Python大数据可视化编程实践绘制图表.docx

Python大数据可视化编程实践绘制图表.docx

《Python大数据可视化编程实践绘制图表.docx》由会员分享，可在线阅读，更多相关《Python大数据可视化编程实践绘制图表.docx（17页珍藏版）》请在冰点文库上搜索。

Python大数据可视化编程实践绘制图表

Python数据可视化编程实践-绘制图表

准备工作

打开JupyterNotebook，导入需要的包，并配置好图片交互和中文显示环境：

importpandasaspd

importnumpyasnp

importsys

reload（sys）

sys.setdefaultencoding（'utf-8'）

importmatplotlibasmpl

importmatplotlib.pyplotasplt

importmatplotlib.cmascm

%matplotlibinline

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

定义图表类型——柱状图、线形图和堆积柱状图

调用figure（）方法，创建一个新的图表，接下来的绘图操作都在此图表中进行，参数figsize=（12,6）表示该图表的大小。

调用subplot（231）方法把图表分割成2行3列的网格，1表示图形的标号。

x=[1,2,3,4]

y=[5,4,3,2]

plt.figure（figsize=（12,6））

plt.subplot（231）

plt.plot（x,y）#折线图

plt.subplot（232）

plt.bar（x,y）#垂直柱状图

plt.subplot（233）

plt.barh（x,y）#水平柱状图

plt.subplot（234）

plt.bar（x,y）

y1=[7,8,5,3]

plt.bar（x,y1,bottom=y,color='r'）#堆叠柱状图设置参数bottom=y

plt.subplot（235）

plt.boxplot（x）#箱线图

plt.subplot（236）

plt.scatter（x,y）#散点图

plt.show（）

具体解释下箱线图中的几个最重要的显示选项。

首先，我们可以添加从箱体延伸出来的箱须来展示数据集合的整个范围。

箱体和箱须主要用于表现一个或多个数据集合中数据的编号，容易对数据进行对比而且易于理解。

在同一个箱线图中可以呈现5种数据。

最小值：

数据集合的最小值。

第二四分位数：

其以下为数据集合中较低的25%数据。

中值：

数据集合的中值

第三四分位数：

其以上为数据集合中较高的25%数据。

最大值：

给定数据集合的最大值。

dataset=[113,115,119,121,124,

124,125,126,126,126,

127,127,128,129,130,

130,131,132,133,136]

plt.figure（figsize=（10,6））

plt.subplot（121）

plt.boxplot（dataset,vert=False）

plt.subplot（122）

plt.hist（dataset）

plt.show（）

我们用同一个数据集合来绘制箱线图和直方图，观察两种图表在数据展现上的差异。

左图呈现了五个统计数据，右图展示了数据集合在给定范围内的分组情况。

简单的正弦图和余弦图

我们对从-Pi到Pi之间具有相同线性距离的256个点来计算正弦值和余弦值，然后把sin（x）值和cos（x）值在用以图表中绘制出来。

x=np.linspace（-np.pi,np.pi,256,endpoint=True）

y=np.cos（x）

y1=np.sin（x）

plt.figure（figsize=（10,6））

plt.plot（x,y）

plt.plot（x,y1）

plt.title（"Functions$\sin$and$\cos$"）#设置图标题

plt.xlim（-3.0,3.0）#设置x轴范围

plt.ylim（-1.0,1.0）#设置y轴范围

plt.xticks（[-np.pi,-np.pi/2,0,np.pi/2,np.pi],

[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$+\pi/2$',r'$+\pi$']）#用希腊字母标注x轴标签

plt.yticks（[-1,0,+1],

[r'$-1$',r'$0$',r'$+1$']）

plt.show（）

设置坐标轴长度和范围

如果不实用axis（）或者其他参数设置，matplotlib会自动使用最小值，刚好可以让我们在一个图中看到所有的数据点。

调用autoscale（）方法，会以坐标轴的最佳大小适应数据的显示。

axis（）里面的值分别表示坐标轴上xmin、xmax、ymin、ymax

axhline（）表示绘制了一条y=0的水平线

axvline（）表示绘制了一条x=0的垂直线

axhline（4）表示绘制了一条y=4的水平线

l=[-1,1,-10,10]

plt.axis（l）

plt.axhline（）

plt.axvline（）

plt.axhline（4）

设置图表的线型、属性和格式化字符串

常见的线条样式：

-直线

--虚线

-.-.形式

:

