Python数据分析-数据可视化

Python数据分析-数据可视化

Posted by JMX on January 3, 2020

一. Matplotlib 基本概念

Matplotlib是python的一个数据可视化工具库。

特点:专门用于开发2D图表(包括3D图表), 操作简单。

可视化是在整个数据挖掘的关键辅助工具,可以清晰的理解数据,从而调整我们的分析方法。

二. Matplotlib三层结构

三层结构

三. Matplotlib 基本使用

1. 折线图

import matplotlib.pyplot as plt
# 图形显示设置
%matplotlib inline   
 
# 绘制画布-容器层  figsize: 画布长宽属性   dpi: 图象的清晰度
plt.figure(figsize=(16,8), dpi=60)
 
# 绘制折线图-图象层
plt.plot([1,2,3,4,5,6], [22,19,18,25,27,19])
 
# 显示图象
# plt.show()
 
# 保存图象 -注:plt.show()会释放figure资源,保存图片需要将plt.show()注释掉
# 图片的保存路径 -- 
plt.savefig("plot.png")
 

在这里插入图片描述

2. 绘制多条折线图

import matplotlib.pyplot as plt
import random
%matplotlib inline
# 中文显示问题-- 下载中文字体,安装字体-修改配置文件下面手动修改配置
# from pylab import mpl
# mpl.rcParams["font.sans-serif"] = ["SimHei"]
# mpl.rcParams["axes.unicode_minus"] = False # 解决保存图像是负号'-'显示为方块的问题
 
# 准备数据
x = range(60)
y_sh = [random.uniform(26,31) for i in x]
y_bj = [random.uniform(27, 35) for i in x]
 
# 创建画布
plt.figure(figsize=(16,8), dpi=60)
 
# 同一坐标内--绘制多条折线图  (新增)
plt.plot(x, y_sh, label="sh")
plt.plot(x, y_bj, label="bj", linestyle="--", color="y")  # 线条颜色,线条样式设置 见下图
 
# 自定义x, y轴 刻度 & 刻度标签 (新增)
x_ticks = range(0, 60, 5)
y_ticks = range(20, 40, 5)
 
x_ticks_label = ["11点{}分".format(i) for i in x_ticks]
 
plt.xticks(x_ticks, x_ticks_label)
plt.yticks(y_ticks)
 
# 添加辅助描述信息-- x,y轴标签 & 图形标题
plt.xlabel("时间")
plt.ylabel("温度")
 
plt.title("两地同一时间温度变化图")
 
# 添加网格线 - alpha:透明度   (新增)
plt.grid(True, linestyle="--", alpha=0.6)
 
# 显示图例 -- loc:位置设置,详见下图  (新增)
plt.legend(loc="best")
 
# 显示图象
plt.show()

在这里插入图片描述 附参数表: 在这里插入图片描述 在这里插入图片描述

3. 绘制多个坐标系 – plt.subplots

import matplotlib.pyplot as plt
import random
%matplotlib inline
# 中文显示问题--下面手动修改配置 
from pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False
 
# 准备x,y轴数据
x = range(60)
y_sh = [random.uniform(15, 18) for i in x ]
y_bj = [random.uniform(5, 12) for i in x ]
 
# 创建画布--多个坐标轴, 绘制折线图
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)
# Returns:  fig: 图对象    ax: 坐标轴对象列表
axes[0].plot(x, y_sh, label='上海')
axes[1].plot(x, y_bj, label='北京', color='r', linestyle='--')
 
# 显示图例/坐标轴刻度/网格线
axes[0].legend()
axes[1].legend()
 
x_ticks_label = ['11点{}分'.format(i) for i in x]
y_ticks = range(40)
axes[0].set_xticks(x[::5], x_ticks_label[::5])
axes[0].set_yticks(y_ticks[::5])
axes[1].set_xticks(x[::5], x_ticks_label[::5])
axes[1].set_yticks(y_ticks[::5])
 
axes[0].grid(True, linestyle='--', alpha=0.5)
axes[1].grid(True, linestyle='--', alpha=0.5)
 
# 添加 标题/坐标轴描述信息
axes[0].set_title('上海11点0分到12点之间的温度变化图')
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
 
axes[1].set_title('北京11点0分到12点之间的温度变化图')
axes[1].set_xlabel('时间')
axes[1].set_ylabel('温度')
 
plt.show()

4. 绘制sin()函数图像 – plot

# 准备数据
import numpy as np
x = np.linspace(-10, 10, 1000)
y = np.sin(x)
 
# 创建画布,绘制图像,显示图像
plt.figure(figsize=(10, 1), dpi=100)
plt.plot(x, y)
plt.grid(linestyle='--', alpha=0.5)
plt.show()

在这里插入图片描述

5. 散点图 – scatter

# -- 案例: 探究房屋面积和房屋价格的关系
from pylab import mpl          # 中文显示问题--下面手动修改配置 
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False
# 准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]
 
# 创建画布  -- 绘制散点图 -- 显示图像
plt.figure(figsize=(20,8), dpi=100)
plt.scatter(x, y)
 
plt.title('房屋面积和房屋价格的关系--案例测试')
plt.xlabel('面积')
plt.ylabel('价格')
plt.show()

