数据分析基础之绘图库matplotlib

一、 数据分析概念

数据分析是把大量的数据进行统计和整理，得出结论，为后续的决策提供数据支持。
数据分析的流程：

二、绘制折线图

能将数据进行可视化，更直观的呈现。使数据更加客观、更有说服力。
matplotlib是python的顶层绘图库，主要做数据可视化图标，名字取材于MATLAB,模仿MATLAB构建。

例子：绘制一天24小时的气温折线图

from matplotlib import pyplot as plt
# 数据在x轴的位置，一个可迭代对象
x = range(2, 26, 2)
# 数据在y轴的位置，一个可迭代对象
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 24, 22, 18, 15]
# 传入x和y，通过plot绘制出折线图
plt.plot(x, y)
# 展示图形
plt.show()

我们还可以从一下几个方面使图形更加完善：
1、设置图片大小
2、保存到本地
3、描述信息，x轴和y轴表示什么，这个图表示什么
4、调整x或者y的刻度的间距
5、线条的样式(比如样式、透明度等)
6、标记出特殊的点(比如最高点、最低点)
7、给图片添加水印等

设置图片大小，增加清晰度

from matplotlib import pyplot as plt
x = range(2, 26, 2)
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 24, 22, 18, 15]
# 设置图片的长和宽，并设置像素点数(图像每英寸长度内的像素点数)
plt.figure(figsize=(20, 8), dpi=80)
plt.plot(x, y)
# 保存
plt.savefig("./t1.png")

设置x轴和y轴的刻度

from matplotlib import pyplot as plt
x = range(2, 25, 2)
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 24, 22, 18, 15]
plt.figure(figsize=(20, 8), dpi=80)
plt.plot(x, y)
#设置x和y的刻度
plt.xticks(range(2, 25, 2))
plt.yticks(range(min(y), max(y)+1))
plt.show()

需求：10点-12点的每一分钟气温变化

from matplotlib import pyplot as plt
import random
import matplotlib

"""
调整X轴和Y轴的刻度
表示10点-12点的每一分钟气温变化，绘制折线图观察气温变化
"""
# matplotlib默认不支持中文字体，需要设置
font = {'family': 'Microsoft YaHei',
        'weight': 'bold'}
#        'size': 'larger'}
matplotlib.rc('font', **font)  # **是应用字典，*应用元组。

x = range(121)
y = [random.randint(20, 35) for i in range(121)]
plt.figure(figsize=(20, 8), dpi=80)
plt.plot(x, y)
# 调整x轴的刻度

_xtick_lables = ["10点{}分".format(i) for i in range(60)]
_xtick_lables += ["11点{}分".format(i) for i in range(60)]
# 取步长，数字和字符串一一对应/
plt.xticks(list(x)[::5], _xtick_lables[::5], rotation=270) # rotation逆时针旋转270度

#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("10点-12点的每一分钟气温变化")

plt.show()

需求：统计11-30岁之间女友的个数

from matplotlib import pyplot as plt
import matplotlib
font = {'family': 'Microsoft YaHei',
        'weight': 'bold'}
#        'size': 'larger'}
matplotlib.rc('font', **font)

x = range(11,31)
y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)

#设置x轴刻度
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x,_xtick_labels)
plt.yticks(range(0, 8))
# 绘制网格
plt.grid(alpha=0.4)

# 进行显示
plt.xlabel("年龄")
plt.ylabel("女友个数")
plt.title("11-30岁交往的女友个数")
plt.show()

一个图上绘制多个图形(plt多次Plot即可)并加上图例注释
例子：统计小明和小刚各自从11-30岁每年交往的女朋友
绘折线图表示，以便比较20年之间的差异，同时分析每年女友数量走势

from matplotlib import pyplot as plt
import matplotlib
font = {'family': 'Microsoft YaHei',
        'weight': 'bold'}
#        'size': 'larger'}
matplotlib.rc('font', **font)

y_a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_b = [3,4,0,3,1,0,2,1,2,2,2,1,4,4,3,3,4,4,2,1]
x = range(11,31)

plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y_a,label="小明",color="#F08080")
plt.plot(x,y_b,label="小刚",color="cyan", linestyle="--")

# 设置x轴刻度
_xticks_labels = ["{}岁".format(i) for i in x]
plt.xticks(x, _xticks_labels)
plt.yticks(range(8))
#绘制网格
plt.grid() # alpha=0.4,linestyle=":"

# 添加图例，loc表示图例的位置
plt.legend(loc="upper left")

#展示
plt.xlabel("年龄")
plt.ylabel("女友个数")
plt.title("小明和小刚11-30岁每年交往的女友")
plt.show()

