欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

3.数据可视化入门介绍

程序员文章站 2022-03-10 11:49:49
数据可视化库:1.matplotlib; 2.seabron(辅助的库,更强大更丰富更好看); 3.Axes3D ...1.导包 1 import numpy as np 2 import pandas as pd 3 4 import matplotlib.pyplot as plt 5 6 im ......

数据可视化库:1.matplotlib; 2.seabron(辅助的库,更强大更丰富更好看); 3.axes3d ...
1.导包

 1 import numpy as np
 2 import pandas as pd
 3 
 4 import matplotlib.pyplot as plt
 5 
 6 import seaborn as sns
 7 ​
 8 #去除执行当中报警告提示的库
 9 import warnings
10 warnings.filterwarnings("ignore")
11 ​

2.图形初始化设置

 1 # 全局样式,style样式,use使用figure身材,figsize(x,y)大小,单位是英寸
 2 plt.style.use({'figure.figsize':(20,10)})
 3 
 4 # 显示问题冲突 
 5 plt.show()               # 强制显示
 6 
 7 #在pycharm中使用,图片打印不出来的时候,使用魔法方法,在行里显示,只能在jupyter中使用
 8 %matplotlib inline  
 9  
10 #国外的库都不支持中文
11 from pylab import mpl   # 使得默认支持中文 需要引入pylab库中的mpl
12 mpl.rcparams['font.sans-serif'] = ['simhei']  # 设置字体
13 mpl.rcparams['axes.unicode_minus'] = false

3.seaborn库基本设置

 1 sns.set_style('darkgrid') # sns设置背景颜色  white(默认)  dark暗色  darkgrid暗网
 2 
 3 sns.set_style()           # 设置样式
 4 
 5 sns.set_context('paper')  # 控制刻度
 6 
 7 # 调色板
 8 sns.color_palette()       # 设置颜色
 9 sns.set_palette()         # 设置颜色
10 sns.palplot()             # 显示颜色,在数据可视化中,带有plot的都是显示作用
11 ​
12 # h=0.01, l=0.6 (亮度), s=0.65(饱和度)

  13 # 调色板 cool hot rainbow hls spring...

  14 sns.palplot(sns.color_palette(‘hls’,7))

线性图:plt.plot(x,y)

x 表示x轴数据点,y 表示y轴数据点

网格线:plt.grid(color='black',axis='both',alpha=0.3)

color颜色;alpha 透明度 ;axis轴,x或y。

坐标界限:plt.axis('auto') 随着横纵坐标轴的数据自动设置

 

plt.axis([-15,15,-5,5]) 表示x轴界限是【-15,15】,y轴界限是【-5,5】

取消样式:plt.axis('off')   

标题:plt.title()

plt.title('this is sun!')

x轴的标记:xlabel() 

plt.xlabel('x',fontsize=20,color='orange')

y轴的标记:ylabel() 

plt.ylabel('f(x)',fontsize=20,color='cyan',rotation=0)   # rotation角度,f(x)旋转90度

设置图例: plt.legend()   

注意:画图的时候指定好图例名字才有效,如 label='top'

指定图例的位置:loc参数

 

plt.legend(loc=0):loc=0代表最适合的位置,计算机自动识别

plt.legend(loc=[0,1]):表示在图片的左上角,将图例放在画布的外面,x或者y的倍数 ,这里是x的0倍 y的1倍

设置图片大小(局部的)

plt.figure(figsize=(20,10))

 ,线,颜色的属性

线 linestyle:(简写ls), ①:②-- ③-.④-

宽度 linewidth:(简写lw)   

字体 fontsize:(单位px)   

透明度 alpha :百分比         

角度 rotation

点 marker: o(圆点) s(方形) p(五边形) d(小菱形) 1 2 3 4 8(八边)'*'

点颜色color:c

点的大小 markersize

点边缘的宽度 markeredgewidth

点边缘面的颜色 markeredgecolor

点中间面的颜色 markerfacecolor

1 plt.plot(x,y,label='top',ls=':',lw=3,c='c',marker=1,markersize=100)
2 
3 plt.plot(x,-y,label='bottom',ls='--',lw=2,marker='s',markersize=7,color='#0ff0fff0')
4 
5 plt.axis('equal')

更换刻度

1 x = np.arange(10)
2 y = x + 10
3 plt.plot(x,y,c='orange',lw=10,marker='o',markersize=100,markerfacecolor='r',markeredgecolor='g',markeredgewidth=10)
4 
5 #第一个参数是坐标的范围  第二格参数是要替换的字符  映射
6 plt.xticks(np.arange(0,9),list('abcdefghi'),fontsize=20)
7 plt.yticks(np.arange(0,9),list('abcdefghi'),fontsize=20)

plt 中的实体标识 :碰到特殊符号不好打印的时候 如pi(3.14)

