第一课 欢迎来到数据可视化世界

---

实际上，第三专题已经介绍了数据可视化的一些知识，当时是基于seaborn来介绍的，本专题主要使用pandas的一些可视化工具以及seaborn另外一些方法来进行分析。

第一课强调了可视化对于数据分析的重要性，在开始本专题学习之前必须掌握一些pandas的基础知识，如果不了解请移步专题一
)和专题五。

---

第二课 用pandas画单变量图

---

1.条形图和分类数据

(reviews['province'].value_counts().head(10) / len(reviews)).plot.bar()

条形图
2.线形图

reviews['points'].value_counts().sort_index().plot.line()

线形图
- 能用条形图就尽量不要用线形图
- 学会使用百分比
3.面积图

reviews['points'].value_counts().sort_index().plot.area()

面积图
4.直方图

reviews[reviews['price'] < 200]['price'].plot.hist()

直方图

---

第三课 用pandas画二元变量图

---

5.散点图

reviews[reviews['price'] < 100].sample(100).plot.scatter(x='price', y='points')

散点图
Note that in order to make effective use of this plot, we had to downsample our data, taking just 100 points from the full set. This is because naive scatter plots do not effectively treat points which map to the same place. For example, if two wines, both costing 100 dollars, get a rating of 90, then the second one is overplotted onto the first one, and we add just one point to the plot.
This isn't a problem if it happens just a few times. But with enough points the distribution starts to look like a shapeless blob, and you lose the forest for the trees
散点图适用于数据量较小，特征分类多的数据。

6.六角图

reviews[reviews['price'] < 100].plot.hexbin(x='price', y='points', gridsize=15)

六角图
六角图克服了散点图可能存在的点覆盖问题，颜色越深代表数据越多。
7.堆积条形图

wine_counts.plot.bar(stacked=True)

堆积条形图
8.面积图

wine_counts.plot.area()

面积图
9.二元线形图

wine_counts.plot.line()

二元线形图

• A scatter plot or hex plot is good for what two types of data?
  Scatter plots and hex plots work best with a mixture of ordinal categorical and interval data.

• What type of data makes sense to show in a stacked bar chart, but not in a bivariate line chart?
  Nominal categorical data makes sense in a stacked bar chart, but not in a bivariate line chart.

• What type of data makes sense to show in a bivariate line chart, but not in a stacked bar chart?
  Interval data makes sense in a bivariate line chart, but not in a stacked bar chart.

• Suppose we create a scatter plot but find that due to the large number of points it's hard to interpret. What are two things we can do to fix this issue?
  One way to fix this issue would be to sample the points. Another way to fix it would be to use a hex plot.

---

第四课 定制你的可视化图表

---

reviews['points'].value_counts().sort_index().plot.bar()

原图如下：

原图
1.变大

reviews['points'].value_counts().sort_index().plot.bar(figsize=(12, 6))

大图
变色

reviews['points'].value_counts().sort_index().plot.bar(
    figsize=(12, 6),
    color='mediumvioletred'
)

红图
标签文字变大

reviews['points'].value_counts().sort_index().plot.bar(
    figsize=(12, 6),
    color='mediumvioletred',
    fontsize=16
)

标签文字变大
加标题

reviews['points'].value_counts().sort_index().plot.bar(
    figsize=(12, 6),
    color='mediumvioletred',
    fontsize=16,
    title='Rankings Given by Wine Magazine',
)

加标题
标题变大

import matplotlib.pyplot as plt

ax = reviews['points'].value_counts().sort_index().plot.bar(
    figsize=(12, 6),
    color='mediumvioletred',
    fontsize=16
)
ax.set_title("Rankings Given by Wine Magazine", fontsize=20)

标题变大
去掉黑框框

import matplotlib.pyplot as plt
import seaborn as sns

ax = reviews['points'].value_counts().sort_index().plot.bar(
    figsize=(12, 6),
    color='mediumvioletred',
    fontsize=16
)
ax.set_title("Rankings Given by Wine Magazine", fontsize=20)
sns.despine(bottom=True, left=True)

去黑框

---

第五课 Subplots

---

fig, axarr = plt.subplots(2, 2, figsize=(12, 8))

reviews['points'].value_counts().sort_index().plot.bar(
    ax=axarr[0][0], fontsize=12, color='mediumvioletred'
)
axarr[0][0].set_title("Wine Scores", fontsize=18)

reviews['variety'].value_counts().head(20).plot.bar(
    ax=axarr[1][0], fontsize=12, color='mediumvioletred'
)
axarr[1][0].set_title("Wine Varieties", fontsize=18)

reviews['province'].value_counts().head(20).plot.bar(
    ax=axarr[1][1], fontsize=12, color='mediumvioletred'
)
axarr[1][1].set_title("Wine Origins", fontsize=18)

reviews['price'].value_counts().plot.hist(
    ax=axarr[0][1], fontsize=12, color='mediumvioletred'
)
axarr[0][1].set_title("Wine Prices", fontsize=18)

plt.subplots_adjust(hspace=.3)

import seaborn as sns
sns.despine()