细小虚线

常见的点样式：

s--方形

h--六角形

H--六角形

*--星号

+--加好

x--x型

d--菱形

D--菱形

p--五角形

常见的颜色样式：

c-cyan--青色

r-red--红色

m-magente--品红

g-green--绿色

b-blue--蓝色

y-yellow--黄色

k-black--黑色

w-white--白色

#plot（x轴数据,y轴数据,展现形式）

x=[1,2,3,4,8]

y=[5,7,2,1,5]

plt.plot（x,y,'-',color='g',linewidth=0.8）

plt.plot（x,y,'*',color='r'）#散点图

plt.show（）

设置刻度、刻度标签和网格

刻度是图形的一部分，由刻度定位器（指定刻度所在的位置）和刻度格式器（指定刻度显示的样式）组成。

刻度有主刻度和次刻度，默认次刻度不显示。

locator_params（）方法控制刻度定位器，可以控制刻度的数目。

plt.figure（figsize=（10,6））

#获取当前坐标

ax=plt.gca（）

#设置紧凑视图，设置刻度间隔最大为10

ax.locator_params（tight=True,nbins=10）

#生成100个正态分布值

ax.plot（np.random.normal（10,.1,100））

plt.show（）

使用dates模块的一个例子来说明刻度格式器的配置。

刻度格式器规定了值的显示方式。

importdatetime

fig=plt.figure（figsize=（10,6））

#获取当前的坐标轴

ax=plt.gca（）

#设置一些日期区间

start=datetime.datetime（2013,01,01）

stop=datetime.datetime（2013,12,31）

delta=datetime.timedelta（days=1）

#转换日期

dates=mpl.dates.drange（start,stop,delta）

#产生一些随机值

values=np.random.rand（len（dates））

ax=plt.gca（）

#用日期值画图

ax.plot_date（dates,values,linestyle='-',marker=''）

#指定格式

date_format=mpl.dates.DateFormatter（'%Y-%m-%d'）

#应用格式

ax.xaxis.set_major_formatter（date_format）

#自动格式日期标签

fig.autofmt_xdate（）

plt.show（）

添加图例和注解

图例和注解清洗连贯地解释了数据图表的内容。

通过给给个plot添加一个关于所显示数据的简短描述，能让观察者更容易理解。

在每个plot中指定了一个字符串标签（label），这样legend（）会把它们添加到图例框中。

通过loc参数确定图例框的位置。

annotate（）可以为xy坐标位置的数据点添加字符串描述。

通过设置xycoord='data'，可以指定注解和数据使用相同的坐标系，注解文本的起始位置通过xytext指定。

箭头由xytext指向xy坐标位置。

arrowstyle指定了箭头风格。

plt.figure（figsize=（10,6））

#生成不同正态分布值

x1=np.random.normal（30,3,100）

x2=np.random.normal（20,2,100）

x3=np.random.normal（10,3,100）

#在同张画布里画3条线

plt.plot（x1,label='plot'）

plt.plot（x2,label='2ndplot'）

plt.plot（x3,label='3ndplot'）

#生成图例框

plt.legend（bbox_to_anchor=（0.,1.02,1.,.102）,loc=3,ncol=3,mode="expand",borderaxespad=0.）

#注解重要值

plt.annotate（"Importantvalue:

（55,20）",（55,20）,xycoords='data',xytext=（5,38）,arrowprops=dict（arrowstyle='->'））

plt.show（）

移动轴线到图中央

轴线定义了数据区域的边界，把坐标轴刻度标记连接起来。

一共有四个轴线，可以把它们放置在任何位置。

默认情况下，它们被放置在坐标轴的边界。

为了把轴线移到图中央，需要把其中两个轴线隐藏起来（设置color为none）。

然后，移动另外两个到坐标（0，0）。

坐标为数据空间坐标。

x=np.linspace（-np.pi,np.pi,500,endpoint=True）

y=np.sin（x）

plt.plot（x,y）

ax=plt.gca（）

ax.spines['right'].set_color（'none'）#隐藏右边的轴线

ax.spines['top'].set_color（'none'）#隐藏顶端的轴线

ax.spines['bottom'].set_position（（'data',0））#移动底端的轴线到（0，0）

ax.spines['left'].set_position（（'data',0））#移动左端的轴线到（0,0）

ax.xaxis.set_ticks_position（'bottom'）#移动底端的刻度到x轴

ax.yaxis.set_ticks_position（'left'）#移动左侧的刻度到x轴

plt.show（）

绘制直方图

直方图被用于可视化数据的分布估计。

表示一定间隔下数据点频率的垂直矩阵称为bin。

bin以固定的间隔创建，因此直方图的总面积等于数据点的数量。

直方图可以显示数据的相对频率，而不是使用数据的绝对值。

在这种情况下，总面积等于1。

mu=100

sigma=15

x=np.random.normal（mu,sigma,10000）

ax=plt.gca（）

ax.hist（x,bins=35,color='r',normed=True）#normed=True,直方图的值将进行归一化处理，形成概率密度。

默认值为False

ax.set_xlabel（'值'）

ax.set_ylabel（'频率'）

ax.set_title（r'$\mathrm{Histogram:

