數據分析_Python作圖

概述

工作時有時候有些數據在用Python處理完直接作圖比較方便。下面敘述一下日常作圖的步驟和常用的圖表實現方式。玫瑰圖等比較帥的圖的做法後續補上。可視化要是做的好還是挺能吸人眼球的，而且python也能實現比發雜的作圖。

選圖_根據目的

畫圖第一步就是要決定使用哪種圖，使用哪種圖取決於作圖目的，上面列出9種，每種下面都有對應的基礎圖形（哪些就不用說了），根據需求選擇。

選圖_根據數據關係

如果上面的方式沒辦法掌握，就按照想要呈現的數據關係進行選擇。
比較：比較數據間各類別的關係，或者是它們隨着時間的變化趨勢，比如折線圖。
聯繫：查看兩個或兩個以上變量之間的關係，比如散點圖。
構成：每個部分佔整體的百分比，或者是隨着時間的百分比變化，比如餅圖。
分佈：關注單個變量，或者多個變量的分佈情況，比如直方圖。

常用圖介紹及代碼實現

散點圖

特點：非常適合展示兩個變量之間的關係。當然，除了二維的散點圖，還有三維的散點圖。具體實現如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
# 數據準備
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
# 用Matplotlib畫散點圖
plt.scatter(x, y,marker='x',c = 'g')
plt.show()
# 用Seaborn畫散點圖
df = pd.DataFrame({'x': x, 'y': y})
sns.jointplot(x="x", y="y", data=df, kind='scatter',);
sns.set_style('whitegrid')
plt.show()

• Matplotlib：marker 代表了標記的符號。比如“x”、“>”或者“o”
• Seaborn：其中 x、y 是 data 中的下標。data 就是我們要傳入的數據，一般是 DataFrame 類型。kind 這類我們取 scatter，代表散點的意思。 kind 還可以取其他值，後面說，不同的 kind 代表不同的視圖繪製方式。

Matplotlib：

Seaborn：

區別：Matplotlib 默認情況下呈現出來的是個長方形。而 Seaborn 呈現的是個正方形，而且不僅顯示出了散點圖，還給了這兩個變量的分佈情況。

折線圖

特點：可以用來表示數據隨着時間變化的趨勢。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
# 數據準備
x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35]
# 使用Matplotlib畫折線圖
plt.plot(x, y)
plt.show()
# 使用Seaborn畫折線圖
df = pd.DataFrame({'x': x, 'y': y})
sns.lineplot(x="x", y="y", data=df)
plt.show()

• Matplotlib：需要提前把數據按照 x 軸的大小進行排序，要不畫出來的折線圖就無法按照 x 軸遞增的順序展示。

Matplotlib：

Seaborn：

區別：在 seaborn 中標記了 x 和 y 軸的含義，散點圖也是加了座標軸含義。

直方圖

特點：側重於分佈，直方圖是比較常見的視圖，它是把橫座標等分成了一定數量的小區間，這個小區間也叫作“箱子”，然後在每個“箱子”內用矩形條（bars）展示該箱子的箱子數（也就是 y 值），這樣就完成了對數據集的直方圖分佈的可視化。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# 數據準備
a = np.random.randn(100)
s = pd.Series(a) 
# 用Matplotlib畫直方圖
plt.hist(s)
plt.show()
# 用Seaborn畫直方圖
sns.distplot(s, kde=True)
plt.show()
sns.distplot(s, kde=False)
plt.show()

Matplotlib：

Seaborn(核密度估計)

Seaborn(無核密度估計)

區別：Seaborn帶核密度估計，默認顏色比較小清新，低飽和度。

條形圖

特點：如果說通過直方圖可以看到變量的數值分佈，那麼條形圖可以幫我們查看類別的特徵（頻數）。做成動態排行會很好看。

import matplotlib.pyplot as plt
import seaborn as sns
# 數據準備
x = ['Cat1', 'Cat2', 'Cat3', 'Cat4', 'Cat5']
y = [5, 4, 8, 12, 7]
# 用Matplotlib畫條形圖
plt.bar(x, y)
plt.show()
# 用Seaborn畫條形圖
sns.barplot(x, y)
plt.show()

• Seaborn：sns.barplot(x=None, y=None, data=None)，還是可以用DataFrame格式，感覺這是Seaborn的通用格式。

Mathplotlib：

Seaborn：

區別：Seaborn默認不是單色

箱線圖

特點：又稱盒式圖，由五個數值點組成：最大值 (max)、最小值 (min)、中位數 (median) 和上下四分位數 (Q3, Q1)。它可以幫我們分析出數據的差異性、離散程度和異常值等。可以應用在去除噪聲數據。

# 數據準備
# 生成10*4維度數據
data=np.random.normal(size=(10,4)) 
lables = ['A','B','C','D']
# 用Matplotlib畫箱線圖
plt.boxplot(data,labels=lables)
plt.show()
# 用Seaborn畫箱線圖
df = pd.DataFrame(data, columns=lables)
sns.boxplot(data=df)
plt.show()

• numpy.random.normal(loc=0.0, scale=1.0, size=None)，概率分佈的均值，scale：概率分佈的標準差（對應於分佈的寬度，scale越大越矮胖，scale越小，越瘦高）size：輸出的shape，默認爲None，只輸出一個值。loc=0.0, scale=1.0就是正態分佈。