在这里插入图片描述

6. 柱状图 – bar

# 准备数据
movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
x = range(len(movie_name))
 
# 创建画布,绘制柱状图,添加标题和格线,显示图像
plt.figure(figsize=(18, 6), dpi=80)
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','m'])
 
plt.title("电影票房收入对比")
plt.xticks(x, movie_name)
plt.grid(linestyle='--', alpha=0.5)
plt.show()

在这里插入图片描述

7. 柱状图 – 多个指标对比

# 准备数据
movie_name = ['雷神3:诸神黄昏','正义联盟','寻梦环游记']
first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]
x = range(len(movie_name))
 
# 创建画布,绘制柱状图,添加标题/坐标轴刻度标签/网格线/示例, 显示图像
plt.figure(figsize=(10, 5), dpi=80)
plt.bar(x, first_day, width=0.2, label="首日票房")
plt.bar([i+0.2 for i in x], first_weekend, width=0.2, label="首周票房")
 
plt.title("电影首日和首周的票房对比")
plt.xticks([i+0.1 for i in x], movie_name)     # 修改x轴刻度显示
plt.grid(linestyle="--", alpha=0.5)
plt.legend()
plt.show()

在这里插入图片描述

8 直方图 – hist

# 准备数据
time = [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]
 
# 创建画布, 绘制直方图, 添加标题/坐标轴刻度标签/网格线
plt.figure(figsize=(20, 8), dpi=80)
distance = 2
group_num = int((max(time)-min(time)) / distance)
plt.hist(time, bins=group_num)
 
plt.title("电影时长分布状况")
plt.xticks(range(min(time), max(time))[::2])
plt.xlabel("电影时长")
plt.ylabel("数量")
plt.grid(linestyle="--", alpha=0.5)
plt.show()

在这里插入图片描述

9 饼图 – pie

# 准备数据   -- 案例:电影的排片占比
movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]
 
# 创建画布,绘制饼图,添加标题/坐标轴刻度标签
plt.figure(figsize=(18, 6), dpi=80)
plt.pie(place_count, labels=movie_name, autopct="%1.2f%%")
plt.axis("equal")          #  坐标轴长宽相等,保证饼图成圆形
 
plt.title("电影的排片占比")
plt.legend()
plt.show()

在这里插入图片描述

10.VENN 韦恩图

需要先下载matplotlib_venn

10.1 具有2个分组的基本的维恩图

#_*_coding:utf-8_*_
# author    : jmx
# create    : 19-12-16 上午11:08
# filename  : venn.py
# IDE   : PyCharm
import matplotlib.pyplot as plt
from matplotlib_venn import venn2

# 第一种方法,10,5为两组的大小,2为两组交叉大小;
# set_labels为组名
# venn2(subsets = (10, 5, 2), set_labels = ('Group A', 'Group B'))
# 设置两组数据为ABCD和DEF
venn2([set(['A', 'B', 'C', 'D']), set(['D', 'E', 'F'])])
plt.show()

在这里插入图片描述

10.2 具有3个组的基本维恩图

#_*_coding:utf-8_*_
# author    : jmx
# create    : 19-12-16 上午11:08
# filename  : venn.py
# IDE   : PyCharm
# Import the library
import matplotlib.pyplot as plt
from matplotlib_venn import venn3
 
# Make the diagram
venn3(subsets = (10, 8, 22, 6,9,4,2)) # 通过直接设置各部分数据来配置韦恩图

在这里插入图片描述

# 设置三组ABCD、DEF、ADG
venn3([set(['A', 'B', 'C', 'D']), set(['D', 'E', 'F']), set(['A', 'D', 'G','F'])]) # 设置数据来配置韦恩图

在这里插入图片描述

10.3 自定义维恩图

  1. 自定义标签
  2. 自定义维恩图上圆的线条
  3. 自定义维恩图上的圆

自定义标签

  • get_label_by_id 可查看其源代码 表示分类里不同部分 ``` #*_coding:utf-8*_

    author : jmx

    create : 19-12-16 上午11:08

    filename : venn.py

    IDE : PyCharm

    Venn上的自定义标签 Custom label on Venn

    Import the library

    import matplotlib.pyplot as plt from matplotlib_venn import venn3 from matplotlib_venn import venn3_circles

Custom text labels: change the label of group A

v=venn3(subsets = (10, 8, 22, 6,9,4,2), set_labels = (‘Group A’, ‘Group B’, ‘Group C’))

单独改变A的标签

v.get_label_by_id(‘A’).set_text(‘My Favourite group!’)