Subplot

---

第六课 用seaborn画图

---

这一课的部分内容在专题三已经介绍过，只将新内容节选出来。
10.计数图

sns.countplot(reviews['points'])

计数图

countplot与barplot相似，但是countplot不能同时输入x,y。

11.箱形图（Box-plot）又称为盒须图、盒式图或箱线图

df = reviews[reviews.variety.isin(reviews.variety.value_counts().head(5).index)]

sns.boxplot(
    x='variety',
    y='points',
    data=df
)

箱形图

12.小提琴图

sns.violinplot(
    x='variety',
    y='points',
    data=reviews[reviews.variety.isin(reviews.variety.value_counts()[:5].index)]
)

小提琴图

---

第七课 用seaborn画faceting

---

1.FaceGrid
基本工作流程是FacetGrid使用数据集和用于构造网格的变量初始化对象。然后，可以通过调用FacetGrid.map()或将一个或多个绘图函数应用于每个子集 FacetGrid.map_dataframe()。最后，可以使用其他方法调整绘图，以执行更改轴标签，使用不同刻度或添加图例等操作

df = footballers[footballers['Position'].isin(['ST', 'GK'])]
g = sns.FacetGrid(df, col="Position")
g.map(sns.kdeplot, "Overall")

faceting

简单理解就是FaceGrid中的参数表示图像分类的信息，一般会显示在图像的上边(通过设置col和row实现)。而map中的参数则是输出xlabel和ylabel，有时可能只有xlabel，它们显示在图像的下边和左边。

• FaceGrid中的还有一些参数如col_val(固定输出的列数)、hue(为某个特征设置不同的颜色)、margin_title(行变量的标题就会被绘制到最后一列的右边)、row_order(对所给命令的级别进行排序)、height(高度)、aspect(纵横比)等，详情可参考：zsffuture。
• map中的第一个参数为目标图像比如上面提到的各种bar，dist等，可以是plt的，也可以是sns的，后面参数分别是横纵坐标，对应目标图像的相关参数等。
  2.PairGrid和Pairplot
  PairGrid还允许您使用相同的绘图类型快速绘制小子图的网格，以可视化每个子图中的数据。在一个PairGrid中，每个行和列都分配给不同的变量，因此结果图显示数据集中的每个成对关系。这种情节有时被称为“散点图矩阵”，因为这是显示每种关系的最常用方式，但PairGrid不限于散点图。
  理解FacetGrid和PairGrid 之间的差异很重要。在前者中，每个方面都表现出以不同级别的其他变量为条件的相同关系。在后者中，每个图显示不同的关系（尽管上三角和下三角将具有镜像图）。

iris = sns.load_dataset("iris")
# 该数据大家应该很熟悉了，就不看数据了
g = sns.PairGrid(iris)
g.map(plt.scatter)

g = sns.PairGrid(iris, hue="species")
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter)
g.add_legend()

PairGrid

可以对上三角、下三角、对角线、非对角线进行区别作图。

pairplot默认使用散点图和直方图，但会添加一些其他类型

sns.pairplot(footballers[['Overall', 'Potential', 'Value']])

pairplot

再次强调FaceGrid和pairplot都是在seaborn中。

---

第八课 多元变量绘图

---

1.多元变量散点图

sns.lmplot(x='Value', y='Overall', hue='Position', 
           data=footballers.loc[footballers['Position'].isin(['ST', 'RW', 'LW'])], 
           fit_reg=False)

利用lmplot画多元变量图
这个没有什么新鲜的东西。
2.分组箱形图

f = (footballers
         .loc[footballers['Position'].isin(['ST', 'GK'])]
         .loc[:, ['Value', 'Overall', 'Aggression', 'Position']]
    )
f = f[f["Overall"] >= 80]
f = f[f["Overall"] < 85]
f['Aggression'] = f['Aggression'].astype(float)

sns.boxplot(x="Overall", y="Aggression", hue='Position', data=f)

分组箱形图1

可以将多个类别的箱形进行分组，比如这里将所有LW位置也考虑进去，则绘图如下：

分组箱形图2
3.Heatmap相关图
这里利用heatmap是用来画相关图。

f = (
    footballers.loc[:, ['Acceleration', 'Aggression', 'Agility', 'Balance', 'Ball control']]
        .applymap(lambda v: int(v) if str.isdecimal(v) else np.nan)
        .dropna()
).corr()

sns.heatmap(f, annot=True)

heatmap相关图
4. 平行坐标图

from pandas.plotting import parallel_coordinates

f = (
    footballers.iloc[:, 12:17]
        .loc[footballers['Position'].isin(['ST', 'GK'])]
        .applymap(lambda v: int(v) if str.isdecimal(v) else np.nan)
        .dropna()
)
f['Position'] = footballers['Position']
f = f.sample(200)

parallel_coordinates(f, 'Position')

平行坐标图

平行坐标图的变形有很多，应用比较广泛。

参考：zsffuture