python数据可视化程序_python数据可视化简易版
最近白天在整机器学习和算法导论,做预判分析的时候发现,经常用到几个画图代码,老是弄混。睡不着,深夜上线整理一波,顺便加强一下记忆叭。写多少是多少,不行就白天接着补。。
今天先整理一波常规画图操作。其实后来学了pandas里的 seaborn 库的时候,才发现有更好看的图
import matplptlib.pypplot as plt
import pandas as pd
# 读取一个分类明确的数据集csv文件,文件里数据分了四类
# 数据长这样子,先大致head()前五行看一下吧
# dataset,x,y
I,10.0,8.04
I,8.0,6.95
I,13.0,7.58
I,9.0,8.81
I,11.0,8.33
oh=pd.read_csv('anscombe.csv')
print(oh)
# 取数据子集
oh_1=oh[oh['dataset'] == 'I']
oh_2=oh[oh['dataset'] == 'II']
oh_3=oh[oh['dataset'] == 'III']
oh_4=oh[oh['dataset'] == 'IV']
plt.plot(oh_1['x'],oh_1['y'])
plt.show()
# 如果想用它画圆点,可以给plt.plot传递一个‘o’参数
plt.plot(oh_1['x'],oh_1['y'],'o')
plt.show()
# 现在有四个 子数据集,要把他们放在一起,所以先创建一个画布
# 就弄一个2x2的画布吧
fig=plt.figure()
axis1=fig.add_subplot(2,2,1)
axis2=fig.add_subplot(2,2,2)
axis3=fig.add_subplot(2,2,3)
axis4=fig.add_subplot(2,2,4)
# 哈哈然后出图吧
axes1.plot(oh_1['x'],oh_1['y'],'o')
axes2.plot(oh_2['x'],oh_2['y'],'o')
axes3.plot(oh_3['x'],oh_3['y'],'o')
axes4.plot(oh_4['x'],oh_4['y'],'o')
#向各个子图添加标签,并使用tight_layout方法确保各个坐标轴彼此分开
axes1.set_title('oh_1')
axes2.set_title('oh_2')
axes3.set_title('oh_3')
axes4.set_title('oh_4')
#为整幅图添加一个大标题
fig.suptitle('anscomble data')
plt.show()
#紧凑布局
fig.tight_layout()
单变量画图
单变量做频数分析的时候,画图是最直观的,样本频数特别小的,我一般也就合并到别的小样本里了。直方图就够用,选一个变量多一点的文件吧
import pandas as pd
tips=pd.read_csv('tips.csv')
print(tips)
# tips文件 数据 截一下前五行
# 就长这样吧
""" "total_bill","tip","sex","smoker","day","time","size"
16.99,1.01,"Female","No","Sun","Dinner",2
10.34,1.66,"Male","No","Sun","Dinner",3
21.01,3.5,"Male","No","Sun","Dinner",3
23.68,3.31,"Male","No","Sun","Dinner",2
24.59,3.61,"Female","No","Sun","Dinner",4
"""
# 大概就是对 餐桌文化,比如不同性别,消费时间,餐桌级别等不同群体的消费账单做个分析,totalbill 即消费账单。
# ok 画图吧
import matplotlib.pyplot as plt
fig=plt.figure()
# 画布啊画布!
axes1=fig.add_subplot(1,1,1)
# 画布一行一列,放第一个
axes1.hist(tips['total_bill'],bins=10)
# 直方图表达式,y轴衡量的是totalbill,x轴以10为组距
axes1.set_title('histogram of total bill')
axes1.set_xlabel('Frequency')
axes1.set_ylabel('total bill')
plt.show()
双变量
双变量画图,两两对比,妙不可言。就还是用刚才的那个消费账单数据吧
1)散点图
scatter_plot=plt.figure()
axes1=plt.add_subplot(1,1,1)
axes1.scatter(tips['total_bill'],tips['tip'])
# 再搞一下标签就很完美
axes1.set_xlabel('total bill')
axes1.set_ ylabel('tip')
plt.show()
箱线图
boxplot=plt.figure()
axes1=boxplot.add_subplot(1,1,1)
axes1.boxplot(
# 箱线图的第一参数是数据
# 由于要绘制多块数据,因此必须把每块数据放入列表中
[tips[tips['sex']=='Female']['tip'],
tips[tips['sex']=='Male']['tip']],
#列表中第一个数据表示分类类别,第二表示y轴数据
labels=['Female','Male']
#展示标签
)
axes1.set_xlabel('sex')
axes1.set_ylabel('Tip')
axes1.set_title('boxplot of tips by sex')
plt.show()
其实同样是画箱线图,调用seaborn库 代码更便捷,可调节的款式也比较多。留给下次睡不着整理吧。。
多变量数据
其实多变量说白了就是再双变量的基础上,区分了颜色,大小,形状,增加了信息量。最繁琐的办法就是用函数创建一个带颜色的变量。
比如在性别上区分颜色。
def recode_sex(sex):
if sex =='Famale':
return 0
else:
return 1
tips['sex_color']=tips['sex'].apply(recode_sex)
# apply 是对列调用函数的好方法,这行代码 赋值给tips数据集一个带颜色参数的新列 ' sex_color '
# 下面开始画图吧
# 创建画布
scatter_plot=plt.figure()
axes1=scatter_plot.add_subplot(1,1,1)
axes1.scatter(
x=tips['total_bill'],
y=tips['tips'],
s=tips['size']*10,
# 增加一个‘size’ 变量,用大小*10倍的大小区分
c=tips['sex_color']
alpha=0.5
# 增加点透明度,以表示重叠的点
)
# 最后添加标题
axes1.set_title('total bill vs tip colored by sex and sized by size')
axes1.set_xlabel('total bill')
axes1.set_ylabel('tip')
plt.show()
python数据可视化程序_python数据可视化简易版相关推荐
- python写采集程序_Python写的简易采集爬虫(蜘蛛)
#!/usr/bin/python #-*-coding:utf-8-*- # 简易采集爬虫 # 1.采集Yahoo!Answers,parseData函数修改一下,可以采集任何网站 # ...
