[学习笔记 Day09]数据分析与应用：数据可视化

数据可视化是指将数据以图形、图像和图表的形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。

使用 Matplotlib 绘图

Matplotlib 是一个功能强大的绘图库，它里面的 pyplot 模块中封装了一系列用于绘制图表、添加和设置辅助元素的函数，可以帮助用户轻松地将数据转换为想要的图表。

import matplotlib.pyplot as plt

• plt.title(text)：设置图表标题
• plt.xlabel(text)：设置 x 轴的标题
• plt.ylabel(text)：设置 y 轴的标题
• plt.rcParams['font.sans-serif'] = ['字体名']：设置字体样式
• plt.text(x ,y ,text ,ha ,va ,fontsize)：设置柱体的数据内容
  • x：水平方向的位置
  • y：垂直方向的位置
  • ha：水平方向（居中?左对齐?右对齐?）
  • va：垂直方向（居中?上对齐?下对齐?）
• plt.legend(handles ,labels)：设置图例
  • handles：显示的图例（数组）
  • labels：根据柱体设置的柱体类别（数组）

折线图

• plt.plot(x ,y ,marker ,ms)
  • x：x 轴数据（数组类型）
  • y：y 轴数据（数组类型）
  • marker：数据点样式
    • o：圆点
    • *：星型
  • ms：数据点的大小

如果希望在一张图上绘制两段折线，可以多次调用 plot() 函数绘制

柱形图

• plt.bar(x ,y ,tick_label ,width)
  • x：x 轴数据（数组类型）
  • y：y 轴数据（数组类型）
  • tick_label：x 轴对应柱体的别名
  • width：柱体宽度
  • label：柱体类别

直方图

• plt.hist(arr ,bins ,color ,edgecolor ,alpha)
  • arr：传入的数据（数组）
  • bins：将传入的数据分成对应的份数
  • edgecolor：柱子的轮廓颜色
  • alpha：柱子颜色的透明度
  • 返回值：
    • nums：频数
    • bins：区间
    • patches：矩形对象
• plt.xticks(bins ,bins)：显示直方图的刻度值
  • bins：区间数据

散点图

• plt.scatter(x ,y ,s ,c ,edgecolor)
  • x：x 轴数据（数组类型）
  • y：y 轴数据（数组类型）
  • s：数据点的大小
  • c：数据点的颜色
  • edgecolor：数据点的轮廓颜色
• plt.grid(visible ,linewidth)：设置网格线
  • visible：是否显示网格线
  • linewidth：网格线的宽度
• plt.xlim(left ,right)：设置水平方向左右两边的预留宽度
  • left：设置左边的预留宽度
  • right：设置右边的预留宽度

使用 Seaborn 绘图

Matplotlib 是比较优秀的绘图库，但是 API 使用起来比较过于复杂，其内部有上千个函数，且每个函数都有非常多的参数。Seaborn 基于 Matplotlib 进行了更高级的封装，相比 Matplotlib 可以轻松地画出漂亮的图表，使用图表的配色更加舒服，以及图表元素的样式更加细腻。

import seaborn as sns

• sns.load_dataset(name ,data_home = 'data/seaborn-data')：加载自带的数据（加载成功后得到一个 DataFrame 对象）
  • name：数据集名称
  • data_home：表示缓存数据的目录

可视化数据的分布

• sns.displot(arr ,bins ,kind ,rug)（默认绘制直方图）
  • arr：数据（数组）
  • bins：需要将数据分成的组数
  • kind：图像类型
    • kde：平滑密度曲线图（看数据集中的地方，分布形状是否时堆成的，有没有多个峰值）
    • rug：是否在地毯图（x 轴上）上显示原始数据
• sns.jointplot(x ,y ,data)：用于绘制散点图、二维直方图、二维密度图
  • x：x 轴的数据列名，用于获取 data 中的列数据
  • y：y 轴的数据列名，用于获取 data 中的列数据
  • data：提供的数据对象
  • kind：图像的类型
    • hex：六边形图
    • kde：核密度估计图（颜色越深，数据点密度越高）
  • shade：是否填充颜色

