第七课 - 数据可视化
本课内容：
matplotlib 绘图基础
函数曲线的绘制
图形细节的设置
案例分析：销售记录可视化
条形图
绘制多图
饼图
散点图
直方图
seaborn 数据可视化包
分类数据的散点图
分类数据的箱线图
多变量图
在第五节课中，我们通过pandas的plot函数对莺尾花数据进行了可视化。我们绘制了根据品种分类的散点图和箱线图。
在第六节课中，我们使用matplotlib绘制了姓名变化趋势图，并通过plt的各种选项对图形进行了美化。
上述例子中可视化都是基于matplotlib来展开的，在本次课程中我们将详细演示如何使用matplotlib
matplotlib 是Python编程语言的一个绘图库，最初由John D. Hunter撰写。
与Python的深度集成
风格与Matlab接近
官网：http://matplotlib.org/
matplotlib例图
老师说，我们为什么今天要上新的 matplotlib 的绘图呢，因为之前学的鸢尾花散点图用的是Pandas里面自带的plot图，在分类数据的分析上，之前学的方法显得冗余了。为了更好的可视化，不冗余！我们来学新的！
matplotlib 绘图基础
导入数据包，设置基础
以上还是一样设置基础数据，每一次都要导入的numpy和 pandas包，不导入后面会跟你说没有定义，识别不了的哦～ 设置图形的格式是 retina 的清晰度。运行之后，我们来正式绘图吧！
在matplotlib 中，绘制一个曲线图，可以使用plt.plot这个函数，在正弦函数中，主要的是x和y轴两个轴的数据。所以我们需要先设置x 和 y 。
我们用numpy中的arange函数，设置的是从0到5，间隔为0.1之间的数据。专业点来讲，0.1好像叫步长。当时上课这个语句一晃而过，我没看懂是什么为什么括号里面有三个数字，回放听终于明白了。。。明明是学过的啊😤😤😤
x, y=sin(x)
突然觉得，中学时代不会Python真可惜，或许时不时用它来解决数学问题，数学成绩就没那么差了。周三上课的时候余老师一讲到正弦函数我就有点头大，幸好不是要我计算呀！
plt.plot(x,y)
看到这里才发现，x 和y 用的都是 np 的函数，在np里面定义赋值。为什么不是pandas呢？
老师说因为我们前面设置过自动显示图片（终于明白第一张图的 “%matplotlib Inline” 的作用了。。。），所以这里直接输入语句，按输出，就可以看到结果了。我们也可以设置成手动显示图片，看下图：
手动显示图片
plt.show( ) 这个语句，设置手动显示图片，而且这里没有 OUT这个显示了。其实这个我不知道有什么用。
接下来又是（我不懂的）美化啦！
增加 color='g',marker='.',linewidth=2
把函数线的颜色设置成绿色，上课的时候我说为什么它知道g就是绿色啊！老师说用的 green 比 grey 多，所以系统会默认 g 是 green。上课讲的时候可没有color=g 啊，老师用的是简写，直接在 plt.plot(x,y) 中的右边括号里面加上逗号和 'g . -' ，然后就是绿色➕点线条了。
现在看到的图两轴还是有些是空白，所以需要美化，缩减空白，这里用的是我们第六课用的方法：
xlim，.ylim
plt.xlim(0,5) 和 plt.ylim(-1.1,1.1) 的使用可以让区间空白改变一点，这次老师教了一种新的方法：
plt.axis([0,5,-1.1,1.1])
plt.axis([0,5,-1.1,1.1]) ，和上节课的xlim, ylim 使用结果一样，这个语句更短，先定义 x 轴的范围从0到5，再定义 y 轴的范围，所以在圆括号里面，有一个方括号，包着四个数字，分别表示两个轴的范围。
要是我们需要清晰看到一个点所在的横纵坐标，需要用网格线进行更精确的定位，在那个点标明文字：
plt.grid(True)
plt.grid(True) 指的是网格线存在哦。
plt.text(3.1,0.3,'sin(x)') ，指的是在坐标（3.1，0.3）的位置上加上文字说明 sin(x)。
回顾例一，用plot 函数得到一个基本的曲线函数，然后用各种细节设置，让整个图变得更加饱满，包括标题／横轴／纵轴／网格／文本等设置，这样的方法称为函数式的编程，这是模仿matlib的作图方式。与之相对应的还有面向对象的作图，它对细节的控制会更加丰富，但对初学者的掌握能力来说，学会函数式的编程比较适时。
例2：绘制 y=x, y=x^2, y=x^3 三个函数的曲线
y=x, y=x^2, y=x^3
我在看预习资料的时候，看不到运行出来的图，plt.plot(x,x,x,x**2,x,x**3) ，这一句看起来太复杂有点可怕，然而它的意思竟然是，里面的6个数字分为三对xy轴的数。三个函数的x 和 y 竟然可以全部挤在一起，厉害了。
要是想要更好的区分这三个函数曲线，可以用一些设置将它们变得更有辨识度：
plt.plot(x,x,'r--',x,x**2,'bs',x,x**3,'g^')
上课看老师运行这一步的时候，惊呆了。这里就是上面提到过的简写了，具体代表什么，# 后面已经说明了。接下来还是继续美化显示的图片了，大家可以自己做一下啦！这里不展示了。
小结：