- python闹钟界面程序_python闹钟之完美版
前面的博客写的闹钟知识系统自带的声音,下面给大家讲一种更简单的做法! 代码是死的 人时活的! import webbrowser as web import time import os import ...
- python(pygame)开发一个超简易版消灭病毒
python(pygame)开发一个超简易版消灭病毒 消灭病毒游戏 以下是游戏代码:每个类都是一个py文件,需要导包 1.主程序代码 2.飞机类 3.子弹类 4.病毒类 消灭病毒游戏 消灭病毒是一个打 ...
- python 财务分析可视化方法_Python数据可视化的四种简易方法
Python数据可视化的四种简易方法 作者:PHPYuan 时间:2018-11-28 03:40:43 摘要: 本文讲述了热图.二维密度图.蜘蛛图.树形图这四种Python数据可视化方法. 数据可视 ...
- python前端框架实例_Python数据可视化:PyQt5 + ECharts框架实例
引言 对于Python下桌面软件的开发已经有了很多数据可视化的库,如Matplotlib.Seaborn.Pyqtgraph.Plotly等等,但这些库更适合于后端程序员的软件开发. 实际上在前端网页 ...
- python图形绘制星空图_Python数据可视化教程:基于Plotly的动态可视化绘图
1. plotly 介绍 Plotly是一个非常著名且强大的开源数据可视化框架,它通过构建基于浏览器显示的web形式的可交互图表来展示信息,可创建多达数十种精美的图表和地图, 下面我们以jupyter ...
- python用表格中的数据画柱状图_Python数据可视化:5种绘制柱状图表的方法(附源码)...
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 以下文章来源于数据Magic,作者我不是小样 前言 python里面有很多优秀的可 ...
- python数据查询教程_Python数据可视化教程之基础篇
经过学习之后,我总结了利用python实现可视化的三个步骤: 确定问题,选择图形 转换数据,应用函数 参数设置,一目了然 1 首先,要知道我们用哪些库来画图? matplotlib python中最基 ...
- python数据分析图表展示_NBA数据分析_python数据爬取_可视化图形_python数据可视化案例-帆软...
之前手痒做了一次NBA可视化分析,发个微头条,好多人追着我问教程,这两天终于闲下来了,花时间整理这篇NBA可视化分析教程,手把手教大家做一次炫酷的数据可视化分析! 先部分展示本次教程的作品: 数据获取 ...
最新文章
- 人脸识别引擎SeetaFaceEngine中Alignment模块使用的测试代码
- 10.1 国庆 考试
- import win32api 安装pip install pypiwin32
- 实现JavaScript数组拍平/扁平化的方法
- 12家国内外之名公司多场面试,微软到谷歌.让我们通过学习达到100%面试率与100%通过率...
- VTK:几何对象之OpenVRSphere
- Scala enumeration
- 2016年CCF第七次测试 俄罗斯方块
- 设计模式(14)-Flyweight Pattern
- MATLAB基本信号的产生
- 【java学习之路】(javaWeb【后端】篇)005.会话
- linux系统管理与服务器配置【2008网络工程师】,Linux系统管理与服务器配置
- 聊聊最近的CPA心得吧
- mysql表analyze_MySQL ANALYZE Optimize Check Table使用详解
- 计算机视觉领域的一些牛人博客,超有实力的研究机构web主页(转)
- 二级造价师课件网课下载,二级造价工程师考试时间报考条件公布!
- 第一台计算机英语怎么说,世界第一台计算机英文缩写名为
- 中国石油大学《计算机网络课程设计》第三次在线作业
- 计算机人文素养教案,谈谈信息技术课堂中人文素养培养的感想和体会
- VMware -- 克隆虚拟机
热门文章
- Vue,React,微信小程序,快应用,TS 和 Koa 一把梭
- 百行代码发射红心,程序员何愁命不中女朋友!
- 【Linux】云服务器的购买与Linux远程连接
- 学习Mac开发第四弹 通过NSImageView加载图片
- Python 五行代码实现类似全能扫描王和office Lens的扫描彩色增强滤镜效果
- 关于CC的完全非线性椭圆方程一书的一些小结
- linux人脸识别终端是什么意思,瑞芯微如何看待天波首发得RV1109 Linux人脸识别终端...
- 楚留香服务器维护,楚留香手游3月9日维护更新公告
- 我的世界服务器兑换系统怎么做,Minecraft我的世界村民交易方法及兑换表格
- 请问php中 $_data是啥变量呢