Matplotlib：

Seborn：

區別：Style不同。

餅圖

特點：常用在統計學模塊，可以顯示每個部分大小與總和之間的比例。在 Python 數據可視化中，它用的不算多。我們主要採用 Matplotlib 的 pie 函數實現它。

import matplotlib.pyplot as plt
# 數據準備
nums = [25, 37, 33, 37, 6]
labels = ['High-school','Bachelor','Master','Ph.d', 'Others']
# 用Matplotlib畫餅圖
plt.pie(x = nums, labels=labels)
plt.show()

熱力圖

特點：熱力圖是一種矩陣表示方法，其中矩陣中的元素值用顏色來代表，不同的顏色代表不同大小的值。通過顏色就能直觀地知道某個位置上數值的大小。

import matplotlib.pyplot as plt
import seaborn as sns
# 數據準備
flights = sns.load_dataset("flights")
data=flights.pivot('year','month','passengers')
# 用Seaborn畫熱力圖
sns.heatmap(data)
plt.show()

• 這裏我們使用 Seaborn 中自帶的數據集 flights，該數據集記錄了 1949 年到 1960 年期間，每個月的航班乘客的數量。
  
  

蜘蛛圖

特點：顯示一對多關係的方法。在蜘蛛圖中，一個變量相對於另一個變量的顯著性是清晰可見的。

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.font_manager import FontProperties
%matplotlib inline
# 數據準備
labels=np.array([u"推進","KDA",u"生存",u"團戰",u"發育",u"輸出"])
stats=[83, 61, 95, 67, 76, 88]
# 畫圖數據準備，角度、狀態值
angles=np.linspace(0, 2*np.pi, len(labels), endpoint=False)
stats=np.concatenate((stats,[stats[0]]))
angles=np.concatenate((angles,[angles[0]]))
# 用Matplotlib畫蜘蛛圖
fig = plt.figure()
ax = fig.add_subplot(111, polar=True)   
ax.plot(angles, stats, 'o-', linewidth=2)
ax.fill(angles, stats, alpha=0.25)
# 設置中文字體
font = FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf", size=14)  
ax.set_thetagrids(angles * 180/np.pi, labels, FontProperties=font)
plt.show()

• 需要在原有 angles 和 stats 數組上增加一位，也就是添加數組的第一個元素，加上之後纔可以構成一個環。
• 字符前加u是用unicode編碼，中文需要，英文一般不用。
• np.linspace(start,end,num,endpoint)用於生成等差數列，endpoint=False代表不排除終點。
• flt.figure 是創建一個空白的 figure 對象，這樣做的目的相當於畫畫前先準備一個空白的畫板。然後 add_subplot(111) 可以把畫板劃分成 1 行 1 列。再用 ax.plot 和 ax.fill 進行連線以及給圖形上色。
• 中文字體simhei.ttf下載鏈接：http://www.downcc.com/font/7665.html
• ax.fill(angles, stats, alpha=0.25) ，alpha=0.25代表蛛網部分透明度。

二元變量分佈

特點：如果我們想要看兩個變量之間的關係，就需要用到二元變量分佈。在 Seaborn 裏，使用二元變量分佈非常方便， sns.jointplot(x, y, data=None, kind) 函數即可。其中用 kind 表示不同的視圖類型：“kind=‘scatter’”代表散點圖，“kind=‘kde’”代表核密度圖，“kind=‘hex’ ”代表 Hexbin 圖，它代表的是直方圖的二維模擬。

import matplotlib.pyplot as plt
import seaborn as sns
# 數據準備
tips = sns.load_dataset("tips")
print(tips.head(10))
# 用Seaborn畫二元變量分佈圖（散點圖，核密度圖，Hexbin圖）
sns.jointplot(x="total_bill", y="tip", data=tips, kind='scatter')
sns.jointplot(x="total_bill", y="tip", data=tips, kind='kde')
sns.jointplot(x="total_bill", y="tip", data=tips, kind='hex')
plt.show()

• 這裏我們使用 Seaborn 中自帶的數據集 tips，這個數據集記錄了不同顧客在餐廳的消費賬單及小費情況。代碼中 total_bill 保存了客戶的賬單金額，tip 是該客戶給出的小費金額。我們可以用 Seaborn 中的 jointplot 來探索這兩個變量之間的關係。
  
  散點圖：
  
  核密度圖：
  
  Hexbin 圖：
  

成對關係

特點：探索數據集中的多個成對雙變量的分佈，可以直接採用 sns.pairplot() 函數。它會同時展示出 DataFrame 中每對變量的關係，另外在對角線上，你能看到每個變量自身作爲單變量的分佈情況。pairplot 函數的使用，就像在 DataFrame 中使用 describe() 函數一樣方便，是數據探索中的常用函數。

import matplotlib.pyplot as plt
import seaborn as sns
# 數據準備
iris = sns.load_dataset('iris')
# 用Seaborn畫成對關係
sns.pairplot(iris)
plt.show()

1. 這裏我們使用 Seaborn 中自帶的 iris 數據集，這個數據集也叫鳶尾花數據集。鳶尾花可以分成 Setosa、Versicolour 和 Virginica 三個品種，在這個數據集中，針對每一個品種，都有 50 個數據，每個數據中包括了 4 個屬性，分別是花萼長度、花萼寬度、花瓣長度和花瓣寬度。通過這些數據，需要你來預測鳶尾花卉屬於三個品種中的哪一種。import matplotlib.pyplot as plt
   -

總結：

1. Seaborn 是基於 Matplotlib 更加高級的可視化庫。
2. pairplot() 的使用，相好比 Pandas 中的 describe() 使用一樣方便。