Python数据分析实战(3)Python实现数据可视化

CuterCorley
• 阅读 1911

一、数据可视化介绍

数据可视化是指将数据放在可视环境中、进一步理解数据的技术,可以通过它更加详细地了解隐藏在数据表面之下的模式趋势相关性

Python提供了很多数据可视化的库:

二、matplotlib和pandas画图

1.matplotlib简介和简单使用

matplotlib是Python最著名的绘图库,它提供了一整套和Matlab相似的命令API,十分适合进行交互式制图;也可以方便地将它作为绘图控件,嵌入GUI应用程序中。 文档相当完备,并且Gallery页面中有上百幅缩略图,打开之后都有源代码。如果需要绘制某种类型的图,只需要在这个页面中进行简单的浏览、复制、粘贴,就能实现画图。 https://matplotlib.org/gallery.html中有大量的缩略图案例可以使用。

matplotlib画图的子库:

  • pyplot子库 提供了和matlab类似的绘图API,方便用户快速绘制2D图表。
  • pylab模块 其中包括了许多numpy和pyplot中常用的函数,方便用户快速进行计算和绘图,可以用于IPython中的快速交互式使用。

使用matplotlib快速绘图导入库和创建绘图对象如下:

import matplotlib.pyplot as plt

plt.figure(figsize=(8,4))

创建绘图对象时,同时使它成为当前的绘图对象。 通过figsize参数可以指定绘图对象的宽度和高度,单位为英寸; dpi参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80。 因此本例中所创建的图表窗口的宽度为8 * 80 = 640像素。

也可以不创建绘图对象直接调用plot方法绘图,matplotlib会自动创建一个绘图对象。 如果需要同时绘制多幅图表的话,可以给figure传递一个整数参数指定图标的序号,如果所指定序号的绘图对象已经存在的话,将不创建新的对象,而只是让它成为当前绘图对象。

pyplot画图简单使用如下:

import numpy as np
import matplotlib.pyplot as plt # 首先载入matplotlib的绘图模块pyplot,并且重命名为plt

x = np.linspace(0, 10, 1000)  

y = np.sin(x)
z = np.cos(x**2)

plt.figure(figsize=(8,4))   #2 创建绘图对象

plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$") 

plt.xlabel("Time(s)") 
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.ylim(-1.2,1.2)
plt.legend()

plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

其中:

plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")

第一行将x、y数组传递给plot之后,用关键字参数指定各种属性:

  • label 给所绘制的曲线取一个名字,用于在图示(legend)中显示; 在字符串前后添加$符号,就会使用内置的latex引擎绘制数学公式。
  • color 指定曲线的颜色:颜色可以用英文单词,或者以#字符开头的三个16进制数,例如#ff0000表示红色,或者用值在0到1范围之内的三个元素的元组表示,例如(1.0, 0.0, 0.0)也表示红色。
  • linewidth 指定曲线的宽度,可以不是整数,也可以使用缩写形式的参数名lw
  • 曲线样式 第三个参数b--指定曲线的颜色和线型,它通过一些易记的符号指定曲线的样式,其中b表示蓝色,--表示线型为虚线。 在IPython中输入plt.plot?可以查看格式化字符串以及各个参数的详细说明。
plt.xlabel("Time(s)") 
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.ylim(-1.2,1.2)
plt.legend()

通过一系列函数设置当前Axes对象的各个属性:

  • xlabel、ylabel 分别设置X、Y轴的标题文字。
  • title 设置子图的标题。
  • xlim、ylim 分别设置X、Y轴的显示范围。
  • legend 显示图示,即图中表示每条曲线的标签(label)和样式的矩形区域。

