背景音乐：Summer Vibe - Walk off the Earth

祝看到这篇文章的人，每天都有好心情✧(≖ ◡ ≖✿)

1 概述

数据可视化，从数据层面，包括以下两块内容：

1. 单变量的可视化：主要研究变量的自身特性
2. 多变量的联合可视化：主要研究变量与变量之间的相关性

其中，单变量的可视化，要根据数据的类型来分别处理：

1. 分类变量(categorical variable)
   常用的有：饼图、柱形图
2. 数值变量(numerical variable)
   常用的有：概率密度图、直方图、箱式图

回到标题本身，今天就来讲讲python的数据可视化。

在python做数据分析的时候，有三个模块是绕不开的：pandas、numpy以及matplotlib。

同时，seaborn也是你可视化时必不可少的得力助手。

写这个文章的目的，是对知识的一个梳理，也方便有需要的人能尽快上手。

我会尽可能地用pandas、matplotlib和seaborn来共同实现上述可视化，同时为了代码简洁，我会尽量不进行没必要的设置。

2 导入数据

首先，导入必备的模块：

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import seaborn as sns

本次所用的数据来自kaggle竞赛的森林火灾面积预测

df = pd.read_csv('forestfires.csv')
df.head() # 看前5行

数据内容

3 分类特征

分类特征主要看两个方面：

1. 有几种分类
2. 每种分类的数量（或者比例）

这里为了演示，我用day变量，代表了星期

order = ['mon', 'tue', 'wed', 'thu', 'fri', 'sat', 'sun']
day_count = df['day'].value_counts()
day_count = day_count[order] # 不用loc的话就默认从大到小排序
day_count

结果为

mon 74
tue 64
wed 54
thu 61
fri 85
sat 84
sun 95
Name: day, dtype: int64

可以看到，数据集里这个变量的分布还算平均。

3.1 饼图

注意分类的种类不能太多，不然饼图就会被切得很细

3.1.1 pandas.Series.plot.pie

用autopct设置数字的格式

day_count.plot.pie(autopct='%.2f%%')

3.1.2 matplotlib.pyplot.pie

plt.pie(day_count, autopct='%.2f%%', labels=day_count.index)

3.2 柱状图

3.2.1 pandas.Series.plot.pie

day_count.plot.bar()

3.2.2 matplotlib.pyplot.bar

pos = range(len(day_count))
plt.bar(pos, day_count.values)
plt.xticks(pos, day_count.index)

3.2.3 seaborn.barplot

sns.barplot(day_count.index, day_count.values)

3.2.4 seaborn.countplot

用这个的好处在于，自动计算取值及其数量并可视化，节省一个步骤。
函数中，可以设置order=order来指定顺序。

sns.countplot(df['day'])

4 数值特征

数值特征主要看两个方面：

1. 它的取值区间
2. 不同子区间的数量分布(或者密度分布)

为了演示，我用temp变量，代表温度

temperature = df['temp']

4.1 直方图

4.1.1 pandas.Series.plot.hist

temperature.plot.hist()

4.1.2 matplotlib.pyplot.hist

plt.hist(temperature)

4.1.3 seaborn.rugplot

这个是结合直方图使用的，能变得更好看

plt.hist(temperature, color='orange')
sns.rugplot(temperature)

4.2 概率密度图

4.2.1 pandas.Series.plot.density

temperature.plot.density()

4.2.2 seaborn.kdeplot

sns.kdeplot(temperature)

4.2.3 seaborn.distplot

这个还结合了直方图，节省步骤
函数中，可以设置hist=False来取消直方图

sns.distplot(temperature)

4.3 箱式图

4.3.1 pandas.Series.plot.box

temperature.plot.box()

4.3.2 matplotlib.pyplot.boxplot

plt.boxplot(temperature)
plt.show()

4.3.3 seaborn.boxplot

orient默认值是h（水平），也可以设为v（垂直）

sns.boxplot(temperature, orient='v')