 1 # subplot代表的是画布  
 2 axes = plt.subplot()
 3 
 4 # 画布中的用axes调用
 5 axes.set_xticks([-pi,-pi/2,0,pi/2,pi])
 6 axes.set_xticklabels(['-$\pi$','-$\pi$/2','0','$\pi$/2','$\pi$'],fontsize=20,color='orange',rotation=30)
 7 
 8 axes.set_yticks([-1,0,1])
 9 axes.set_yticklabels(['min',0,'max'],fontsize=20,color='orange',rotation=30)
10 
11 # 画布中设置标题
12 axes.set_title('abc')

 

直方图 plt.hist()

1 # 针对一维数据进行统计的,统计出现次数    
2 a = np.random.randint(0,10,10)   
3 a                    # 得到 array([8, 3, 2, 3, 5, 3, 4, 5, 6, 1])
4 plt.hist(a,bins=20)  # bins 调节直方的宽度
5 
6 # seabron当中的直方图
7 sns.distplot(a,bins=20,color='r')

 

柱状图plt.barh()

描述的是二维数据的 

matplotlib里面的柱状图,纵向的:plt.bar(x,y)

matplotlib里面的柱状图,横向的:plt.barh(x,y)

seabron里面的柱状图(推荐使用),hue匹配条件  

1 sns.barplot(data=titanic,x='sex',y='survived',hue='class')

 

 plt.pie()

 1 plt.figure(figsize=(14,8))
 2 gdp = np.array([2794696,20513000,2689992,13457267,5070626,4029140,2808899])
 3 label=['fr','usa','ind','ch','jp','ge','uk']
 4 
 5 explode = [0,0,0.1,0,0,0,0.2]  # 图片分离ind uk
 6 # textprops={'fontsize':30}      设置字体大小
 7 plt.pie(gdp,labels=label,textprops={'fontsize':30},explode=explode,colors=sns.color_palette('hls',7))
 9 
10 plt.axis('equal')

 

箱图plt.boxplot()

主要是检查数据的分布,查看异常值

plt.boxplot(data)

使用seabron画的箱图

sns.boxplot(data)

 

散布图(散点图)plt.scatter()

主要作用:查看数据的分布情况  越乱的数据越不利于做机器学习

 1 # 使用sns里的鸢尾花数据集
 2 iris = sns.load_dataset('iris')
 3 
 4 plt.scatter(iris.iloc[:,0],iris.iloc[:,1],c=target,cmap='rainbow') # c=target会自动给每种类别分配颜色的,使用seabron里面自带的鸢尾花数据集
 5 
 6 # seabron中的散布图
 7 # 1.散步密度图
 8 sns.jointplot(data=iris,x='sepal_length',y='sepal_width',color='orange',kind='hex')    # kind:{"scatter"|"reg"|"resid"|"kde"|"hex"}散点|带有回归的线|带有回归的线(考虑到行了)|密度图(像遥感)|六角形
 9 
10 # 2.回归散布图
11 sns.regplot(data=iris,x='sepal_length',y='sepal_width')  # 拟合曲线   根据花萼的 没有什么规律
12 
13 sns.regplot(data=iris,x='petal_length',y='petal_width',) # 根据花瓣的回归散布图,比较有线性规律
14 
15 # 3.线性分类散布图
16 sns.lmplot(data=iris,x='petal_length',y='petal_width',hue='species',markers=['o','x','d']) # 每一种的趋势单独的预测出;hue='species'条件,根据种类;markers=['o','x','d'] 点的形状 圆 x 棱形
17 
18 # 4.散布图矩阵
19 sns.pairplot(data=iris,hue='species',kind='scatter',diag_kind='auto')   # diag_kind : {'hist', 'kde'},对角线上图形类型的选择 hist直方图 kde 密度图

 

3d图形

 1 # 绘制3d图
 2 from mpl_toolkits.mplot3d.axes3d import axes3d  # 引入3d库
 3 fig = plt.figure(figsize=(16,10))
 4 
 5 #实例化axes3d
 6 axes3d = axes3d(fig)
 7 
 8 #调用对象scatter3d
 9 axes3d.scatter3d(iris.iloc[:,0],iris.iloc[:,1],iris.iloc[:,2],c=target,s=60,cmap='hot')
10 
11 # 保存
12 plt.savefig('sca.png',dpi=100)