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

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

程序员文章站 2022-07-14 11:02:23
...

1、散点图

■散点图( scatter diagram) : 是以一个变量为横坐标,另一变量为纵坐标,利用散点(坐标点)的分布形态反映变量关系的一种图形。

  • 散点图绘图函数:
plot(x,y,'.',color=(r,g,b))
plt.xlabel('x轴标签')
plt.ylabel('y轴标签')
plt.grid(True)
  • plot参数说明:
    ●x、y,X轴和Y轴的序列
    ●’.’、 ‘o’ ,小点还是大点
    ●color ,散点图的颜色,可以用rgb定义,也可以用英文字母定义,(red,green,blue)~0到1,和其他语言0到255区分一下

1.1、导入数据

import matplotlib
from pandas import read_csv
import matplotlib.pyplot as plt

data = read_csv("F:\\数据分析\\数据分析3\\章节5数据可视化\\5\\5.1\\data.csv")

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

1.2、数据可视化

plt.plot(data['广告费用'],data['购买用户数'],'.')#把数据赋给(x,y)

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

1.3、设置参数

plt.plot(data['广告费用'],data['购买用户数'],'.')#把数据赋给(x,y)
plt.xlabel('广告费用')#设置x轴的名称
plt.ylabel('购买用户数')
plt.grid(True)#呈现网格线
plt.show()#可视化展示

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

1.4、自定义样式

# plt.plot(data['广告费用'],data['购买用户数'],'o',color='yellow')#把数据赋给(x,y),'o'表示圆圈,color显示颜色
# plt.plot(data['广告费用'],data['购买用户数'],'*',color=(1,0.6,0.2))#把数据赋给(x,y),'*'呈现*,rgb表示颜色
plt.plot(data['广告费用'],data['购买用户数'],'d',color='#aabbcc')#把数据赋给(x,y),'d'呈现菱形,rgb表示颜色
plt.xlabel('广告费用')#设置x轴的名称
plt.ylabel('购买用户数')
plt.grid(True)#呈现网格线
plt.show()#可视化展示

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

1.5、解决中文不能显示

•如果中文不能正常显示,可以加上

font = {'family': 'MicroSoft Yahei',
       'weight': 'bold',
       'size': 12}
matplotlib.rc("font", **font)

•如果中文和正负不能正常显示,可以加上

from matplotlib import rcParams
#支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号



2、折线图

■折线图:也称趋势图,它是用直线段将各数据点连接起来而组成的图形,以折线方式显示数据的变化趋势。

  • 折线图绘图函数:
    •plot(x,y,style,color,linewidth);
    •title(‘图的标题’)

  • 参数说明:
    •style,画布的样式;
    •color,画线的颜色
    •linewidth,线的宽度

  • style样式:

参数 注释
- 连续的曲线
连续的虚线
-. 连续的用带点的曲线
: 由点连成的曲线
. 小点,散点图
o 大点,散点图
, 像素点(更小的点)的散点图
* 五角星的点,散点图

2.1、导入数据

import pandas
from pandas import read_csv
import matplotlib.pyplot as plt

data = read_csv("F:\\数据分析\\数据分析3\\章节5数据可视化\\5\\5.2\\data.csv")

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

2.2、日期类型转换

对日期格式进行转化,变成日期类型,字符型不能直接使用

data['购买日期'] = pandas.to_datetime(data['日期'])

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

2.3、数据可视化

•顺滑的曲线

plt.plot(data['购买日期'],data['购买用户数'],'-')

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

•设置颜色

plt.plot(data['购买日期'],data['购买用户数'],'-',color='r')

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)
•设置线条粗细

plt.plot(data['购买日期'],data['购买用户数'],'-',color='r',linewidth=6)

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)
•增加表名

plt.plot(data['购买日期'],data['购买用户数'],'-.',color='r')
plt.title('手机销售分布图')

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)


3、饼图

■饼图( Pie Graph) :又称圆形图。是一个划分为几个扇形的圆形统计图,它能够直观地反映个体与总体的比例关系。

  • 饼图绘图函数:
    • pie(x, labels, colors, explode, autopct);
  • 参数说明:
参数 注释
x 进行绘图的序列
labels 饼图的各部分标签
colors 饼图的各部分颜色,使用RGB标颜色
explode 需要突出的块状序列,0为原状,非0为突出
autopct 饼图占比的显示格式, %.2f :保留两位小数

3.1、导入数据

import numpy,matplotlib
from pandas import read_csv
import matplotlib.pyplot as plt

data = read_csv("F:\\数据分析\\数据分析3\\章节5数据可视化\\5\\5.3\\data.csv")

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

3.2、分组统计数量

  • 先查找有几个通信品牌,再找它对应的号码有多少个
gb = data.groupby(
    by = ['通信品牌'],
    as_index=False
)['号码'].agg({
    '用户数':numpy.size#计数
})

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

3.2、饼图展示

plt.pie(gb['用户数'],labels=gb['通信品牌'],autopct='%.2f%%')#%.2f表示保留两位小数,%%表示%

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)


