文科生学Python系列14: matplotlib绘图／sea

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

平时要做好一些收藏，余老师平时用的是印象笔记。把学习时需要收藏的内容和笔记收集起来，需要的时候善用搜索功能就能快找到自己需要的资料了。

有同学问到怎么找图表的例子，老师推荐的网站： matplotlib.org 。

绘制多图

在同一幅图中，分别绘制top10公司的销售总额和交易次数的条形图

绘制基础底图

在课程上就被这个定义惊呆了，ax1=fig.add_subplot(121) 里面的 121 竟然表示的是：1行2列的第一个图！

Python语法真是简洁到没有人性。

上图中，左边是ax1，右边是ax2。

绘制图表

上图就开始绘制图表内容了，ax1 是销售额前十的公司，ax2 是交易量。 因为这两幅图纵坐标都是一样的，为公司名，为了美观，可以把右图纵坐标名隐藏起来了:

plt.yticks(visible=False)隐藏右图列名

不过这里有一个问题没有明白，plt.yticks(visible=False) 中这个句子没有标明自己是左图还是右图，它怎么就知道是右图隐藏列名，而不是左图呢？

接下来添加的是，要是我们需要在图中添加 交易平均总额，和在右图中绘制 交易平均次数 的均值，作为一条线表达在图中，怎么做：

平均线和标题

首先是要计算出数值，用mean的方法求出交易平均总额：revenue_average=top10.Sales.mean( )，同样需要求出交易平均次数 ：purchases_average=top10.Purchases.mean( )。然后用 avxline 的方法画出图中的竖线，上面两个图的竖线都是表示平均值。

最后对图进行标题的添加和定义： fig.suptitle(' Sales Analysis', fontsize=14, fontweight='bold')

我这里有点明白上一个我的问题，“plt.yticks(visible=False) 中这个句子没有标明自己是左图还是右图，它怎么就知道是右图隐藏列名，而不是左图呢？”因为“不显示y轴刻度”这一项在第二个子图下面编辑的，应该里面是有个默认的先后顺序的。

其他图形

饼图

销售额 top10 公司中，销售总额占比的饼图

饼图

给饼图中每一份小饼命名，用labels=top10.name 来表示。用autopct表示面积占比，‘%1.1f%%' 表示用浮点的形式显示，保留一位小数。最后两个%，是由于在python中的%有特殊的含义，所以要是想要在字符形式表示百分号，就要在代码写2个% 。

这个图看起来有点扁，老师用一个语句改变它：

plt.axis('equal')

plt.axis('equal') ，让横坐标和纵坐标相等。

散点图

销售额 top10 公司中，总的销售额和交易数量的关系

散点图

这里用scatter函数，这里有两个参数，参数 x 是交易数量，参数 y 是销售总额。

直方图

对于所有的交易，单笔交易总价的分布情况

直方图

传递的数据就是交易的额度 ext price 。可以设置直方图中每一根柱子的宽度，这样可以使整个图看起来更清晰些，rwidth=0.9。用bins参数把区间个数设置成20，这样柱子就变得更多了。

这个直方图和我们之前画的条形图非常相似，他们的区别在于：直方图一般用于绘制连续的变量，条形图用于绘制离散的变量。

小结

通过上述例子我们可以看到matplotlib几乎可以控制一切想控制的细节

最好的学习方法是通过阅读不同的作图代码来丰富自己的工具箱

我们需要贯彻用以致学的思想来提高自己的画图技能，即需要什么样的图时去学习什么样的方法，因为画图选项纷繁复杂，没有必要记住所有选项。

老师说其实绘制图形并没有那么难，首先绘制底图，然后在上面加各种细节和自己需要的定义，有空多看看官网的例子，看看专业的人是怎么一步一步用代码敲出各种各样的图表的。看多了就熟练了。