最后调用plt.show()显示出绘图窗口。

一个绘图对象(figure)可以包含多个轴(axis),在Matplotlib中用轴表示一个绘图区域,可以将其理解为子图。上面的第一个例子中,绘图对象只包括一个轴,因此只显示了一个轴(子图Axes)。可以使用subplot函数快速绘制有多个轴的图表。 subplot函数的调用形式如下:

subplot(numRows, numCols, plotNum)

subplot将整个绘图区域等分为numRows行和numCols列个子区域,然后按照从左到右、从上到下的顺序对每个子区域进行编号,左上的子区域的编号为1。 如果numRows、numCols和plotNum这三个数都小于10的话,可以把它们缩写为一个整数,例如subplot(323)subplot(3,2,3)是相同的。 subplot在plotNum指定的区域中创建一个轴对象,如果新创建的轴和之前创建的轴重叠,之前的轴将被删除。

如下:

for idx, color in enumerate("rgbyck"):
    plt.subplot(320+idx+1, facecolor=color)
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

可以看到: 创建3行2列共6个轴,通过facecolor参数给每个轴设置不同的背景颜色。

如果希望某个轴占据整个行或者列的话,可以如下:

plt.subplot(221) # 第一行的左图
plt.subplot(222) # 第一行的右图
plt.subplot(212) # 第二整行
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

再举一个创建子图的例子:

plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2
ax1 = plt.subplot(211) # 在图表2中创建子图1
ax2 = plt.subplot(212) # 在图表2中创建子图2

x = np.linspace(0, 3, 100)
for i in range(5):
    plt.figure(1) # 选择图表1
    plt.plot(x, np.exp(i*x/3))
    plt.sca(ax1) # 选择图表2的子图1,将当前轴实例设置为ax
    plt.plot(x, np.sin(i*x))
    plt.sca(ax2) # 选择图表2的子图2
    plt.plot(x, np.cos(i*x))
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

首先通过figure()创建了两个图表,它们的序号分别为1和2; 然后在图表2中创建了上下并排的两个子图,并用变量ax1和ax2保存。 在循环中: 先调用figure(1)让图表1成为当前图表,并在其中绘图。 然后调用sca(ax1)sca(ax2)分别让子图ax1和ax2成为当前子图,并在其中绘图。 当它们成为当前子图时,包含它们的图表2也自动成为当前图表,因此不需要调用figure(2)依次在图表1和图表2的两个子图之间切换,逐步在其中添加新的曲线即可。

其中,twinx()可以为图增加纵坐标轴,使用如下:

x = np.arange(1, 21, 0.1)

y1 = x * x
y2 = np.log(x)

plt.plot(x, y1)

# 添加一条y轴的坐标轴
plt.twinx()
plt.plot(x, y2)

plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

进一步使用如下:

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(1, 20, 1)
y1 = x * x
y2 = np.log(x)

fig = plt.figure()
ax1 = fig.add_subplot(111)

ax1.plot(x, y1, label = "$y1 = x * x$", color = "r")
ax1.legend(loc = 0)
# 设置对应坐标轴的名称
ax1.set_ylabel("y1")
ax1.set_xlabel("Compare y1 and y2")

# 设置x轴刻度的数量
ax = plt.gca()
ax.locator_params("x", nbins = 20)

# 添加坐标轴,并在新添加的坐标轴中画y2 = log(x)图像
ax2 = plt.twinx()
ax2.set_ylabel("y2")
ax2.plot(x, y2, label = "$y2 = log(x)$")
ax2.legend(loc = 0)

plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

2.matplotlib常见作图类型

画图在工作中在所难免,尤其在进行数据探索时显得尤其重要,matplotlib常见的一些作图种类如下:

  • 散点图
  • 条形图
  • 饼图
  • 三维图

先导入库和基础配置如下:

from __future__ import division
from numpy.random import randn
import numpy as np
import os
import matplotlib.pyplot as plt
np.random.seed(12345)
plt.rc('figure', figsize=(10, 6))
from pandas import Series, DataFrame
import pandas as pd
np.set_printoptions(precision=4)

get_ipython().magic(u'matplotlib inline')
get_ipython().magic(u'pwd')

打印:

'XXX\\3_Visualization_Of_Data_Analysis\\basicuse'

基础画图如下:

# matplotlib创建图表
plt.plot([1,2,3,2,3,2,2,1])
plt.show()

plt.plot([4,3,2,1],[1,2,3,4])
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

画三角函数曲线如下:

