(2.7)--7.数据可视化概述Python程序设计基础.pdf

《(2.7)--7.数据可视化概述Python程序设计基础.pdf》由会员分享，可在线阅读，更多相关《(2.7)--7.数据可视化概述Python程序设计基础.pdf（24页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数据可视化概述一、数据可视化数据可视化是科学和艺术的结合，主要目的是通过图形的方法清楚地、有效地表达和传递信息，其次可以发现数据背后的价值，激励使用者参与和注意，同时支持分析，揭示比较信息和因果信息。数据可视化可以使复杂的数据关系变得容易理解，能够快速理清逻辑，抓住重点，发现更多数据中隐藏的价值，同时能够从更多角度和层次分析数据。数据可视化流程的基本步骤包括“确定分析目标收集数据数据处理数据分析可视化呈现结论建议”。可以将数据可视化基本流程中的主要内容分成三大部分：采集、处理和分析，其中最重要的是分析部分。数据可视化主要通过编程和非编程两类工具实现。主流编程工具包括三种类型：从艺术角度创作的数

2、据可视化，比较典型的工具如 Processing；从统计和数据处理角度，既可以做数据分析，又可以做图形处理，如 R，SAS；介于两者之间的工具，既要兼顾数据处理，又要兼顾展现效果，如 D3.js、Echarts.js。Python 有多个数据可视化库，可分为探索式可视化库和交互式可视化库。探索式可视化库，最大的优势在于不受数据模型的限制，通过探索式分析和可视化，快速发现数据中存在的特点。Python 探索式可视化库主要包括 matplotlib、seaborn、pyecharts 等。交互式可视化库，可以用交互的方式深入图表和图形的具体细节，呈现出不同的数据，Python 交互式可视化库主要包

3、括 bokeh、holoViews、plotly、pygal、ggplot、plotnine 等。二、matplotlib 数据可视化1.matplotlib 安装和导入matplotlib 是 Python 数据可视化的基础，熟练运用 matplotlib 是数据可视化工程师的必备技能。安装 matplotlib：步骤一：打开 cmd 命令窗口，在提示符下查看当前 Python 环境中是否安装matplotlib 库：C:UsersAdministratorpython m pip list步骤二：如果输出结果中包含有 matplotlib，则说明已安装，否则需要利用pip 工具进行安装，安

4、装命令为：C:UsersAdministratorpip install matplotlib导入 matplotlib：绘制图表前需要首先导入 matplotlib 库，执行语句如下：import matplotlib.pyplot as plt一般情况下，在绘图之前需要设置中文显示，负号显示，执行语句如下：#使图表中能够正常显示中文plt.rcParamsfont.sans-serif=SimHei#使图表中能够正常显示负号plt.rcParamsaxes.unicode_minus=False2.图表创建（1）导入数据利用列表构造 x_data、y_data 数据，示例代码如下：x_da

5、ta=2011,2012,2013,2014,2015,2016,2017y_data=58000,60200,63000,71000,84000,90500,107000（2）绘制图表将 x_data 作为 x 轴数据，y_data 作为 y 轴数据，绘制折线图，示例代码如下：plt.plot(x_data,y_data)#绘制折线图plt.show()#显示绘制的图表运行结果如图 1 所示：图 1 绘制折线图（3）增加图表基本修饰添加标题、图例、坐标轴标签和对应的数字注释等内容，示例代码如下：plt.plot(x_data,y_data,label=收入额,marker=o)plt.tit

6、le(逐年收入变化曲线)plt.xlabel(年份)plt.ylabel(收入额（万元）)for a,b in zip(x_data,y_data):plt.text(a,b,b,ha=center,va=bottom)plt.grid()plt.legend()plt.savefig(salesbak.png,dpi=1200)plt.show()运行结果如图 2 所示：图 2 图表修饰3.常用图表修饰（1）标题title()方法用于设置图表标题，语法如下：matplotlib.pyplot.title(label,fontdict=None,loc=None,pad=None,*kwarg

7、s)其中，参数 label 用来设置待显示的标题，示例代码如下：import matplotlib.pyplot as pltplt.rcParamsfont.sans-serif=SimHeiplt.title(逐年收入变化曲线)plt.show()参数 fontdict 用来设置字体属性的字典型参数，如表 1 所示。表 1 字典型参数 fontdict 的可选设置内容示例代码如下：newFontStyle=family:serif,style:italic,weight:normalplt.title(This is a figure!,fontdict=newFontStyle)plt.