4、柱状图

■柱形图:是一种以长方形的单位长度,根据数据大小绘制的统计图,用来比较两个或以上的数据(时间或类别)。

  • 柱形图绘图函数:
    • bar(left,height,width,color) #竖向柱形图
    • barh(bottom,width,height,color) #横向柱形图
  • 参数说明:
参数 注释
left x轴的位置序列, 一般采用arange函数产生一个序列
height y轴的数值序列,也就是柱形图的高度,一般就是我们需要 展示的数据
width 柱形图的宽度, 一般设置为1即可
color 柱形图填充颜色

4.1、导入数据

import numpy,matplotlib
from pandas import read_csv
import matplotlib.pyplot as plt

data = read_csv("F:\\数据分析\\数据分析3\\章节5数据可视化\\5\\5.4\\data.csv")

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

4.2、分组求和

gb = data.groupby(
    by = ['手机品牌'],
    as_index=False
)['月消费(元)'].agg({
    '月消费':numpy.sum #求和
})

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

4.3、建立X轴的序列

index = numpy.arange(gb['月消费'].size)

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

4.4、数据可视化

  • 竖向柱形图
plt.bar(index,gb['月消费'],1,color='G')

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

  • 移动柱形图(-向右;+向左,往原点靠拢)
plt.bar(index,gb['月消费'],1,color='G')
plt.xticks(index + 1/2,gb.index)

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

  • 添加横轴标签
plt.bar(index,gb['月消费'],1,color='G')
plt.xticks(index,gb.手机品牌)#加上X标签

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

  • 横向柱形图
plt.barh(index,gb['月消费'],1,color='r')
plt.yticks(index,gb.手机品牌)

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

4.5、三维柱状图

import numpy,matplotlib
from pandas import read_csv
from matplotlib import pyplot as plt

data = read_csv("F:\\数据分析\\数据分析3\\章节5数据可视化\\5\\5.4\\data.csv")

d1 = '手机品牌'
d2 = '通信品牌'
v = '月消费'

gb = data.groupby(by = [d1,d2])['月消费(元)'].agg({v:numpy.sum})#求对用的月消费之和

d1_size = gb.index.levels[0].size
d2_size = gb.index.levels[1].size

index = numpy.arange(d1_size)
colors = ['r','g','b']#定义颜色

for i in range(0,d2_size):#遍历每一种颜色的数据
    print (i)
    subgb = gb[v][gb.index.labels[1] == i]
    bar = plt.bar(index*d2_size + i,subgb,color=colors[i])
    
index1 = numpy.arange(d1_size)*d2_size
plt.xticks(index1 + 3/2,gb.index.levels[0])

plt.title('手机品牌对应通信品牌月消费之和')
plt.xlabel('手机品牌')
plt.ylabel('月消费之和')

plt.legend(gb.index.levels[1])#显示图列
plt.show()

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

4.6、堆叠柱状图

import numpy,matplotlib
from pandas import read_csv
from matplotlib import pyplot as plt

data = read_csv("F:\\数据分析\\数据分析3\\章节5数据可视化\\5\\5.3\\data.csv")

d1 = '手机品牌'
d2 = '通信品牌'
v = '月消费'

gb = data.groupby(by = [d1,d2])['月消费(元)'].agg({v:numpy.sum})#求对用的月消费之和

d1_size = gb.index.levels[0].size
d2_size = gb.index.levels[1].size

index = numpy.arange(d1_size)
colors = ['r','g','b']#定义颜色
bsum = index*0.0

for i in range(0,d2_size):#遍历每一种颜色的数据
    print(i)
    subgb = gb[v][gb.index.labels[1] == i]
    bar = plt.bar(index,subgb,color=colors[i],bottom=bsum)
    bsum = subgb + 1
    
plt.xticks(index,gb.index.levels[0])


plt.title('手机品牌对应通信品牌月消费之和')
plt.xlabel('手机品牌')
plt.ylabel('月消费之和')

plt.legend(gb.index.levels[1])#显示图列
plt.show()

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

5、直方图

■直方图(Histogram) :是用一系列等宽不等高的长方形来绘制,宽度表示数据范围的间隔,高度表示在给定间隔内数据出现的频数,变化的高度形态表示数据的分布情况。

  • 直方图绘图函数:
    • hist(x.color,bins,cumulative=False)
  • 参数说明:
参数 注释
x 需要进行绘制的向量
color 直方图的填充颜色
bins 设置直方图的分组个数
cumulative 设置是否累计计数,默认是False

5.1、导入数据

import matplotlib
from pandas import read_csv
from matplotlib import pyplot as plt

data = read_csv("F:\\数据分析\\数据分析3\\章节5数据可视化\\5\\5.4\\data.csv")

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

5.2、绘制直方图

plt.hist(data['手机品牌'])

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

5.3、设置分组数

plt.hist(data['手机品牌'],bins=20)

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

5.4、累计分布

plt.hist(data['手机品牌'],bins=20,cumulative=True)

数据分析入门之数据可视化(散点图、折线图、饼图、柱状图、直方图)

相关标签: 数据分析入门