Python數據可視化基礎舉例分析

本篇內容主要講解“Python數據可視化基礎舉例分析”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python數據可視化基礎舉例分析”吧!

首先，要知道我們用哪些庫來畫圖?

matplotlib

python中最基本的作圖庫就是matplotlib，是一個最基礎的Python可視化庫，一般都是從matplotlib上手Python數據可視化，然后開始做縱向與橫向拓展。

Seaborn

是一個基于matplotlib的高級可視化效果庫，針對的點主要是數據挖掘和機器學習中的變量特征選取，seaborn可以用短小的代碼去繪制描述更多維度數據的可視化效果圖。

其他庫還包括

• Bokeh（是一個用于做瀏覽器端交互可視化的庫，實現分析師與數據的交互）

• Mapbox（處理地理數據引擎更強的可視化工具庫）等等

本篇文章主要使用matplotlib進行案例分析

確定問題，選擇圖形

業務可能很復雜，但是經過拆分，我們要找到我們想通過圖形表達什么具體問題。

在python中，我們可以總結為以下四種基本視覺元素來展現圖形：

• 點：scatter plot 二維數據，適用于簡單二維關系

• 線：line plot 二維數據，適用于時間序列

• 柱狀：bar plot 二維數據，適用于類別統計

• 顏色：heatmap 適用于展示第三維度

數據間存在分布，構成，比較，聯系以及變化趨勢等關系。對應不一樣的關系，選擇相應的圖形進行展示。

轉換數據，應用函數

數據分析和建模方面的大量編程工作都是用在數據準備的基礎上的：加載、清理、轉換以及重塑。我們可視化步驟也需要對數據進行整理，轉換成我們需要的格式再套用可視化方法完成作圖。

下面是一些常用的數據轉換方法：

• 合并：merge，concat，combine_frist(類似于數據庫中的全外連接)

• 重塑：reshape；軸向旋轉：pivot（類似excel數據透視表）

• 去重：drop_duplicates

• 映射：map

• 填充替換：fillna,replace

• 重命名軸索引：rename

• 將分類變量轉換‘啞變量矩陣’的get_dummies函數以及在df中對某列數據取限定值等等

函數則根據第一步中選擇好的圖形，去找python中對應的函數。

參數設置，一目了然

原始圖形畫完后，我們可以根據需求修改顏色（color），線型（linestyle），標記（maker）或者其他圖表裝飾項標題（Title），軸標簽（xlabel，ylabel），軸刻度（set_xticks），還有圖例（legend）等，讓圖形更加直觀。

第三步是在第二步的基礎上,為了使圖形更加清晰明了，做的修飾工作。具體參數都可以在制圖函數中找到。

下面，我總結了實現可視化會用到的一些基礎知識

可視化作圖基礎

Matplotlib

#導入包
import numpy as np 
import pandas as pd
import matplotlib.pyplot as plt

Figure和Subplot

matplotlib的圖形都位于Figure（畫布）中，Subplot創建圖像空間。不能通過figure繪圖，必須用add_subplot創建一個或多個subplot。

figsize可以指定圖像尺寸。

#創建畫布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#創建subplot，221表示這是2行2列表格中的第1個圖像。
ax1 = fig.add_subplot(221)
#但現在更習慣使用以下方法創建畫布和圖像，2,2表示這是一個2*2的畫布，可以放置4個圖像
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey參數可以指定所有的subplot使用相同的x，y軸刻度。

利用Figure的subplots_adjust方法可以調整間距。

subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)

#創建畫布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#創建subplot，221表示這是2行2列表格中的第1個圖像。
ax1 = fig.add_subplot(221)
#但現在更習慣使用以下方法創建畫布和圖像，2,2表示這是一個2*2的畫布，可以放置4個圖像
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey參數可以指定所有的subplot使用相同的x，y軸刻度。

顏色color，標記marker，和線型linestyle

matplotlib的plot函數接受一組X和Y坐標，還可以接受一個表示顏色和線型的字符串縮寫：'g--'，表示顏色是綠色green，線型是'--'虛線。也可以使用參數明確的指定。

線型圖還可以加上一些標記（marker），來突出顯示數據點的位置。標記也可以放在格式字符串中，但標記類型和線型必須放在顏色后面。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
[<matplotlib.lines.Line2D at 0x8c919b0>]

刻度，標簽和圖例

plt的xlim、xticks和xtickslabels方法分別控制圖表的范圍和，刻度位置和刻度標簽。調用方法時不帶參數，則返回當前的參數值；調用時帶參數，則設置參數值。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim()   #不帶參數調用，顯示當前參數；
#可將xlim替換為另外兩個方法試試
(-1.4500000000000002, 30.45)

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim([0,15])    #橫軸刻度變成0-15
(0, 15)

設置標題，軸標簽，刻度以及刻度標簽

fig = plt.figure();ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
ticks = ax.set_xticks([0,250,500,750,1000])  #設置刻度值
labels = ax.set_xticklabels(['one','two','three','four','five'])  #設置刻度標簽
ax.set_title('My first Plot')  #設置標題
ax.set_xlabel('Stage')  #設置軸標簽
Text(0.5,0,'Stage')

添加圖例

圖例legend是另一種用于標識圖標元素的重要工具。可以在添加subplot的時候傳入label參數。

fig = plt.figure(figsize=(12,5));ax = fig.add_subplot(111)
ax.plot(np.random.randn(1000).cumsum(),'k',label='one')  #傳入label參數，定義label名稱
ax.plot(np.random.randn(1000).cumsum(),'k--',label='two')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')
#圖形創建完后，只需要調用legend參數將label調出來即可。
ax.legend(loc='best')  #要求不是很嚴格的話，建議使用loc=‘best’參數來讓它自己選擇最佳位置
<matplotlib.legend.Legend at 0xa8f5a20>

注解

除標準的圖表對象之外，我們還可以自定義添加一些文字注解或者箭頭。

注解可以通過text，arrow和annotate等函數進行添加。text函數可以將文本繪制在指定的x，y坐標位置，還可以進行自定義格式

plt.plot(np.random.randn(1000).cumsum())
plt.text(600,10,'test ',family='monospace',fontsize=10) 
#中文注釋在默認環境下并不能正常顯示，需要修改配置文件，使其支持中文字體。具體步驟請自行搜索。

保存圖表到文件

利用plt.savefig可以將當前圖表保存到文件。例如，要將圖表保存為png文件，可以執行

plt.savefig('figpath.png')

文件類型是根據拓展名而定的。其他參數還有：

• fname含有文件路徑的字符串，拓展名指定文件類型

• dpi分辨率，默認100facecolor,edgcolor 圖像的背景色，默認‘w’白色

• format顯示設置文件格式（'png','pdf','svg','ps','jpg'等）

• bbox_inches： 圖表需要保留的部分。如果設置為“tight”，則將嘗試剪除圖像周圍的空白部分

plt.savefig('./plot.jpg')   #保存圖像為plot名稱的jpg格式圖像
<Figure size 432x288 with 0 Axes>

到此，相信大家對“Python數據可視化基礎舉例分析”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！