8、show()参数 loc 用于指定标题所在的位置，可选位置为“center”，“left”和“right”，默认为“center”。参数 pad 用于指定标题相对于图表框的距离，以磅为单位。（2）坐标轴标签xlabel()和 ylabel()方法分别用来设置 x 轴和 y 轴的标签，语法如下：matplotlib.pyplot.xlabel(xlabel,fontdict=None,labelpad=None,*kwargs)matplotlib.pyplot.ylabel(ylabel,fontdict=None,labelpad=None,*kwargs)参数 xlabel 和 ylabe

9、l 分别用来设置标签的名称，若希望设置标签的颜色、字体、距轴边界的间距等，可在调用该方法时指定 fontdict、labelpad 等。（3）坐标轴刻度xticks()和 yticks()方法分别用来设置 x 轴和 y 轴的刻度，语法如下：matplotlib.pyplot.xticks(ticks=None,labels=None,*kwargs)matplotlib.pyplot.yticks(ticks=None,labels=None,*kwargs)参数 ticks 用于指定坐标轴的刻度位置，labels 用于指定对应位置上的标签，ticks 和 labels 都应该是一个数组，且数

10、组的长度应保持一致，示例代码如下：plt.xticks(0,1,2,一月,二月,三月)plt.show()xlim()和 ylim()方法分别用来指定 x 轴和 y 轴的刻度范围，语法如下：matplotlib.pyplot.xlim(*args,*kwargs)matplotlib.pyplot.ylim(*args,*kwargs)通过一个元组指定刻度的下限和上线，示例代码如下：left=20right=50plt.xlim(left,right)plt.show()tick_params()方法用于设置/更改刻度线、刻度标签和网格线的外观，语法如下：matplotlib.pyplot.t

11、ick_params(axis=both,*kwargs)字典型参数 kwargs 包含多种选择，具体如表 2 所示。表 2 字典型参数 kwargs 的可选设置内容（4）图例legend()方法用于向图表中添加图例，语法如下：matplotlib.pyplot.legend(*args,*kwargs)示例代码如下：x=400y=600plt.plot(x,y,label=预计销售额)plt.legend()plt.show()legend()方法中最为重要的参数就是 loc，参数 loc 用于控制图例在图表中的位置，默认为最佳位置，可选值如表 3 所示。表 3 loc 参数的可选设置内容（

12、5）线条和标记折线图中的线条和标记是在 plt.plot()中用相关参数来设置的，常用参数如表4 所示。颜色 color 参数，可以设置表 5 所示 8 种颜色。还可用 16 进制字符串、RGB 或 RGBA 元组来指定颜色，如红色表示为“#FF0000”，绿色表示为“#00FF00”，蓝色表示为“#0000FF”等。线型 linestyle 参数，共有四种选择：“-”或“solid”表示实线，“-”或“dashed”表示双划线，“:”或“dotted”表示虚线，“:.”或“dash-dot”表示点画线。参数 linewidth 用于设置线宽，以磅为单位。表 4 参数设置内容表 5 常用颜色标

13、记参数 marker，常用设置如表 6 所示。参数 markersize 用于设置标记大小，以点(point)为单位。参数 alpha 用于设置透明度，在 0-1 之间取值，默认值 1表示不透明，值越小，透明度越高。表 6 标记 marker 的可选设置内容（6）网格线grid()方法用于在图表中网格线的输出或关闭，语法如下：matplotlib.pyplot.grid(b=None,which=major,axis=both,*kwargs)参数 b 用于控制网格线的输出，True 表示输出网格线，False 表示关闭网格线。在 b 参数缺失的情况下，调用 grid()会切换网格线的可见性。

14、参数 which 用于指定待设置/更改的网格线，可选值为major，minor和both，分别对应主要、次要和所有网格线。参数 axis 用于指定待设置/更改的轴，可选值为x、y和both，分别对应 x轴、y 轴和所有轴。参数 kwargs 用于设置/更改网格线的颜色、线性、线宽、透明度等属性，具体可参考 matplotlib 发行文档。（7）注释matplotlib 对图表内容的注释有两种，即无指向型注释和指向型注释，分别利用 text()和 annotate()方法实现。1）无指向型注释设置语法如下：matplotlib.pyplot.text(x,y,s,fontdict=None,wi

15、thdash=False,*kwargs)其中，参数 x 和 y 用于指定注释文本的位置，参数 s 是具体的注释文本内容，fontdict 用于设置注释文本的文字属性。示例代码如下：plt.text(x,y,这是一段注释,fontsize=12,ha=center)2）指向型注释指向型注释除注释文本之外还需要一个箭头指向注释的目标，相对于无指向型注释多了箭头的信息，如箭头所指向的位置，箭头的样式和形状等。设置语法如下：matplotlib.pyplot.annotate(s,xy,xytext,xycoords,textcoords,ha,va,arrowprops,*kwargs)程序代码如