额。。。我看到老师用jupyter notebook来输出markdown，说是可以输出之后直接在简书上写文章！！！？

Python数据可视化模块—Seaborn

matplotlib是python的主要绘图工具，但其自身的语法比较复杂

Seaborn是基于matplotlib产生的一个模块，专攻于统计可视化

可以和pandas进行无缝链接，初学者使用Seaborn更容易上手

Seaborn和matplotlib的关系类似于pandas和numpy的关系。

回顾鸢尾花的案例

鸢尾花案例

这里再次导入鸢尾花的数据。这个表格的数据表达了不同品种鸢尾花花瓣和花萼的长度和宽度。接下来就可用seaborn来画图了。

绘制花瓣长度和宽度关系的散点图，并用品种划分数据

散点图

我们得到的这个图，长度和宽度的散点颜色是一样的，所以区分度不是很明显。那我们用seaborn做图的效果怎么样呢：

seaborn绘制

这里代码里面的 FacetGrid 对象是用来连接 pandas DataFrame 到一个有着特别结构的 matplotlib 图像，简单来说，就是把鸢尾花数据映射到scatter散点图中。第一行代码的最后的斜杠，表示其实两行是一行代码，是连接在一起的。

老师说这个图看起来有点小，数据点都要糊掉了，所以用size 参数把图表改大：

散点图

hue 这个参数可以对数据进行分组，这里将 'species‘ 品种作为分组的依据，运行就能得到以不同品种数据来分组得到的散点图。为了更清晰显示哪种颜色对应的是哪个品种，用图例 add_legend( ) 这个语句实现右边小字的说明，不同的颜色代表不同的鸢尾花数据。

和上节课相比，发现区别了吗？这个只用一行代码就能替换掉上节课六行代码的效果！！！！

节省时间有木有！！

增加生命长度有木有！！！

根据品种划分的花萼宽度的箱线图

箱线图

x轴是品种，直接的赋值就是数据中的品种的名称，y 轴花萼的宽度。我们得到的是三个关于花萼宽度的箱线图，回顾一下箱图的含义：中间箱子那条线，代表的是中位数所在的位置，箱子的上下两端分别是75%和25%的两个四分位数，一般来说，最底端和最上端的两条线分别代表的是最小值和最大值。所以这里的最小值和最大值会有例外，就像右图红色箱图，由于最小值和最大值相隔比较远，所以那两条线并不是一般情况，因为箱图的最高最低线之间是有一个比例的范围的，超过范围的称为离群值，就是用上下那两个小点来表示的。

通过绘制箱线图，可以了解数据分布的整体情况，以及是否存在离群值。

多变量图

用于快速观察各个变量的分布，及其之间的关系

代码 运行代码

上面两个图其实是一个图，内容太满屏，用两张图表达。多变量图可以快速表现出数据之间每两个关系之间的变量关系。这里的hue参数和上面一样，可以用来划分数据，同样的，这里使用品种 species 来划分数据。一行代码，得到了类似于矩阵的图表。

横轴和纵轴分别对应的是四个变量，像X轴分别是花萼的长度／宽度，和花瓣的长度／宽度。在对角线上是直方图，表示的是四个变量的分布。非对角线表现的是某两个数据之间关系的散点图。通过快速绘制这样的散点图，可以方便我们观察数据，并且找出其中的规律，为后面的分析做铺垫。

作业7-2：

模仿上述例子，画出花萼宽度和长度的散点图，使用品种划分数据

模仿上述例子，画出花萼的长度的箱线图，使用品种划分数据

选做作业：波士顿房价数据的可视化

更多信息请查看 http://archive.ics.uci.edu/ml/datasets/Housing

变量名字解释:

CRIM: per capita crime rate by town 犯罪率

ZN: proportion of residential land zoned for lots over 25,000 sq.ft. 后院面积大于25000平方英尺的比例

INDUS: proportion of non-retail business acres per town

CHAS: Charles River dummy variable (= 1 if tract bounds river; 0 otherwise) 是否靠近查尔斯河

NOX: nitric oxides concentration (parts per 10 million) nitric oxides浓度

RM: average number of rooms per dwelling

AGE: proportion of owner-occupied units built prior to 1940

DIS: weighted distances to five Boston employment centres

RAD: index of accessibility to radial highways

TAX: full-value property-tax rate per \$10,000

PTRATIO: pupil-teacher ratio by town

B: 1000(Bk - 0.63)^2 where Bk is the proportion of blacks by town

LSTAT: % lower status of the population 下层经济阶层百分比

MEDV: Median value of owner-occupied homes in $1000's

这期更新晚了点。。。明晚上课哦！