}\\mu=%d,\\sigma=%d$'%（mu,sigma））

plt.show（）

绘制误差条形图

误差条可以用来可视化数据集中的测量不确定度或者指出错误。

经常使用到的参数：

xerr和yerr：

用于在柱状图上生成误差条。

width：

给定误差条的宽度，默认值是0.8.

bottom：

如果指定了bottom，其值会加到高度中，默认值为None。

edgecolor：

给定误差条边界颜色。

ecolor：

指定误差条的颜色。

linewidth：

误差条边界宽度，可以设为None（默认值）和0（此时误差条边界将不显示出来）

orientation：

有vertical和horizontal两个值。

x=np.arange（0,10,1）

y=np.log（x）

xe=0.1*np.abs（np.random.randn（len（y）））

plt.bar（x,y,yerr=xe,width=0.4,align='center',ecolor='r',color='cyan',label='experiment#1'）

plt.xlabel（'#measurement'）

plt.ylabel（'Measuredvalues'）

plt.title（'Measurements'）

plt.legend（loc='upperleft'）

plt.show（）

绘制饼图

饼图显示的数据集合加起来必须等于100%，否则它就是无意义的、无效的。

饼图描述数值的比例关系，其中每个扇区的弧长大小为其所表示的数量的比例。

饼图的缺点：

1.难以对数量进行比较。

2.以特定角度的方式和一定颜色的扇形展示数据，会使我们的感觉有倾向性，从而影响我们对于所呈现数据得到的结论。

plt.figure（figsize=（6,6））

ax=plt.axes（[0.1,0.1,0.8,0.8]）

labels='Spring','Summer','Autumn','Winter'

#饼图的每部分定义为x/sum（x）,或者为xifsum（x）<=1

x=[15,30,45,10]

#给定一个分裂序列，每一个元素表示每个圆弧间偏移量，为半径的百分比

explode=（0.1,0.1,0.1,0.1）

#如果没有指定startangle，扇区将从x轴开始逆时针排列，如果指定的值为90，饼图将从y轴开始

#autpct参数用来格式化绘制在圆弧中的标签

plt.pie（x,explode=explode,labels=labels,autopct='%1.1f%%',startangle=67）

plt.title（'Rainydaysbyseason'）

plt.show（）

绘制带填充区域的图表

对曲线间或者曲线下面的区域填充颜色，这对我们理解给定的特定信息是非常有必要的。

x=np.arange（0.0,2,0.01）

y1=np.sin（2*np.pi*x）

y2=1.2*np.sin（4*np.pi*x）

fig=plt.figure（figsize=（10,6））

ax=plt.gca（）

#绘制出两个信号的图形

ax.plot（x,y1,x,y2,color='black'）

#fill_between（）方法使用x为定位点选取y值（y1,y2）,用where参数指定条件来填充曲线，where参数接手布尔值（可以是表达式）

ax.fill_between（x,y1,y2,where=y2>=y1,facecolor='darkblue',interpolate=True）

ax.fill_between（x,y1,y2,where=y2<=y1,facecolor='deeppink',interpolate=True）

ax.set_title（'filledbetween'）

plt.show（）

绘制带彩色标记的散点图

散点图显示两组数据的值。

散点图可以作为更高级的多维数据可视化的基础，比如绘制散点图矩阵。

散点图通常在应用拟合回归之前绘制，用来识别两个变量间的关联。

x=np.random.randn（1000）

#y1为随机值，与x不相关

y1=np.random.randn（len（x））

#y2与x强相关

y2=1.2+np.exp（x）

fig=plt.figure（figsize=（10,6））

ax1=plt.subplot（121）

#marker参数用来设置点状标记（默认为circle），alpha参数表示透明度，edgecolors参数表示标记的边界颜色，label参数用于图例框

plt.scatter（x,y1,color='indigo',alpha=0.3,edgecolors='white',label='nocorrel'）

plt.xlabel（'nocorrelation'）

plt.grid（True）

plt.legend（）

ax2=plt.subplot（122,sharey=ax1,sharex=ax1）

plt.scatter（x,y2,color='green',alpha=0.3,edgecolor='grey',label='correl'）

plt.xlabel（'strongcorrelation'）

plt.grid（True）

plt.legend（）

plt.show（）