16、下：import matplotlib.pyplot as pltx=2011,2012,2013,2014,2015,2016,2017y=58000,60200,63000,71000,84000,90500,107000plt.rcParamsfont.sans-serif=SimHeiplt.plot(x,y,label=收入额,marker=o,markersize=4,alpha=0.6,color=g)#图表修饰plt.title(逐年收入变化曲线,fontsize=12,color=r,fontstyle=oblique,weight=bold,pad=10)plt.xlabe

17、l(年份)plt.ylabel(收入额（万元）)for a,b in zip(x,y):plt.text(a,b,b,ha=center,va=bottom)plt.grid(linewidth=0.5,color=#FA6956,alpha=0.4)plt.legend()plt.annotate(收 入 最 好 的 年 份,xy=(6,y6),xytext=(2,90000),arrowprops=dict(arrowstyle=-,connectionstyle=arc3),bbox=dict(boxstyle=sawtooth,fc=w,ec=k)plt.savefig(pic3.pn

18、g,dpi=1200)plt.show()代码运行结果如图 5 所示。图 5 图标注释修饰结果图三、绘制常用图表1.绘制柱形图（1）垂直柱形图绘制柱形图使用 plt.bar()方法，与折线图相比其参数稍有变化，增加了柱形的宽度 width 等属性，其他其他参数设置不变。程序代码 如下：import matplotlib.pyplot as pltx=2011,2012,2013,2014,2015,2016,2017y=58000,60200,63000,71000,84000,90500,107000plt.rcParamsfont.sans-serif=SimHeiplt.bar(x,y,

19、label=收入额)plt.title(逐年收入变化)plt.xlabel(年份)plt.ylabel(收入额（万元）)for a,b in zip(x,y):plt.text(a,b,b,ha=center,va=bottom)plt.grid()plt.legend()plt.savefig(pic4.png,dpi=1200)plt.show()代码运行结果如图 6 所示。图 6 垂直柱形图bar()方法语法如下：matplotlib.pyplot.bar(x,height,width=0.8,bottom=None,*,align=center,data=None,*kwargs)其中

20、，x 用于设置 x 轴信息。height 用于设置柱形的高度。width 用于设置柱形的宽度，默认为 0.8。bottom 用于设置柱形的起始位置。align 用于设置柱形的中心位置，可选值为center和edge，默认为center：将柱形置于 y 位置的中心；edge：将柱形的左边缘与 y 位置对齐。color 用于设置柱形的颜色。edgecolor 用于设置柱形边框的颜色。linewidth 用于设置柱形边框的线宽。log 用于设置 y 轴是否为对数形式表示，默认为 False。orientation 用于设置柱形是竖直的还是水平的，可选值为vertical和horizontal，默认为

21、vertical。（2）水平条形图matplotlib 可用两种方法绘制水平条形图，第一种是调用 bar()并在参数中设置 orientation 为horizontal，还可以调用 barh()方法绘制。使用 bar()方法绘制水平条形图，程序代码如下：import matplotlib.pyplot as pltx=58000,60200,63000,71000,84000,90500,107000y=2011,2012,2013,2014,2015,2016,2017plt.rcParamsfont.sans-serif=SimHeiplt.bar(x=0,height=0.8,widt

22、h=x,bottom=y,orientation=horizontal,label=收入额)plt.title(逐年收入变化)plt.xlabel(收入额（万元）)plt.ylabel(月份)for a,b in zip(x,y):plt.text(a,b,a,ha=left,va=center)plt.grid()plt.legend()plt.savefig(pic5.png,dpi=1200)plt.show()代码运行结果如图 7 所示。图 7 水平柱形图（3）组合图表若希望在一副图表中显示两个数据指标进行对比，只需调用两次 bar()即可，但需要注意两种数据的柱形的宽度和起始位置的设

23、置，程序代码如下：import numpy as npimport matplotlib.pyplot as pltx=2011,2012,2013,2014,2015,2016,2017y=58000,60200,63000,71000,84000,90500,107000y2=55700,60200,65500,73800,81500,92500,104500plt.rcParamsfont.sans-serif=SimHeiplt.bar(np.arange(len(x),y,label=地区一收入,width=0.2)plt.bar(np.arange(len(x)+0.2,y2,la