tips = pd.DataFrame({
    'total_bill': [16.99, 10.34, 21.01, 23.68, 24.59, 25.29, 8.77, 26.88, 15.04,
                   14.78, 10.27, 35.26, 15.42, 18.43, 14.87, 21.58, 10.33, 16.29,
                   16.97, 20.65, 17.92, 20.29, 15.77, 39.42, 19.82, 17.81, 13.37,
                   12.69, 21.70, 19.65, 9.55, 18.35, 15.06, 20.69, 17.78, 24.06,
                   16.31, 16.50, 18.42, 17.65, 22.01, 18.60, 17.37, 17.40, 15.50],
    'tip': [1.01, 1.66, 3.50, 3.31, 3.61, 4.71, 2.00, 3.12, 1.96, 3.23, 1.71,
            5.00, 1.57, 3.00, 1.66, 3.50, 1.50, 3.08, 2.75, 3.35, 2.55, 3.60,
            1.50, 7.56, 2.00, 1.72, 1.57, 1.45, 4.00, 1.58, 1.50, 2.00, 1.56,
            3.09, 2.75, 3.00, 2.41, 3.00, 2.15, 2.10, 3.00, 1.51, 1.50, 2.60, 1.93],
    'sex': ['Female','Male','Male','Male','Female','Male','Male','Male','Male',
            'Male','Male','Female','Male','Male','Female','Male','Female','Male',
            'Female','Male','Male','Male','Male','Male','Male','Male','Male','Male',
            'Male','Male','Female','Male','Male','Male','Male','Female','Male','Male',
            'Male','Male','Male','Male','Male','Female','Male'][:45],
    'smoker': ['No','No','No','No','No','No','No','No','No','No','Yes','No','No','No',
               'No','No','No','No','No','No','Yes','No','Yes','No','No','No','No','No',
               'No','No','No','No','No','No','Yes','No','No','No','No','No','Yes','No',
               'No','No','No'][:45],
    'day': ['Sun','Sun','Sun','Sun','Sun','Sun','Sun','Sun','Sun','Sun','Sun','Sun',
            'Sun','Sun','Sun','Sun','Sun','Sun','Sun','Sun','Sun','Thur','Thur','Thur',
            'Thur','Thur','Thur','Thur','Thur','Thur','Thur','Fri','Fri','Fri','Fri',
            'Fri','Sat','Sat','Sat','Sat','Sat','Sat','Sat','Sat','Sat'][:45],
    'time': ['Dinner','Dinner','Dinner','Dinner','Dinner','Dinner','Dinner','Dinner',
             'Dinner','Dinner','Dinner','Dinner','Dinner','Dinner','Dinner','Dinner',
             'Dinner','Dinner','Dinner','Dinner','Dinner','Lunch','Lunch','Lunch','Lunch',
             'Lunch','Lunch','Lunch','Lunch','Lunch','Lunch','Lunch','Lunch','Lunch','Lunch',
             'Lunch','Dinner','Dinner','Dinner','Dinner','Dinner','Dinner','Dinner','Dinner',
             'Dinner'][:45],
    'size': [2, 3, 3, 2, 4, 4, 2, 4, 2, 2, 2, 2, 2, 4, 2, 2, 3, 3, 2, 2, 2, 2,
             2, 6, 2, 2, 2, 4, 4, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 2, 4, 3, 2, 3, 3][:45]
})

tips.head()