# 画简单的图形
from pylab import *
x=np.linspace(-np.pi,np.pi,256,endpoint=True)
c,s=np.cos(x),np.sin(x)
plot(x,c, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(x,s,color="red", linewidth=2.5, linestyle="-", label="sine")
show()

显示: Python数据分析实战(3)Python实现数据可视化

画散点图如下:

# 散点图
from pylab import *
n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
scatter(X,Y)
show()

显示: Python数据分析实战(3)Python实现数据可视化

画条形图如下:

#条形图
from pylab import *
n = 12
X = np.arange(n)
Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
for x,y in zip(X,Y1):
 text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')
ylim(-1.25,+1.25)
show()

显示: Python数据分析实战(3)Python实现数据可视化

饼图如下:

#饼图
from pylab import *
n = 20
Z = np.random.uniform(0,1,n)
pie(Z)
show()

显示: Python数据分析实战(3)Python实现数据可视化

画立体图如下:

#画三维图
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
from pylab import *
fig=figure()
ax=Axes3D(fig)
x=np.arange(-4,4,0.1)
y=np.arange(-4,4,0.1)
x,y=np.meshgrid(x,y)
R=np.sqrt(x**2+y**2)
z=np.sin(R)
ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap='hot')
show()

显示: Python数据分析实战(3)Python实现数据可视化

画其他简单图形如下:

#更多简单的图形
x = [1,2,3,4]
y = [5,4,3,2]

plt.figure()
plt.subplot(2,3,1)
plt.plot(x, y)

plt.subplot(232)
plt.bar(x, y)

plt.subplot(233)
plt.barh(x, y)

plt.subplot(234)
plt.bar(x, y)
y1 = [7,8,5,3]
plt.bar(x, y1, bottom=y, color = 'r')

plt.subplot(235)
plt.boxplot(x)

plt.subplot(236)
plt.scatter(x,y)

plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

3.使用pandas画图

pandas中画图的主要类型包括:

  • 累和图
  • 柱状图
  • 散点图
  • 饼图
  • 矩阵散点图

先导入所需要的库:

from __future__ import division
from numpy.random import randn
import numpy as np
import os
import matplotlib.pyplot as plt
np.random.seed(12345)
from pandas import Series, DataFrame
import pandas as pd
%matplotlib inline

在pandas中,有行标签、列标签和分组信息等,如果使用matplotlib画图,可能需要一大堆的代码,现在调用Pandas的plot()方法即可简单实现。

画简单线图如下:

#线图 
s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

pandas.Series.plot()的常见参数及说明如下: 参数|说明 -----|----- label|用于图例的标签 ax|要在其上进行绘制的matplotlib subplot对象,如果没有设置,则使用当前matplotlib subplot style|将要传给matplotlib的风格字符串,例如'ko-' alpha|图表的填充不透明(0-1) kind|可以是'line''bar''barh''kde' logy|在Y轴上使用对数标尺 use_index|将对象的索引用作刻度标签 rot|旋转刻度标签(0-360) xticks|用作X轴刻度的值 yticks|用作Y轴刻度的值 xlim|X轴的界限 ylim|Y轴的界限 grid|显示轴网格线

Pandas的大部分绘图方法都有一个可选的ax参数,它可以是一个matplotlib的subplot对象,从而能够在网络布局中更为灵活地处理subplot的位置。DataFrame的plot方法会在一个subplot中为各列绘制一条线,并自动创建图例。

画多列线图如下:

df = DataFrame(np.random.randn(10, 4).cumsum(0),
               columns=['A', 'B', 'C', 'D'],
               index=np.arange(0, 100, 10))
df.plot()
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

相对于Series,DataFrame还有一些用于对列进行灵活处理的选项,例如要将所有列都绘制到一个subplot中还是创建各自的subplot等,具体如下: 参数|说明 -----|----- subplots|将各个DataFrame列绘制到单独的subplot中 sharex|如果subplots=True,则共用同一个X轴,包括刻度和界限 sharey|如果subplots=True,则共用同一个Y轴,包括刻度和界限 figsize|表示图像大小的元组 title|表示图像标题的字符串 legend|添加—个subplot图例(默认为True) sort_columns|以字母表顺序绘制各列,默认使用前列顺序