24、bel=地区二收入,width=0.2)plt.title(逐年收入变化)plt.xlabel(年份)plt.ylabel(收入额（万元）)for a,b,c in zip(np.arange(len(x),y,y2):plt.text(a,b,b,ha=center,va=bottom,alpha=0.6,fontsize=8)plt.text(a,c,c,ha=center,va=bottom,alpha=0.6,fontsize=8)plt.xticks(np.arange(len(x),x)plt.grid()plt.legend()plt.savefig(pic6.png,dpi=1

25、200)plt.show()代码运行结果如图 8 所示。图 8 双柱形图2.绘制饼图（1）饼图绘制饼图使用 plt.pie()方法，程序代码如下：import matplotlib.pyplot as pltplt.rcParamsfont.sans-serif=SimHeix=博士,硕士,本科,专科,其他y=12,21,25,5,2ex=0,0,0.1,0,0clst=red,blue,magenta,green,orangeplt.pie(x=y,labels=x,autopct=%.0f%,explode=ex,colors=clst)plt.title(学历情况分析)plt.savef

26、ig(pic7.png,dpi=1200)plt.show()代码运行结果如图 9 所示。图 9 饼图上例代码中，y 和 x 分别为“人数”和“学历”列的数据，将分别在 plt.pie()中作为饼图中的数据源列表和标签列表，clst 用于自定义子饼的颜色。参数 autopct 用于控制饼图内所显示数值的百分比格式，若希望保留两位小数则应改为“%.02f%”pie()方法语法如下：matplotlib.pyplot.pie(x,explode=None,labels=None,colors=None,autopct=None,pctdistance=0.6,shadow=False,labeld

27、istance=1.1,tartangle=None,radius=None,counterclock=True,wedgeprops=None,textprops=None,center=(0,0),frame=False,rotatelabels=False,hold=None,data=None)其中，x 用于设置待绘图的源数据。explode 用于突出显示某一块或几块，exp=0,0.1,0,0,0表示第二块子饼距离圆心的距离为 0.1，其他部分紧靠圆心。pctdistance 用于设置百分比标签和圆心的距离。labeldistance 用于设置标签和圆心的距离。startangle

28、用于设置饼图的初始角度，从 x 轴开始逆时针开始偏移的角度。center 用于设置饼图的圆心的位置坐标。radius 用于设置饼图的半径。counterclock 用于设置是否为逆时针方向,False 表示顺时针方向。wedgeprops 用于设置饼图内外边界的属性值，如 wedgeprops=linewidth:3,width:0.5,edgecolor:w。textprops 用于设置文本标签的属性值，如 textprobs=dict(color=b)或者textprobs=color:b 表示标注文字的颜色是蓝色。frame 用于设置是否显示饼图的圆圈,1 为显示圆圈shadow:boo

29、l 是否添加阴影。（2）环图matplotlib中通过设置pie()的参数radius和wedgeprops即可方便地绘制环形图，如上例程序代码修改为：import matplotlib.pyplot as pltplt.rcParamsfont.sans-serif=SimHeix=博士,硕士,本科,专科,其他y=12,21,25,5,2ex=0,0,0.1,0,0clst=red,blue,magenta,green,orangeplt.pie(x=y,labels=x,autopct=%.0f%,explode=ex,colors=clst,pctdistance=0.8,labeldi

30、stance=1.08,startangle=180,radius=1.2,counterclock=False,wedgeprops=width:0.5,linewidth:1,edgecolor:white)plt.title(学历情况分析)plt.savefig(pic8.png,dpi=1200)plt.show()运行结果如图 10 所示。图 10 环形图3.绘制散点图（1）散点图散点图可以反映两个变量间的相关关系，matplotlib 库中使用 scatter()函数来绘制散点图。scatter()方法语法如下：matplotlib.pyplot.scatter(x,y,s=20,

31、c=None,marker=o,cmap=None,norm=None,vmin=None,vmax=None,alpha=None,linewidths=None,edgecolors=None)其中，x：指定散点图的 x 轴数据；y：指定散点图的 y 轴数据；s：指定散点图点的大小，默认为 20，通过传入新的变量，实现气泡图的绘制；c：指定散点图点的颜色，默认为蓝色；marker：指定散点图点的形状，默认为圆形；cmap：指定色图，只有当 c 参数是一个浮点型的数组的时候才起作用；norm：设置数据亮度，标准化到 01 之间，使用该参数仍需要 c 为浮点型的数组；min、vmax：亮度设置

32、，与 norm 类似，如果使用了 norm 则该参数无效；alpha：设置散点的透明度；linewidths：设置散点边界线的宽度；edgecolors：设置散点边界线的颜色。程序代码如下：import numpy as npimport matplotlib.pyplot as pltplt.rcParamsfont.sans-serif=SimHeix=np.random.rand(50)y=np.random.rand(50)*50plt.scatter(x,y)plt.title(散点图)plt.savefig(pic9.png,dpi=1200)plt.show()上述代码中，np.