折线图的更多应用场景：

1. 呈现公司产品的每天活跃用户数
2. 呈现app每天的下载量
3. 呈现产品新功能上线后，用户点击次数随时间的变化
4. 呈现员工每天上下班时间

三 、绘制散点图

散点图的应用场景：

1. 不同条件(维度)之间的内在关联关系
2. 观察数据的离散聚合程度

例子：假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?

from matplotlib import pyplot as plt
import matplotlib

font = {'family': 'Microsoft YaHei',
        'weight': 'normal',
        'size': '10'}
matplotlib.rc('font', **font)

y_3 = [11, 17, 16, 11, 12, 11, 12, 6, 6, 7, 8, 9, 12, 15, 14, 17, 18, 21, 16, 17, 20, 14, 15, 15, 15, 19, 21, 22, 22, 22, 23]
y_10 = [26, 26, 28, 19, 21, 17, 16, 19, 18, 20, 20, 19, 22, 23, 17, 20, 21, 20, 22, 15, 11, 15, 5, 13, 17, 10, 11, 13, 12, 13, 6]
x_3 = range(1, 32)
x_10 = range(51,82)

#设置图形大小
plt.figure(figsize=(20,8), dpi=80)

# 散点图
plt.scatter(x_3, y_3, label="3月份")
plt.scatter(x_10, y_10, label="10月份")

#调整x轴的刻度
_x = list(x_3)+list(x_10)
_xticks_labels = ["3月{}日".format(i) for i in range(1, 32)]
_xticks_labels += ["10月{}日".format(i) for i in range(1, 32)]
plt.xticks(_x[::3], _xticks_labels[::3], rotation=270)

# 添加图例信息
plt.legend(loc="best")

# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("3月和10月的气温变化")
# 显示
plt.show()

四 、绘制条形图

假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据？

from matplotlib import pyplot as plt
import matplotlib
font = {'family': 'Microsoft YaHei',
        'weight': 'normal',
        'size': '10'}
matplotlib.rc('font', **font)

x = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

plt.figure(figsize=(20, 15), dpi=80)
# 绘制条形图
# plt.bar(x, y, width=0.3)  # 竖的条形图
plt.barh(x, y, height=0.3, color="orange")  # 横的条形图
plt.grid(alpha=0.3)

# 显示
plt.ylabel("电影名")
plt.xlabel("票房")
plt.title("2017年全国电影票房统计图")
# plt.savefig("./movie.png")
plt.show()

绘制多个图形：
假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?

from matplotlib import pyplot as plt
import matplotlib

font = {'family': 'Microsoft YaHei',
        'weight': 'normal',
        'size': '10'}
matplotlib.rc('font', **font)

a = ["猩球崛起3：终极之战", "敦刻尔克", "蜘蛛侠：英雄归来", "战狼2"]
b_16 = [15746, 312, 4497, 319]
b_15 = [12357, 156, 2045, 168]
b_14 = [2358, 399, 2358, 362]
bar_width = 0.2
x_14 = list(range(len(a)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]
# 设置分辨率
plt.figure(figsize=(20, 8), dpi=80)

# 画条形图
plt.bar(x_14,b_14,width=bar_width,label="14日")
plt.bar(x_15,b_15,width=bar_width,label="15日")
plt.bar(x_16,b_16,width=bar_width,label="16日")
# 设置x轴刻度
plt.xticks(x_15,a)
# 设置图例
plt.legend(loc="best")

# 显示
plt.xlabel("电影名称")
plt.ylabel("票房")
plt.title("14-16日票房统计")
plt.show()

五、绘制直方图

假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?

把数据分为多少组进行统计??? 组数要适当,太少会有较大的统计误差,大多规律不明显
组数：将数据分组，当数据再100个以内时，按数据多少常分为5-12组。
组距：指每个小组的两个端点的距离
组数=极差/组距=(max(a)-min(a))/bind_width

from matplotlib import pyplot as plt
import matplotlib
font = {'family': 'Microsoft YaHei',
        'weight': 'normal',
        'size': '10'}
matplotlib.rc('font', **font)
a = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
plt.figure(figsize=(20, 8), dpi=80)
# 根据组距求出组数
bind_width = 3
num_binds = int((max(a)-min(a))/bind_width)
plt.hist(a, num_binds)
# 设置x轴的刻度
plt.xticks(range(min(a),max(a)+bind_width,bind_width))
plt.grid()
plt.show()

一般来说能够使用plt.hist方法的的是那些没有统计过的数据

直方图更多应用场景：

• 用户的年龄分布状态
• 一段时间内用户点击次数的分布状态
• 用户活跃时间的分布状态