画简单累和图如下:

#线图 CUM
plt.close('all')

s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

画多列的类和图如下:

df = DataFrame(np.random.randn(10, 4).cumsum(0),
               columns=['A', 'B', 'C', 'D'],
               index=np.arange(0, 100, 10))
df.plot()
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

当提升了数据规模之后,累和图如下:

s = pd.Series([2, np.nan, 5, -1, 0])
print(s)

print(s.cumsum())

#画累和图
ts=pd.Series(np.random.randn(1000),index=pd.date_range('1/1/2000',periods=1000))
ts=ts.cumsum()
ts.plot()
plt.show()
df=pd.DataFrame(np.random.randn(1000,4),index=ts.index,columns=list('ABCD'))

# cumulative意为累计、累积,这个函数可以返回一个累计值,经常会遇到月累计、年累计这种指标,会用这个函数
df=df.cumsum()
df.plot()
plt.show()

打印:

0    2.0
1    NaN
2    5.0
3   -1.0
4    0.0
dtype: float64
0    2.0
1    NaN
2    7.0
3    6.0
4    6.0
dtype: float64

显示: Python数据分析实战(3)Python实现数据可视化

画Series柱状图如下:

#柱形图
fig, axes = plt.subplots(2, 1)
data = Series(np.random.rand(16), index=list('abcdefghijklmnop'))
data.plot(kind='bar', ax=axes[0], color='r', alpha=0.7)
data.plot(kind='barh', ax=axes[1], color='g', alpha=0.7)
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

DataFrame画柱状图:

df = DataFrame(np.random.rand(6, 4),
               index=['one', 'two', 'three', 'four', 'five', 'six'],
               columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))

df.plot(kind='bar') #图例

plt.figure()

df.plot(kind='barh', stacked=True, alpha=0.5)

plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

可以看到: 对于DataFrame,柱形图会将每一行的值分为一组; DataFrame的各列名称都被用作了图例的标题; 设置stacked=True即可为DataFrame生成堆积柱形图,这样每行的值就会被堆积在一起。

餐馆小费数据如下: Python数据分析实战(3)Python实现数据可视化

如需获取相关数据进行测试学习,可以直接点击加QQ群 Python数据分析实战(3)Python实现数据可视化963624318 在群文件夹Python数据分析实战中下载即可。

进行数据可视化如下:

tips = pd.read_csv('tips.csv') # 各数据点的百分比
party_counts = pd.crosstab(tips.day, tips['size'])  #size聚会人数
print(party_counts)

party_counts = party_counts.iloc[:, 2:5] # 选取一部分数据
print(party_counts)

party_pcts = party_counts.div(party_counts.sum(1).astype(float), axis=0) # 转换成百分比, 1 代表维度 行的方向
print(party_pcts)
party_pcts.plot(kind='bar', stacked=True)   #每天的高度都是1
plt.show()

打印:

size  1   2   3   4  5  6
day                      
Fri   1  16   1   1  0  0
Sat   2  53  18  13  1  0
Sun   0  39  15  18  3  1
Thur  1  48   4   5  1  3
size   3   4  5
day            
Fri    1   1  0
Sat   18  13  1
Sun   15  18  3
Thur   4   5  1
size         3        4         5
day                              
Fri   0.500000  0.50000  0.000000
Sat   0.562500  0.40625  0.031250
Sun   0.416667  0.50000  0.083333
Thur  0.400000  0.50000  0.100000

显示: Python数据分析实战(3)Python实现数据可视化

画较复杂的柱状图如下:

#画柱状图
df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df2.plot(kind='bar') #分开并列线束
df2.plot(kind='bar', stacked=True) #四个在同一个里面显示 百分比的形式
df2.plot(kind='barh', stacked=True)#纵向显示
plt.show()
df4=pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':np.random.randn(1000)-1},columns=list('abc'))
df4.plot(kind='hist', alpha=0.5)
df4.plot(kind='hist', stacked=True, bins=20)
df4['a'].plot(kind='hist', orientation='horizontal',cumulative=True) #cumulative是按顺序排序
plt.show()
#Area Plot
df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df.plot(kind='area')
df.plot(kind='area',stacked=False)
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

