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)
文章目录
- 1、散点图
- 1.1、导入数据
- 1.2、数据可视化
- 1.3、设置参数
- 1.4、自定义样式
- 1.5、解决中文不能显示
- 2、折线图
- 2.1、导入数据
- 2.2、日期类型转换
- 2.3、数据可视化
- 3、饼图
- 3.1、导入数据
- 3.2、分组统计数量
- 3.2、饼图展示
- 4、柱状图
- 4.1、导入数据
- 4.2、分组求和
- 4.3、建立X轴的序列
- 4.4、数据可视化
- 4.5、三维柱状图
- 4.6、堆叠柱状图
- 5、直方图
- 5.1、导入数据
- 5.2、绘制直方图
- 5.3、设置分组数
- 5.4、累计分布
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 pltdata = 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")
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）
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
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
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 pltdata = 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")
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'])
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'],'-')
•设置颜色
plt.plot(data['购买日期'],data['购买用户数'],'-',color='r')
•设置线条粗细
plt.plot(data['购买日期'],data['购买用户数'],'-',color='r',linewidth=6)
•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')
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 pltdata = 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")
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
})
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%
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 pltdata = 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")
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
})
4.3、建立X轴的序列
index = numpy.arange(gb['月消费'].size)
4.4、数据可视化
- 竖向柱形图
plt.bar(index,gb['月消费'],1,color='G')
- 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)
- 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
- 横向柱形图
plt.barh(index,gb['月消费'],1,color='r')
plt.yticks(index,gb.手机品牌)
4.5、三维柱状图
import numpy,matplotlib
from pandas import read_csv
from matplotlib import pyplot as pltdata = 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].sizeindex = 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()
4.6、堆叠柱状图
import numpy,matplotlib
from pandas import read_csv
from matplotlib import pyplot as pltdata = 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].sizeindex = numpy.arange(d1_size)
colors = ['r','g','b']#定义颜色
bsum = index*0.0for 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 + 1plt.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()
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 pltdata = 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")
5.2、绘制直方图
plt.hist(data['手机品牌'])
5.3、设置分组数
plt.hist(data['手机品牌'],bins=20)
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)相关推荐
- Python数据可视化之折线图
Python数据可视化之折线图 提示:前言 Python数据可视化之折线图 提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 Python数据可视化之折线图 前言 一.导入包 ...
- python饼状图颜色一样_python数据可视化：折线图、条形图、饼状图显示
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. matplotlib是Python的一个强大的2D图形绘制库,使用需要安装 ...
- python数据可视化：折线图、条形图、饼状图显示
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. matplotlib是Python的一个强大的2D图形绘制库,使用需要安装 ...
- matplotlib数据可视化实战——折线图+散点图
今天通过几个实践样例学习了使用matplotlib绘制图像. 过程中出现了很多问题,但是都通过查阅资料一一解决了.最后看到绘制好的图像弹出来以后,内心还是有点小激动. 字体调用问题: 1.导入数据库 ...
- R语言数据可视化之折线图、堆积图、堆积面积图
折线图简介 折线图通常用来对两个连续变量的依存关系进行可视化,其中横轴很多时候是时间轴. 但横轴也不一定是连续型变量,可以是有序的离散型变量. 绘制基本折线图 本例选用如下测试数据集: 绘制方法是首先 ...
- 数据可视化之折线图让数据变得更直观易懂
折线图用于显示随时间或有序类别而变化的趋势,可能显示数据点以表示单个数据值,也可能不显示这些数据点. 折线图是排列在工作表的列或行中的数据可以绘制到折线图中.折线图可以显示随时间(根据常用比例设置)而 ...
- 数据分析入门——Matplotlib数据可视化
1.创建画布 import matplotlib.pyplot as plt plt.figure(figsize=(4,4)) import numpy as np x=np.arange(10) ...
- 折线图_Pyecharts数据可视化分析—折线图
1. 实验介绍 本实验主要介绍折线图理论与基于Python的折线图实现. 1.1. 实验目的 掌握折线图基本使用场景,使用Python的pyecharts模块实现折线图. 1.2. 知识点 折线图理论 ...
- Pyecharts数据可视化之折线图(阶梯图、平滑曲线图、面积图）、K线图、常用配置项
安装pyecharts pip install pyecharts -U 本次使用jupyter notebook编写代码 折线图 # 引入相关包 from pyecharts.faker impor ...
最新文章
- DeepMind推出「控制套件」：为「强化学习智能体」提供性能基准
- PHP和Node.js开发之间有什么区别
- HALCON示例程序novelty_detection_dyn_threshold.hdev纱网缺陷检测
- java 字符码_Java字符编码
- Ubuntu安装qwt步骤
- freemarker java类_在freemarker使用java类方法
- 计算机-p命令,OD（电脑命令）_百度百科
- Git 本地仓库与远程仓库链接
- SAR数据集项目说明文档写作
- 如何测试一个数组是否包含指定的值
- 【转】Android自动化测试（UiAutomator）简要介绍
- 扫描仪标准模板滑动采集图像及其处理
- android 框架作用是什么意思,Android系统上的Xp框架有什么用
- 64位Windows2003下如何正确发布VesnData.Net(VDN)
- 论文查重没通过怎么办？
- 数字图像处理课程作业1-大米检测
- Win8快捷键收集大汇总
- 女巫攻击（Sybil Attack)
- Ta-Lib用法介绍 ！
- 少儿编程强势成2019创业热风口 未来谁才能突围占领C位？