用分类数据绘图

分类数据时比较常见的数据类型，他按照现象的某种属性进行分类或分组而得到的反应事物类型的数据。

• sns.stripplot(x ,y ,data)：根据分类数据绘制散点图
  • x：x 轴的数据列名，用于获取 data 中的列数据
  • y：y 轴的数据列名，用于获取 data 中的列数据
  • data：提供的数据对象
• sns.awarmplot(x ,y ,data)：根据分类数据绘制散点图（数据点不会重叠）
  • x：x 轴的数据列名，用于获取 data 中的列数据
  • y：y 轴的数据列名，用于获取 data 中的列数据
  • data：提供的数据对象
• sns.boxplot(x ,y ,data)：箱型图
  • x：x 轴的数据列名，用于获取 data 中的列数据
  • y：y 轴的数据列名，用于获取 data 中的列数据
  • data：提供的数据对象
• sns.violinplot(x ,y ,data)：小提琴图
  • x：x 轴的数据列名，用于获取 data 中的列数据
  • y：y 轴的数据列名，用于获取 data 中的列数据
  • data：提供的数据对象
• sns.barplot(x ,y ,data)：柱形图
  • x：x 轴的数据列名，用于获取 data 中的列数据
  • y：y 轴的数据列名，用于获取 data 中的列数据
  • data：提供的数据对象
• sns.pointplot(x ,y ,data)：点图
  • data：提供的数据对象
  • y：y 轴的数据列名，用于获取 data 中的列数据
  • data：提供的数据对象

使用 Pyecharts 绘图

Pyecharts 是一个用于生成 Echarts 图表的开源库，它可以帮助用户在不了解 JavaScript 语言的情况，通过自身封装的一些方法绘制基于 JavaScript 实现的 Echarts 图表，使图表呈现出炫酷的效果。

Pyecharts 库支持绘制多种图表类型，包括基本图表（包含饼图、雷达图、词云图、漏斗图等）、直角坐标系图表、树形图表、地理图表、3D 图表、组合图表。

创建步骤：

• 创建图表类的对象
  • Pyecharts 库的 charts 模块中提供了很多封装图表功能的图标类，具体如下：

类	说明	类	说明
Line	折线图	WordCloud	词云图
PictorialBar	象形柱形图	Map	统计地图
Bar	柱形图 / 条形图	HeatMap	热力图
Scatter	散点图 / 气泡图	Funnel	漏斗图
Boxplot	箱型图	Gauge	仪表盘
Radar	雷达图	SanKey	桑基图
Pie	饼图 / 圆环图	Tree	树状图

表中所有的类都继承自 Base 基类，他们可以使用类名同名的构造方法实例化对象。例如：Bar 类的构造方法的语法格式如下：

# init_opts 参数表示初始化配置项，用于给图表指定一些通用的属性，比如背景颜色、画布大小等
Bar(init_opts = opts.InitOpts())

创建一个 Bar 类的对象，并使用默认大小的画布：

from pyecharts.charts from Bar

bar = Bar()

• 添加图表用到的数据
  • 每个图表类的内部都提供了添加图表用到的数据的方法 add() 或 add_xxx() 方法，其中直角坐标系图表类一般可以通过 add_xaxis() 或 add_yaxis() 方法添加 x 轴或 y 轴的数据。

bar.add_xaxis(['羊毛衫','衬衫','裤子','短袖','高跟鞋'，'袜子'])
bar.add_yaxis('商家 A',[5000,2000,3600,1000,9000,7500])

• 添加图表配置项
  • Pyecharts 库的 options 模块中包含众多关于制定图表组件及样式的配置项，具体如下：

类	说明	类	说明
InitOpts	初始化配置项	VisualMapOpts	视觉映射配置项
AnumationOpts	Echarts 画图动画配置项	TooltipOpts	提示框配置项
ToolBoxFeatureOpts	工具箱工具配置项	AxisLineOpts	坐标轴轴脊配置项
ToolBoxOpts	工具箱配置项	AxisTickOpts	坐标轴刻度配置项
BrushOpts	区域选择组件配置项	AxisPointerOpts	坐标轴指示器配置项
TitleOpts	标题配置项	AxisOpts	坐标轴配置项
DataZoomOpts	数据区域缩放配置项	SingleAxisOpts	单轴配置项
LegendOpts	图例配置项	GraphicGroup	原生图形元素配置项

表中的配置项，每个类都可以通过与类同名的构造方法实例化对象，例如：通过 TitleOpts 类的构造方法创建 TitleOpts 类的对象。

from pyechars import options as opts

opts.TitleOpts(title = '我是柱形图',subtitle = '我是副标题')

