一下吧

# 重新定义列名
df.columns = ['country', 'continent', 'life', 'gdp', 'popu']

数据展现

直方图
绘制关于人均寿命数据的直方图

plt.hist(df.life, range=(60,80), bins=20, rwidth=0.9)  
# 参数range 表示想要展示数据的区间.原来数据表信息不会修改到.在区间范围外的数据只是隐藏起来了.如(60,80)则只显示60~80岁的数据.
# 参数bins 表示将数据平均分成多少份来展示. 如20,则表示将X轴上数据平均分成20份.即显示20条柱状.
# 参数rwidth (取值范围1~0). '0.9'表示设置单条柱状的宽度显示占比90%.那么就有10%是空白的,呈现出来的直方图就美观一些.
plt.show()  
# 显示图表出来的命令, (上节课:我们是用%matplotlib inline 直接展现).这节课:是逐一显示.画完一个图就得输入一次 plt.show()

人均寿命数据的直方图

箱图
绘制人均寿命的箱图

plt.boxplot(df.life)
plt.show()

人均寿命的箱图

绘制人均GDP数据的箱图

plt.boxplot(df.gdp)
plt.show()

人均GDP数据的箱图

条形图
绘制各大洲国家数量分布的条形图

# 统计每个州的国家数
conti_count = df.continent.value_counts()
conti_count

Africa           48
Europe           41
Asia             36
North America    19
South America    11
Oceania           9
Name: continent, dtype: int64

# 获取各大州名称
conti = list(conti_count.index)
conti

['Africa', 'Europe', 'Asia', 'North America', 'South America', 'Oceania']

有6个洲(七大洲的南极洲无人烟),我们来生成一个数字数组 6个(0~5)
# 画图时.输入的数据必须是数值形式.不能是字符串.
x = np.arange(len(conti))
x

array([0, 1, 2, 3, 4, 5])

plt.bar(x,conti_count)

横坐标是数字.看不出哪个数字对应哪个洲

我们来设置调整一下横坐标

# 条形图
plt.bar(x, conti_count)
# 设置横坐标
plt.xticks(x, conti, rotation=70)  # rotation 旋转横坐标标签

这下一目了然了

饼图
绘制各大洲国家数量占比的饼图

plt.pie(conti_count, labels=conti, autopct='%1.1f%%')  # autopct 显示占比
plt.axis('equal')  # 调整坐标轴的比例
plt.show()

各大洲国家数量占比的饼图

散点图
绘制人均寿命和人均GDP的关系
- 方法一

# 用plt.plot函数来写
plt.plot(df.gdp, df.life, 'g.')  # 'g.' 表示用绿色的点绘制
plt.show()

# 自己尝试 改变一下
plt.plot(df.gdp, df.life, 'r+')   # "r" 表示红色 "+"表示用+号来绘图
plt.show()

方法二(推荐)

# 用plt.scatter函数来写 (推荐)
plt.scatter(df.gdp, df.life)
plt.show()

人均寿命和人均GDP的关系散点图

矩阵图
多个变量时，为了快速观察，可绘制矩阵图

pd.scatter_matrix(df)
plt.show()

矩阵图

什么?千篇一律的图表看厌了.能不能来点新意.那么.下面的私人高端定制适合你.且看:

数据图表的定制
设置坐标轴名称和图像名称

plc.rcParams['font.sans-serif']=['SimHei']  #用来正常显示中文标签 
plt.scatter(df.gdp, df.life)
plt.xlabel('人均GDP (美元)')  # x轴名称
plt.ylabel('人均寿命（年）')   # y轴名称
plt.title('各国健康和经济水平关系（2015）')  # 图标题

将横轴进行对数变换

plt.scatter(df.gdp, df.life)
plt.xscale('log')  # 对x轴采用对数刻度
plt.xlabel('人均GDP（美元）') 
plt.ylabel('人均寿命（年）')   
plt.title('各国健康和经济水平关系（2015）')  
plt.show()

设置轴刻度的显示形式

plt.scatter(df.gdp, df.life)
plt.xscale('log')
plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')
tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)  # 重置x坐标刻度
plt.show()

设置各个数据点的大小，与人口数成正比

size = df.popu / 1e6 * 2  # 数据点大小，正比于人口数
plt.scatter(x=df.gdp, y=df.life, s=size)  # 参数s设置点的大小
plt.xscale('log')
plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')
tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)
plt.show()

赋予不同州的国家不同的颜色

# 新建一个字典来存取各洲对应的颜色.
map_dict = {      
    'Asia':'red',
    'Europe':'green',
    'Africa':'blue',
    'North America':'yellow',
    'South America':'yellow',
    'Oceania':'black'
}
colors = df.continent.map(map_dict)   # 将国家按所在州对于不同的颜色
size = df.popu / 1e6 * 2
plt.scatter(x=df.gdp, y=df.life, s=size, c=colors, alpha=0.5)  # 参数c设置颜色，alpha设置透明度
plt.xscale('log')
plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')
tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)
plt.show()

添加文本和网格

map = {
    'Asia':'red',
    'Europe':'green',
    'Africa':'blue',
    'North America':'yellow',
    'South America':'yellow',
    'Oceania':'black'
}
colors = df.continent.map(map_dict)
size = df.popu / 1e6 * 2
plt.scatter(x=df.gdp, y=df.life, s=size, c=colors, alpha=0.5)
plt.xscale('log')
plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')
tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)
plt.text(1550, 73, 'India')   # 在图中添加文本
plt.text(5700, 81, 'China')
plt.grid(True)  # 添加网格
plt.show()

相关阅读:
上篇理论篇:matplotlib-数据可视化神器
本篇实践篇:python数据可视化-练习