33、random.rand(50)用于产生 50 个服从“01”均匀分布的随机样本值，随机样本取值范围是0,1)。plt.scatter(x,y)用于绘制坐标为(x,y)的散点图。代码运行结果如图 11 所示。图 11 散点图（2）气泡图调用 scatter()时可用参数 c 控制产生的散点的颜色，参数 s 控制散点的面积，marker 控制散点的形状，vmin 和 vmax 控制散点的亮度等，程序代码如下：import numpy as npimport matplotlib.pyplot as pltplt.rcParamsfont.sans-serif=SimHeix=np.random.r

34、and(50)y=np.random.rand(50)*50plt.title(气泡图)param=para=(40*np.random.rand(50)*2plt.scatter(x,y,s=para,c=para,alpha=0.5,marker=p)plt.savefig(pic10.png,dpi=1200)plt.show()代码运行结果如图 12 所示。图 12 气泡图4.绘制雷达图绘制雷达图需要使用极坐标系，极坐标系包含极点、极轴、极径和极角。绘制雷达图可通过调用 plt.polar()实现，其语法如下：matplotlib.pyplot.polar(theta,r,*kwarg

35、s)theta 为点的角坐标，以弧度单位传入参数，polar()用弧度而不是角度，弧度单位缩写为 rad；r 为点的半径坐标；*kwargs：可选项。程序代码如下：import numpy as npimport matplotlib.pyplot as pltplt.rcParamsfont.sans-serif=SimHeirList=78,80,85,70,75labelList=基础知识,社交能力,学习能力,服务意识,团队合作N=len(rList)thetaList=np.linspace(0,2*np.pi,N,endpoint=False)plt.polar(thetaList,

36、rList,label=labelList,marker=o,color=r)plt.title(毕业学生水平,fontsize=12)plt.ylim(0,100,20)plt.savefig(pic11.png,dpi=1200)plt.show()代码运行结果如图 13 所示。图 13 未封闭雷达图5.绘制箱线图箱线图（箱型图）主要用于分析数据内部整体的分布状态或分散状态，如数据上限、下限、各分位数和异常值等。箱线图统计学知识如下：上相邻值：距离上限值最近的值须线：上下分位数各自与上下相邻值的距离上四分位数（Q1)：一组数据按顺序排列，从小至大第 25%位置的数值中位数：一组数据按顺序排

37、列，从小至大第 50%位置的数值中位线（IQR）：Q3-Q1 上四分位数至下四分位数的距离下四分位数（Q3）：一组数据按顺序排列，从小至大第 75%位置的数值下相邻值：距离下限值最近的值上限值：Q1-1.5IQR下限值：Q3+1.5IQR离群值（异常值）：一组数据中超过上下限的真实值。在 matplotlib 中绘制箱线图需要调用 boxplot()，该函数的参数较多，常用参数说明如下：x：指定要绘制箱线图的数据；notch：是否是凹口的形式展现箱线图，默认非凹口；sym：指定异常点的形状，默认为+号显示；vert：是否需要将箱线图垂直摆放，默认垂直摆放；whis：指定上下须与上下四分位的距离

38、，默认为 1.5 倍的四分位差；positions：指定箱线图的位置，默认为0,1,2；widths：指定箱线图的宽度，默认为 0.5；patch_artist：是否填充箱体的颜色；meanline：是否用线的形式表示均值，默认用点来表示；showmeans：是否显示均值，默认不显示；showcaps：是否显示箱线图顶端和末端的两条线，默认显示；showbox：是否显示箱线图的箱体，默认显示；showfliers：是否显示异常值，默认显示；boxprops：设置箱体的属性，如边框色，填充色等；labels：为箱线图添加标签，类似于图例的作用；filerprops：设置异常值的属性，如异常点的形

39、状、大小、填充色等；medianprops：设置中位数的属性，如线的类型、粗细等；meanprops：设置均值的属性，如点的大小、颜色等；capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等；whiskerprops：设置须的属性，如颜色、粗细、线的类型等。示例代码中用随机函数生成 4 组数字，基于这 4 组数字绘制 4 幅箱线图，没有任何修饰元素，程序代码如下：import numpy as npimport matplotlib.pyplot as pltplt.rcParamsfont.sans-serif=SimHeidataList=np.random.normal(0,s,100)for s in range(1,5)plt.boxplot(dataList)plt.title(箱线图,fontsize=12)plt.savefig(pic13.png,dpi=1200)plt.show()代码运行结果如图 18 所示。图 18 箱线图