Python数据可视化的3大步骤,你知道吗?
数据分析1480
共 5119字,需浏览 11分钟
·
2022-06-28 11:57
Python实现可视化的三个步骤:
确定问题,选择图形 转换数据,应用函数 参数设置,一目了然
点:scatter plot 二维数据,适用于简单二维关系; 线:line plot 二维数据,适用于时间序列; 柱状:bar plot 二维数据,适用于类别统计; 颜色:heatmap 适用于展示第三维度;
合并:merge,concat,combine_frist(类似于数据库中的全外连接) 重塑:reshape;轴向旋转:pivot(类似excel数据透视表) 去重:drop_duplicates 映射:map 填充替换:fillna,replace 重命名轴索引:rename
#导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#创建画布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#创建subplot,221表示这是2行2列表格中的第1个图像。
ax1 = fig.add_subplot(221)
#但现在更习惯使用以下方法创建画布和图像,2,2表示这是一个2*2的画布,可以放置4个图像
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey参数可以指定所有的subplot使用相同的x,y轴刻度。
subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)
plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
[<matplotlib.lines.Line2D at 0x8c919b0>]
plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim() #不带参数调用,显示当前参数;
#可将xlim替换为另外两个方法试试
(-1.4500000000000002, 30.45)
plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim([0,15]) #横轴刻度变成0-15
(0, 15)
fig = plt.figure();ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
ticks = ax.set_xticks([0,250,500,750,1000]) #设置刻度值
labels = ax.set_xticklabels(['one','two','three','four','five']) #设置刻度标签
ax.set_title('My first Plot') #设置标题
ax.set_xlabel('Stage') #设置轴标签
Text(0.5,0,'Stage')
fig = plt.figure(figsize=(12,5));ax = fig.add_subplot(111)
ax.plot(np.random.randn(1000).cumsum(),'k',label='one') #传入label参数,定义label名称
ax.plot(np.random.randn(1000).cumsum(),'k--',label='two')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')
#图形创建完后,只需要调用legend参数将label调出来即可。
ax.legend(loc='best') #要求不是很严格的话,建议使用loc=‘best’参数来让它自己选择最佳位置
<matplotlib.legend.Legend at 0xa8f5a20>
plt.plot(np.random.randn(1000).cumsum())
plt.text(600,10,'test ',family='monospace',fontsize=10)
#中文注释在默认环境下并不能正常显示,需要修改配置文件,使其支持中文字体。具体步骤请自行搜索。
fname:含有文件路径的字符串,拓展名指定文件类型 dpi:分辨率,默认100 facecolor,edgcolor 图像的背景色,默认‘w’白色 format:显示设置文件格式('png','pdf','svg','ps','jpg'等) bbox_inches:图表需要保留的部分。如果设置为“tight”,则将尝试剪除图像周围的空白部分
plt.savefig('./plot.jpg') #保存图像为plot名称的jpg格式图像
<Figure size 432x288 with 0 Axes>
import matplotlib.pyplot as plt
s = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot() #Series对象的索引index会传给matplotlib用作绘制x轴。
<matplotlib.axes._subplots.AxesSubplot at 0xf553128>
df = pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'])
df.plot() #plot会自动为不同变量改变颜色,并添加图例
<matplotlib.axes._subplots.AxesSubplot at 0xf4f9eb8>
label:用于图表的标签 style:风格字符串,'g--' alpha:图像的填充不透明度(0-1) kind:图表类型(bar,line,hist,kde等) xticks:设定x轴刻度值 yticks:设定y轴刻度值 xlim,ylim:设定轴界限,[0,10] grid:显示轴网格线,默认关闭 rot:旋转刻度标签 use_index:将对象的索引用作刻度标签 logy:在Y轴上使用对数标尺
subplots:将各个DataFrame列绘制到单独的subplot中 sharex,sharey:共享x,y轴 figsize:控制图像大小 title:图像标题 legend:添加图例,默认显示 sort_columns:以字母顺序绘制各列,默认使用当前顺序
fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(10),index=list('abcdefghij'))
data.plot(kind='bar',ax=axes[0],rot=0,alpha=0.3)
data.plot(kind='barh',ax=axes[1],grid=True)
<matplotlib.axes._subplots.AxesSubplot at 0xfe39898>
评论