重新研读fish千聊课代码02

自己每次研读完代码，就是直接把notebook文件copy到简书，使得排版特别杂乱，而且自己散乱的个人感悟，和代码混做一团，看起来毫无美感。 从这一篇开始，我要关注一下排版啦，而不是单纯地码完代码。

ps：我研读的方法是整句默写fish的课件代码，所以有很多错误记录。

这节课主要是展示一些可视化技巧。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
% config InlineBackend.figure_format="retina"
#% config InlineBackend.figure_format = 'retina' # 设置图像清晰度


%matplotlib inline

• 错误记录，IinlineBackend后面，应该加点，我没有加点

data = pd.read_csv('WorldIndex.csv'
                  )
data.head()

data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 177 entries, 0 to 176
Data columns (total 5 columns):
Country            177 non-null object
Continent          177 non-null object
Life_expectancy    169 non-null float64
GDP_per_capita     169 non-null float64
Population         176 non-null float64
dtypes: float64(3), object(2)
memory usage: 7.0+ KB

• 个人理解： 这个info带括号，和不带括号差别好大呀。 不带括号的，是显示总的信息和明细信息。带括号，则只显示总体信息。
• 从info看来，总共有177行，但是life，gdp，pop三项，的数量都少于177，这意味着有空的行。所以需要删除空行，我记得好像是dropna方法

---

df =data.dropna()
df.info()

data.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 164 entries, 0 to 175
Data columns (total 5 columns):
Country            164 non-null object
Continent          164 non-null object
Life_expectancy    164 non-null float64
GDP_per_capita     164 non-null float64
Population         164 non-null float64
dtypes: float64(3), object(2)
memory usage: 7.7+ KB
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 177 entries, 0 to 176
Data columns (total 5 columns):
Country            177 non-null object
Continent          177 non-null object
Life_expectancy    169 non-null float64
GDP_per_capita     169 non-null float64
Population         176 non-null float64
dtypes: float64(3), object(2)
memory usage: 7.0+ KB

• 这里面的思路是这样的，把空行给删掉，成为新的数据啦，于是把新数据赋值给df。 那么data这个数据有变化吗？
• 我尝试了一下，原来的data数据是没有变化的。

df.head()

查看了数据发现表头名称太长了，不方后期切片索引，要不，就把列名称改简单点吧。
修改列名称，用的是columns=[]的方法。

df.columns=['Country','Continent','Life','GDP','Pop']
df.tail()

必须赞叹一下，这功能太帅了呀。

画直方图

直方图的方法是.hist（）

plt.hist(df.Life,bins=20,rwidth=0.9,color='blue')


plt.show()

错误记录：

1. 单词拼写错误，rwidth我拼写成ridwith
2. 没有写plt.show，结果只是出来一堆数字。应该是坐标数字

output_7_0.png

箱图

plt.boxplot

plt.boxplot(df.Life)

个人点子：我记得有个函数，可以不用写plt.show，就能出图，是什么来着？

• 查到了，%matplotlib inline

{'boxes': [<matplotlib.lines.Line2D at 0xa918b00>],
 'caps': [<matplotlib.lines.Line2D at 0xa2682b0>,
  <matplotlib.lines.Line2D at 0xa268748>],
 'fliers': [<matplotlib.lines.Line2D at 0xa0002e8>],
 'means': [],
 'medians': [<matplotlib.lines.Line2D at 0xa000748>],
 'whiskers': [<matplotlib.lines.Line2D at 0xa9185c0>,
  <matplotlib.lines.Line2D at 0xa2a6400>]}

output_9_1.png

plt.boxplot(df.GDP) #用箱图画了人均寿命和人居GDP

{'boxes': [<matplotlib.lines.Line2D at 0x9ed53c8>],
 'caps': [<matplotlib.lines.Line2D at 0x9edc2e8>,
  <matplotlib.lines.Line2D at 0x9de2ba8>],
 'fliers': [<matplotlib.lines.Line2D at 0x9d78518>],
 'means': [],
 'medians': [<matplotlib.lines.Line2D at 0x9d904a8>],
 'whiskers': [<matplotlib.lines.Line2D at 0x9ed5b70>,
  <matplotlib.lines.Line2D at 0x9edc710>]}

output_10_1.png

个人感悟：箱图和直方图，是用于画连续变量的。 接下来要画离散变量了。可以用条形图和饼图
☆点子： 但是按国家来计算的话，分布太细散了，还是根据大洲吧来作图吧。 先把大洲汇总。 咦，对了，可以用groupby啊

conti=list(df.groupby('Continent').size().index)
conti

哇哇，自己竟然摸索了一种方法，把名称取出来了，开心。
简单说，这部分就是列表化索引列。

['Africa', 'Asia', 'Europe', 'North America', 'Oceania', 'South America']

list(df.Continent.value_counts().index)

['Africa', 'Europe', 'Asia', 'North America', 'South America', 'Oceania']

