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

我的Python分析成长之路10

程序员文章站 2022-07-02 16:57:54
matplot数据可视化基础 制作提供信息的可视化(有时称作绘图)是数据分析中最重要任务之一。 1.图片(画布)与子图 plt.figure :创建一张空白的图片,可以指定图片的大小、像素。 figure.add_subplot:添加子图,可以指定子图的行数、列数和选中图片的编号。 如果使用plt. ......

matplot数据可视化基础

  制作提供信息的可视化(有时称作绘图)是数据分析中最重要任务之一。

1.图片(画布)与子图

    plt.figure :创建一张空白的图片,可以指定图片的大小、像素。

    figure.add_subplot:添加子图,可以指定子图的行数、列数和选中图片的编号。

    如果使用plt.subplots(),它创建了一张图片,然后返回包含了已生成子图对象的numpy数组

    plt.subplots选型:

          nrow:子图的行数

          ncols:子图的列数

          sharex:所有子图使用相同的x轴刻度

          sharey:所有子图使用相同的y轴刻度

    

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 plt.rcparams["font.sans-serif"] = "simhei"  #设置中文显示
 4 plt.rcparams["axes.unicode_minus"] = false     #设置正常符号
 5 #没有子图的绘图
 6 x = np.arange(0,1,0.01)
 7 y = x**2
 8 y2 = x**4
 9 plt.plot(x,y)
10 plt.plot(x,y2)
11 plt.show()
12 #有子图的绘制方法
13 fig = plt.figure(figsize=(8,5))
14 ax1 = fig.add_subplot(2,1,1)
15 ax1.plot(x,y)
16 ax2 = fig.add_subplot(2,1,2)
17 ax2.plot(x,y2)
18 plt.show()
19 #用plt.subplots方法
20 fig,axes = plt.subplots(2,1,sharex=true)
21 axes[0].plot(x,y)
22 axes[1].plot(x,y2)
23 plt.show()

2.添加各类标签和图例的常用函数

    plt.title  为当前图形添加标题,可以指定标题的名称、位置、颜色、大小等参数

    plt.xlabel  为当前图形添加x轴名称,可以指定位置、颜色、大小等参数

    plt.ylabel:为当前图形添加y轴名称,可以指定位置、颜色、字体大小等参数

    plt.xlim:指定当前图形x轴的范围,只能确定一个数值区间,而无法使用字符串标识

    plt.ylim:指定当前图形y轴的范围,只能确定一个数值区间,而无法使用字符串标识

    plt. xticks:指定x轴数目与取值

    plt.yticks:指定y轴刻度的数目与取值

    plt.legend:根据当前图形的图例,可以指定图例的大小、位置、标签。

    plt.savefig("filename"):保存图片

    text/arrow/annote方法添加注释和文本

    

我的Python分析成长之路10
 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 plt.rcparams["font.sans-serif"] = "simhei"
 4 plt.rcparams["axes.unicode_minus"] = false
 5 x = np.arange(0,1,0.01)
 6 y1 = x**2
 7 y2 = x**4
 8 plt.plot(x,y1,"g--")
 9 plt.plot(x,y2,"b-")  
10 plt.xlabel("x")  #设置x轴类标
11 plt.ylabel("y")  #设置y轴类标
12 plt.xlim([0,1])  #设置x范围
13 plt.ylim([0,1])    #设置y范围
14 plt.title("x**2和x**4函数")  #添加标题
15 plt.legend(["y1","y2"],loc="best")   #
16 plt.show()
view code

3.设置pyplot的rc参数

     lines.linestyle:线条样式

      lines.linewidth:线条宽度

    lines.marker:线条上的点的形状

    lines.markersize:点的大小

4.分析特征间的相互关系

    1.柱状图:

        plot.bar():绘制垂直方向上的柱状图

        plot.barh():绘制水平方向上的柱状图

    

 
我的Python分析成长之路10
 1 import matplotlib.pyplot as plt
 2 import pandas as pd
 3 fig,axes = plt.subplots(2,1)
 4 data = pd.series(np.random.rand(16),index=list("abcdefghijklmnop"))
 5 data.plot.bar(ax=axes[0],color='k')
 6 data.plot.barh(ax=axes[1],color="r")
 7 plt.show()
 8 df = pd.dataframe(np.random.rand(6,4),index=["one","two","three","four","five","six"],
 9                   columns=pd.index(["a","b","c","d"],name="genus"))
10 df.plot.bar()
11 df.plot.barh(stacked=true)
12 plt.show()
view code

    2.直方图和密度图:

        直方图是一种条形图,用于给出值频率的离散显示。数据被分隔成离散的,均匀间隔的箱,并且绘制每个箱中数据点的数量.一般用横轴表示        数据类型,用纵轴表示数量或者占比。

        plot.hist()

        密度图是一种与直方图相关的图表类型,它通过计算可能产生观测数据的连续概率分布估计而产生的。 密度图也称为内核密度估计图            (ked)

        plot.density()

        seabon.distplot()可以绘制直方图和连续密度估计

我的Python分析成长之路10
1 t seaborn as sns
2 import pandas as pd
3 import matplotlib.pyplot as plt
4 data1 = pd.series(np.random.normal(0,1,size=200))
5 data2 = pd.series(np.random.normal(10,2,size=200))
6 data3 = pd.series(np.concatenate([data1,data2]))
7 # print(data3)
8 sns.distplot(data3,bins=100,color="k")
9 plt.show()
view code

 

    3.散点图

        散点图,又称散点分布图,是一个以一个特征为横坐标,以另一个特征为纵坐标,利用坐标点的分布状态反映特征间的统计关系的一阵图         形。主要用于分析特征间的相互关系,散点图可以提供两类关键信息。1.特征之间是否存在数值或数量之间的关联趋势,关联趋势是线性           还是非线性的。2.如果从某一个点或者某几个点偏离大多数    点,则这些点就是离群值,从而分析这些离群值是否在建模分析中产生          很大的关系。散点图通过散点的疏密程度和变化趋势表示两个特征的数量关系。

    plt.scatter(x,y,s=none,c=none,marker=none)  c:代表颜色,marker:绘制点的类型

    seaborn.pairplot(data,diag_kind="kde",{“plot_kws”:0.2}) 可以支持在对角线上放置每个变量的直方图或密度估计图

    4.折线图

        折线图是一种将数据点按照顺序连接起来的图形。查看因变量y随自变量x改变的趋势,最适合于显示随时间而变化的连续数据.

        plt.plot()  

    5.饼图  

        饼图是将各项大小与各项总和的比例显示在一张“饼”上,以“饼”的大小确定所占的比例。

        plt.pie(x,explode,labels,autopct,octdistance,labeldistance,radius)

        explode:设定各项距离圆心n个半径

        label:饼图的标签

        autupct:指定数值的显示方式

    6.箱型图

        箱型图也称箱须图,其绘制需要常用的统计量,能提供有关数据位置和分散情况的关键信息,尤其在比较不同特征时,更可表现其分散程度         差异。箱型图利用数据中的5个统计量(最小值、下四分位数、中位数、上四分位数、和最大值)来描述数据。

        plt.boxplot(x,menline) meanline:是否显示中值