![在这里插入图片描述](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9naXRlZS5jb20vbHVtaW5pb3VzL2FydGljbGVfcGljdHVyZV93YXJlaG91c2UvcmF3L21hc3Rlci9QeXRob24tU3R1ZHktTm90ZXMvVkVOTiUyMERJQUdSQU0vb3V0cHV0XzlfMC5wbmc?x-oss-process=image/format,png)
**自定义维恩图上圆的线条**

#*_coding:utf-8*_

author : jmx

create : 19-12-16 上午11:08

filename : venn.py

IDE : PyCharm

自定义维恩图上圆的线条 Custom Circles lines on Venn

Line style: can be ‘dashed’ or ‘dotted’ for example

设置维恩图

v = venn3(subsets = (10, 8, 22, 6,9,4,2), set_labels = (‘Group A’, ‘Group B’, ‘Group C’))

画圆,linestyle线条类型,linewith线宽,color线条颜色

c = venn3_circles(subsets = (10, 8, 22, 6,9,4,2), linestyle=’dashed’, linewidth=1, color=”grey”)

![在这里插入图片描述](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9naXRlZS5jb20vbHVtaW5pb3VzL2FydGljbGVfcGljdHVyZV93YXJlaG91c2UvcmF3L21hc3Rlci9QeXRob24tU3R1ZHktTm90ZXMvVkVOTiUyMERJQUdSQU0vb3V0cHV0XzEwXzAucG5n?x-oss-process=image/format,png)
**自定义维恩图上的圆**

#*_coding:utf-8*_

author : jmx

create : 19-12-16 上午11:08

filename : venn.py

IDE : PyCharm

自定义维恩图上的圆 Custom a circle on Venn

Change one group only

v=venn3(subsets = (10, 8, 22, 6,9,4,2), set_labels = (‘Group A’, ‘Group B’, ‘Group C’)) c=venn3_circles(subsets = (10, 8, 22, 6,9,4,2), linestyle=’dashed’, linewidth=1, color=”grey”)

设置第一个圆的线宽

c[0].set_lw(8.0)

设置第一个圆的线形

c[0].set_ls(‘dotted’)

设置第一个圆的填充颜色

c[0].set_color(‘skyblue’)

Color

id号

如ABC三个簇,010代表非A和B和非C,100代表A和非B和非C

设置透明度

v.get_patch_by_id(‘011’).set_alpha(1.0)

设置颜色

v.get_patch_by_id(‘011’).set_color(‘red’)

打印id号

#v.id2idx

![在这里插入图片描述](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9naXRlZS5jb20vbHVtaW5pb3VzL2FydGljbGVfcGljdHVyZV93YXJlaG91c2UvcmF3L21hc3Rlci9QeXRob24tU3R1ZHktTm90ZXMvVkVOTiUyMERJQUdSQU0vb3V0cHV0XzExXzAucG5n?x-oss-process=image/format,png)
### 10.4 修改韦恩图数值

#*_coding:utf-8*_

author : jmx

create : 19-12-16 上午11:08

filename : venn.py

IDE : PyCharm

import matplotlib.pyplot as plt from matplotlib_venn import venn3, venn3_circles import matplotlib.font_manager as fm from pathlib import Path def venn(train_filename=’biaozhuData/generate_data/train/pkuverb.txt’, val_filename=’biaozhuData/generate_data_2/valid/pkuverb.txt’, test_filename=’biaozhuData/generate_data_2/test/pkuverb.txt’): ‘’’ 训练集、验证集、测试集 数据分布的韦恩图 :param train_filename: :param val_filename: :param test_filename: :return: ‘’’ path = Path(train_filename) set1 = set(open(test_filename, encoding=’utf-8’).readlines()) set2 = set(open(val_filename, encoding=’utf-8’).readlines()) set3 = set(open(train_filename, encoding=’utf-8’).readlines())

set_len1 = len(set1)
set_len2 = len(set2)
set_len3 = len(set3)

v = venn3([set1, set2, set3], ('test', 'valid', 'train'))
a = v.get_label_by_id('100').get_text()
b = v.get_label_by_id('010').get_text()
c = v.get_label_by_id('001').get_text()

a = str(round(int(a) / set_len1, 3)) + ' ' + a
b = str(round(int(b) / set_len2, 3)) + ' ' + b
c = str(round(int(c) / set_len3, 3)) + ' ' + c

v.get_label_by_id('100').set_text(a)
v.get_label_by_id('010').set_text(b)
v.get_label_by_id('001').set_text(c)
plt.title(name[path.stem]+'集合关系', fontproperties=myfont)
sfname = path.name.replace(path.suffix, '.png')
savepath = Path(venn_savedir)/sfname
#plt.show()
plt.savefig(savepath)
plt.close() ``` # 四. Matplotlib 中文无法显示问题 1. windows下:
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

import matplotlib.pyplot as plt
import random
%matplotlib inline
# 中文显示问题--下面手动修改配置 
from pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False
  1. Ubuntu/LInux下

Ubuntu解决matplotlib中文无法显示

其实这些乱码问题,只是路径等配置问题,上述只是修改默认的配置,可以通过指定字体路径等来解决。

myfont = fm.FontProperties(fname=r'1031Competition/font/simsun.ttc')  # 设置字体
……
plt.xlabel('短语类型', fontproperties=myfont)
plt.ylabel('比例', fontproperties=myfont)
plt.legend(loc='upper right')
plt.savefig('test.png')

参考文章 Matplotlib 数据可视化-基本使用教程 python基于matplotlib_venn实现维恩图的绘制