试着也用了value——counts的方法，实现相同效果。

x =np.arange(len(conti))
x

错误记录：
少输入了arange，话说这个arrange的作用是啥啊？

array([0, 1, 2, 3, 4, 5])

疑惑： 这一段的作用什么啊，是把各大洲的名称，映射为数字吗？

plt.bar(x,df.groupby('Continent').size())
plt.xticks(x,conti,rotation=20)

错误记录：

1. 拼写错误：xticks，被我拼写为xtricks。

2. 拼写错误 :rotation被我拼写为rodation。 话说，rotation什么意思啊？ 搜了一下，旋转的意思

   ([<matplotlib.axis.XTick at 0xb54ad68>,
   <matplotlib.axis.XTick at 0x9ff5048>,
   <matplotlib.axis.XTick at 0xb555e80>,
   <matplotlib.axis.XTick at 0xc66c780>,
   <matplotlib.axis.XTick at 0xc66f198>,
   <matplotlib.axis.XTick at 0xc66fb70>],
   <a list of 6 Text xticklabel objects>)

output_15_1.png

conti_count=df.groupby('Continent').size()
conti_count

Continent
Africa           48
Asia             36
Europe           41
North America    19
Oceania           9
South America    11
dtype: int64

plt.pie(conti_count,labels=conti,autopct='%1.2f%%')
plt.axis('equal'
)

个人理解：autopct,是自动显示百分比的意思，
疑惑： 但是后面的%是什么意思，搞不懂。只知道.2代表小数点后2位

个人理解：axis代表的意思是轴，参数equal即意味着饼图的横轴和纵轴，相等。 那么就是一个圆啦。

(-1.1155765255707346,
 1.1007417393128922,
 -1.108024726836466,
 1.1119198978159677)

output_17_1.png

散点图

散点图可以绘制出数据间的相关性

plt.plot(df.GDP,df.Life,'g.')

[<matplotlib.lines.Line2D at 0xc6d3160>]

output_19_1.png

plt.scatter(df.GDP,df.Life)

<matplotlib.collections.PathCollection at 0xc664f28>

output_20_1.png

##矩阵图

 pd.scatter_matrix(df)

错误记录：plt.scatter_matrix(df)
又一个比较大的错误，这个scatter_matrix是pandas的，不是plt的。 完全不是同一个库啊。 这就是常识缺乏了。那么pd可以画散点图吗？（试过不行）

  File "<ipython-input-79-99f234ae8126>", line 4
    pd.scatter_matrix(df)
    ^
IndentationError: unexpected indent

 pd.scatter_matrix(df)

d:\ProgramData\Anaconda3\lib\site-packages\ipykernel_launcher.py:1: FutureWarning: pandas.scatter_matrix is deprecated. Use pandas.plotting.scatter_matrix instead
  """Entry point for launching an IPython kernel.





array([[<matplotlib.axes._subplots.AxesSubplot object at 0x000000000A7B3828>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000E432518>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000D8C1400>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x000000000DF8CC50>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000DFE67F0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000DFE6828>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x000000000E0BD4E0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000E12AC50>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000E196BE0>]], dtype=object)

output_22_2.png

图表定制

plt.rcParam['font.sanz_serif']=[
在图表定制这块儿，太有营养了，干货满满啊。

plt.rcParams['font.sans-serif']=['SimHei']

plt.scatter(df.GDP,df.Life)
plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命（年）')

plt.title('经济与寿命的相关性2015')

plt.xscale('log')

错误记录：

1. 拼写错误sans_serif被我拼写为sanz_serif了。
2. sans-serif。被我写成了下划线。

个人理解： 翻译了一下 sans serif是无衬线字体的意思。

新增知识点：对数变换。
疑惑： 对数变换到底什么意思，是指显示方式简化吗？这样看的话，确实显示更直观了。其实也是数字之间跨度更大了

output_24_0.png

感悟： 这一段代码，对我最困扰的就是设置中文显示的问题。 单词不熟，到底该横线还是下划线，不清晰，使得拼写老犯错。

plt.rcParams['font.sans-serif']=['SimHei']

plt.scatter(df.GDP,df.Life)
plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命（年）')

plt.title('经济与寿命的相关性2015')

plt.xscale('log')

tick_val=[1000,10000,100000]
tick_lab=['1k','10k','100k']
#如果只是到这一步的话，图形不会有任何改变，因为现在x轴的名字已经被固定了，只有重置一下
plt.xticks(tick_val,tick_lab)