类	说明	类	说明
ItemStyleOpts	图元样式配置项	MarkLineOpts	标记先配置项
TextStyleOpts	文本样式配置项	MarkAreaOpts	标记区域配置项
LabelOpts	标签配置项	EffectOpts	涟漪特效配置项
LineStyleOpts	线条样式配置项	AreaStyleOpts	区域填充样式配置项
SpliteLineOpts	分割线配置项	SpliteAreaOpts	分割区域配置项
MarkPointOpts	标记点配置项	GridOpts	直角坐标系网格配置项

在表中，每个类都可以通过与类同名的构造方法实例化对象，例如：通过 LabelOpts 类的构造方法创建 LabelOpts 类的对象，生成一个标签配置项。

opts.LabelOpts(position = 'inside',color = 'white',font_size=10)

如果需要为图表添加系列配置项，则需要将系列配置项传入到 add() 或 add_xx() 的方法中。

• 渲染图表
  • 图表 Base 基类提供了渲染图表的方法，分别是 render() 和 render_notebook()，其中 render() 方法用于将图表渲染到 HTML 文件，默认为位于程序根目录的 render.html 文件；render_notebook() 方法用于将图表渲染到 Jupyter Notebook 工具中。

bar.render_notebook()

绘制柱形图

import pandas as pd
from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_NOTEBOOK

job = pd.DataFrame({
    '地区': ['北京','上海','云南','浙江','重庆','南京','天津','河北','西安','武汉'],
    '指数': [80, 90, 40, 50, 60, 89, 45, 76, 92, 89]
})

bar = (
    Bar()
    .add_xaxis(job['地区'].tolist())
    .add_yaxis('指数', job['指数'].tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title='数据分析'),
        yaxis_opts=opts.AxisOpts(name='指数', name_location='center', name_gap=35)
    )
)

bar.render_notebook()

绘制词云图

import pandas as pd
from pyecharts.charts import WordCloud
from pyecharts import options as opts
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_NOTEBOOK

job = pd.DataFrame({
    '地区': ['北京','上海','云南','浙江','重庆','南京','天津','河北','西安','武汉'],
    '指数': [80, 90, 40, 50, 60, 89, 45, 76, 92, 89]
})

bar = (
    WordCloud()
    .add('',data_pair = list(zip(job['地区'].tolist(),job['指数'].tolist())),word_size_range = [6,40])
    .set_global_opts(
        title_opts=opts.TitleOpts(title='数据分析'),
        yaxis_opts=opts.TextStyleOpts(font_size = 23)
    )
)

bar.render_notebook()

绘制气泡图

import pandas as pd
from pyecharts.charts import Scatter
from pyecharts import options as opts
from pyecharts.globals import CurrentConfig, NotebookType
from pyecharts.commons.utils import JsCode  # ← 漏了这个导入

CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_NOTEBOOK

job = pd.DataFrame({
    '地区': ['北京','上海','云南','浙江','重庆','南京','天津','河北','西安','武汉'],
    '指数': [80, 90, 40, 50, 60, 89, 45, 76, 92, 89],
    '平均薪资': [12000, 19500, 4400, 8250, 7460, 7189, 8945, 8676, 8392, 9989]
})

scatter = (
    Scatter()
    .add_xaxis(job['平均薪资'].tolist())
    .add_yaxis(
        '指数',
        [list(z) for z in zip(job['平均薪资'].tolist(), job['指数'].tolist())],
        label_opts=opts.LabelOpts(
            formatter=JsCode('function(params){return params.value[2]}')
        )
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='数据分析'),
        visualmap_opts=opts.VisualMapOpts(
            type_='size', max_=1500, min_=200, dimension=1
        ),
        tooltip_opts=opts.TooltipOpts(
            formatter=JsCode('function(params){return "平均薪资:"+params.value[0]}')
        ),
        xaxis_opts=opts.AxisOpts(
            min_=4000, name='平均薪资', name_location='center', name_gap=23
        ),
        yaxis_opts=opts.AxisOpts(
            min_=300, max_=1800, name='指数', name_location='center', name_gap=40
        )
    )
)

scatter.render_notebook()