上述代码展示了matplotlib的一些基本功能，我们可以通过使用plt自带的各种函数来控制图形的细节，比如是否加网格，坐标的标签等等。
我们在后续课程中还会向大家展示其他常用图形
案例分析：销售记录可视化
导入并观察数据
每次看到数据导入我就特别害怕，因为每次都会卡我很久，久到我会想“要不这文章就这样吧，老子不写了。” 每一次的坑我都记得非常清楚，红酒质量的，鸢尾花的，全美婴儿姓名的，这次是销售数据。
这次卡了多久？
一小时30分钟。
读取数据失败的我，拿起等了我3个小时三明治，一边吃一边苦闷地想，这样的事情真是太丢人了啊，同一个坑，掉第四次。吃完这次终于上网查怎么在jupyter导入excel数据了（以前我都在干嘛？！）但是并没有查到要的答案，终于在我们课程的讨论区，看到一个同学回复的答案！老泪纵横！！！
怎么导入数据到jupyter
试了一下，上载成功的文件在jupyter打开是一片空白，而且把这个空白的文件下载到电脑了，我以为操作出了问题，试了几次，一模一样。把代码敲进去试着运行，竟然！成功运行了。。。诡异！
读取excel数据文件
这是一份一家公司在某个时间段段交易数据。行首对应的分别是客户账号／公司名称／商品货号／每次交易的购货量／每个商品的交易价格／交易总额／交易时间。
要是你是一个数据分析师，想要在这份数据里面得到一些信息，你会从哪方面着手呢？
我们可以用之前学过的一些函数进行对整份数据进行分析：
df.info()
这是一份有1500条信息的数据，没有缺失值。
查看与之交易的公司数量
要是需要看与之交易的公司有哪些，可以把上面运行语句的 len( ) 去除掉。
要是需要看某家公司的交易量，也是可以用函数进行输出的：
Barton LLC交易量（1）
Barton LLC交易量（2）
这个输出比较长，分两张展示首尾，最后一行可以看出，一共82笔交易。
销售额最高的10个公司
交易总额和交易次数的输出
先用语句求出我们要的数。套路都是我们之前学过的：用groupby分组，也就是找到交易量的公司，先圈出范围“name”，然后是“ext price” 。然后使用agg进行聚合运算：sum求交易总额，count计算交易次数。
但是在上面我们可以看到，行首的格式不是很对，这里需要调整一下：
reset_index 重置索引
这里在前面一行加了 ' \ '这样的符号，老师说这样加上去可以让它换行，看了结果，应该是让name 这个词在行首回到了好看的位置。reset_index 重置索引，里面写的 “在这里取消了name作为索引”，我没理解明白，也就是前面是用name来索引的？用name来索引和这一步的操作，作为索引来说，有什么不同？
这时候我们已经得到销售总额的数据了，但是我们的题目是需要销售总额前十的，所以我们需要对销售总额进行排序。
sort_values进行排序
这里学到一个新的函数了，用 sort_values 进行排序。
好吧，前十还没出来：
top10
这一步加了挺多东西上去的。重新再句首赋值 top10，后面输出 top10。在第27条输出了排前的销售额，才能直接在这一步的第二行代码最后直接使用切片的方式 [:10] 来运算。
然后是对行首名称对修改，把首字母都大写了，替换的方式是使用字典的键值对，格式是 {之前的值：替换上的值} ，老师运行的第一遍没有加上inplace=true，结果就是并没有修改成功，然后解释，因为rename那一行算是里面默认的副本，要是没有inplace=true ，那是运行不成功的。
我们总算把销售额前十的公司输出来了！
条形图
top10公司销售总额的条形图
plt.barh(np.arange(10),top10.Sales,height=0.5)
新的图！之前我们学过有scatter散点图，plot折线图，还有啥来着？今天的直方图是bar，哦，垂直的是bar，水平方向的直方图是barh。
所有的代码，其实都能看懂。但是要我自己不偷看打出来，真的是。。。心虚。
添加标题和横纵坐标的说明。并且，为了让图看起来更加知道相对应的值是什么，我们修改了坐标的刻度：
plt.yticks(np.arange(10),top10.Name)
觉得单看这个图好专业啊！这时候余老师讲了上课的第二个“冗余”，就是图和代码之间那串黑体字。这时候终于能够确切理解 冗余 这个词的表达力！要是不想看到这些多余的字，我们可以这样做：
plt.show()
有一种，把多余的毛发剃掉的感觉一样啊！！！！！清爽！
然饿，老师这时候又去改X轴坐标了：
plt.xticks
其实这一段不是很明白，替换掉的值，不像上面用字典来替换，用的是两个列表，后面一个列表里面的元素还是字符串。这是我们之前学过的？？疑惑。
这个图的风格是默认的风格，老师说可以让我们尝试一下其他风格，选择之前看看有哪些是可以被选择的。这样的东西竟然都有语法，太可怕了！！！
plt.style.available
然后老师选了 ggplot，据说是 “爱原冢（音译）”的风格，来看看吧
plt.style.use('ggplot')
默认颜色变了，而且还有底版了：浅灰色+网格。
作业7-1：
模仿上面的例子，画出交易总数最高的10个公司的条形图。
提示：可以使用sort_values(by= quantity) 来实现。
啊啊啊，血槽空了，我去补补血，剩下这两天尽快更新！
网友评论