困惑：这段儿就不太懂了，是把数字映射为10K等文字吗？

([<matplotlib.axis.XTick at 0xbfe6588>,
  <matplotlib.axis.XTick at 0xbe01f98>,
  <matplotlib.axis.XTick at 0xc006588>],
 <a list of 3 Text xticklabel objects>)

output_26_1.png

这几段代码，都是逐步增加知识点的。
第一段新增的知识点有：

1. 设置中文标题。
2. 对数变换

第二段新增的知识点有：

• 置换x轴的刻度。

马上接下来的一段会新增，泡泡颜色和泡泡大小。 接着来吧

size = df.Pop/1e6*2.1     #此处新增一个参数size，用人口除以20万，为甚
         要除以20万呢？   疑惑
         除以20万的目的是把尺寸缩小到坐标轴能够容纳的程度。 不是固定
          数值，只是这样看起来更合适，更直观而已。 

plt.rcParams['font.sans-serif']=['SimHei']

plt.scatter(df.GDP,df.Life,s=size)

plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命（年）')

plt.title('经济与寿命的相关性2015')

plt.xscale('log')

tick_val=[1000,10000,100000]
tick_lab=['1k','10k','100k']
###如果只是到这一步的话，图形不会有任何改变，因为现在x轴的名字已经被固定了，只有重置一下
plt.xticks(tick_val,tick_lab)
plt.show()

##其实我可以把这段背下来使用的。


df.groupby('Continent').size()

新增知识点：plt.scatter(x,y,s),s代表点（也可以理解为小圆）的直径大小。s应该就是scatter的简写吧。

output_28_0.png

Continent
Africa           48
Asia             36
Europe           41
North America    19
Oceania           9
South America    11
dtype: int64

接下来会引入词典功能，一直没使用过这个功能，好奇呀，到底是怎么使用的呢？ 拭目以待

map_dict = {      
    'Asia':'red',
    'Europe':'green',
    'Africa':'yellow',
    'North America':'black',
    'South America':'black',
    'Oceania':'blue'
}
colors = df.Continent.map(map_dict)

错误记录：

1. 大洲之间，我没有逗号隔开，误以为空行了就可以分辨，其实是需要逗号的
2. 我的逗号是中文状态下的，使得报错invalid character in identifier，要知道这中英文的标点，电脑不给兼容啊。坑爹！

个人理解：

• 这个地方的转换很大，我按自己的理解梳理一下思路。 先是定义一个词典map_dict,然后将大洲的名字对应一个颜色，如A：red。
• 然后再引入含有大洲名字的数据赋值给A。 就相当于两个方程式求解变量的感觉。 如初中数学，x = 1.5y，y=1. 可得出x=1.5.
• 打个比喻，我有一个机器人保镖，我让他驻守关口，先给他两个规则：第一，看到坏人，就开大炮炸死他；看到好人，就发射面包给他。
• 第二：拿刀的就是坏人，举双手的人就是好人。 然后说完，就让他自己去弄了。
• 这个字典的本质，有点像这种状态，先告诉你，只要是亚洲的就给我标红色，再告诉机器，亚洲国家是哪些。

size = df.Pop/1e6*2.1   

plt.rcParams['font.sans-serif']=['SimHei']
plt.scatter(df.GDP,df.Life,s= size,c=colors,alpha=0.5)

plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命（年）')

plt.title('经济与寿命的相关性2015')

plt.xscale('log')

tick_val=[1000,10000,100000]
tick_lab=['1k','10k','100k']

plt.xticks(tick_val,tick_lab)
plt.show()

output_31_0.png

添加颜色和泡泡尺寸，感觉好有用啊。 不过，自己还是花了点时间才理解了。 这感觉真好啊，哈哈哈哈哈哈。

接下来，比较简单，就是添加网格和字体到图标中。

plt.rcParams['font.sans-serif']=['SimHei']

size = df.Pop/1e6*2.1   

map_dict = {      
    'Asia':'red',
    'Europe':'green',
    'Africa':'yellow',
    'North America':'black',
    'South America':'black',
    'Oceania':'blue'
}
colors = df.Continent.map(map_dict)

plt.scatter(df.GDP,df.Life,s= size,c=colors,alpha=0.5)
plt.xlabel('各国人均GDP')
plt.ylabel('人均寿命（年）')
plt.title('经济与寿命的相关性2015')
plt.xscale('log')
tick_val=[1000,10000,100000]
tick_lab=['1k','10k','100k']

plt.xticks(tick_val,tick_lab)

plt.text(1550,73,'印度阿三')
plt.text(5700,81,'天朝上国')# 很想知道，这个坐标是怎么确定的，是估计吗？还是根据印度的gdp和人均寿命的数字确定的呢？ 问题。

plt.grid(True)  #grid就是网格的意思。
plt.show()

output_33_0.png

我配的颜色，没有fish配得好看。 审美上差点。

作业

绘制人均GDP数据的直方图，要求

1. 设置图片标题和坐标轴名称
2. 只显示人均GDP在2万美元以内的数据
3. 设置区间数bins为30
4. 颜色设置成绿色

参考：matplotlib中直方图函数hist的说明文档：
https://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.hist

df.head()

df_poor = df[df.GDP<2e4]
df_poor.head()

df_poor = df[df.GDP<2e4]
plt.hist(df_poor.GDP,bins=30,rwidth=0.85,color = 'green')
plt.show()

output_38_0.png