直方图histogram: 是一种可以对值频率进行离散化显示的柱状图。数据点被拆分到离散的、间隔均匀的面元中,绘制的是各面元中数据点的数量。 调用Series.hist()即可实现,在之后调用plot时加上参数kind='kde'即可生成一张密度图。

根据小费数据画直方图如下:

# 直方图--给小费占总费用的比例的分布图
plt.figure()

tips['tip_pct'] = tips['tip'] / tips['total_bill']  # 增加一个新的列
tips['tip_pct'].hist(bins=50) # 分为50个区间 

plt.figure()

显示: Python数据分析实战(3)Python实现数据可视化

在统计学中,核密度估计(KDE)是一种估计随机变量概率密度函数(PDF)的非参数方法,利用高斯核生成核密度估计图如下:

comp1 = np.random.normal(0, 1, size=200)  # N(0, 1)  模拟出 0,1 的正态分布数据 0,期望值, 1 方差值
comp2 = np.random.normal(10, 2, size=200)  # 10,期望值, 2 方差值  方差值大,跨度就大些
values = Series(np.concatenate([comp1, comp2]))
values.hist(bins=100, alpha=0.3, color='k', density=True)
values.plot(kind='kde', style='k--')

显示: Python数据分析实战(3)Python实现数据可视化

根据小费数据画密度图如下:

tips['tip_pct'].plot(kind='kde')  # 利用高斯核生成核密度估计图

plt.figure()

显示: Python数据分析实战(3)Python实现数据可视化

散点图scatter plot: 是观察两个一维数据序列之间的关系的有效手段,研究两个变量的关系,特别是是否有线性或曲线相关性。matplotlib的scatter方法是绘制散布图的主要方法。利用plt.scatter()即可轻松绘制一张简单的散布图。pandas也提供了能从DataFrame创建散步图矩阵的scatter_matrix()方法,还支持在对角线上放置变量的直方图或密度图。

画简单散点图如下:

df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
df.plot(kind='scatter', x='a', y='b')
df.plot(kind='scatter', x='a', y='b',color='DarkBlue', label='Group 1')
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

画散点矩阵图和直方图如下:

df = pd.DataFrame(np.random.randn(1000, 4), columns=['A','B','C','D'])
pd.plotting.scatter_matrix(df, alpha=0.2)

显示:‘ Python数据分析实战(3)Python实现数据可视化

画三点矩阵图和密度图如下:

df = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])
pd.plotting.scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal='kde')
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

宏观经济数据macrodata.csv如下: Python数据分析实战(3)Python实现数据可视化 如需获取相关数据进行测试学习,可以直接点击加QQ群 Python数据分析实战(3)Python实现数据可视化963624318 在群文件夹Python数据分析实战中下载即可。

读取和选取数据如下:

macro = pd.read_csv("macrodata.csv")
data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]
trans_data = np.log(data).diff().dropna()
trans_data[-5:]
print(trans_data[-5:])
plt.figure()

打印:

          cpi        m1  tbilrate     unemp
198 -0.007904  0.045361 -0.396881  0.105361
199 -0.021979  0.066753 -2.277267  0.139762
200  0.002340  0.010286  0.606136  0.160343
201  0.008419  0.037461 -0.200671  0.127339
202  0.008894  0.012202 -0.405465  0.042560

<Figure size 432x288 with 0 Axes>

<Figure size 432x288 with 0 Axes>

画散点图和散点矩阵图如下:

plt.scatter(trans_data['m1'], trans_data['unemp'])
plt.title('Changes in log %s vs. log %s' % ('m1', 'unemp'))

pd.plotting.scatter_matrix(trans_data, diagonal='kde', color='k', alpha=0.3)
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

可以简单看出各经济变量之间是否存在关系。

画饼图示意如下:

#饼图
df = pd.DataFrame(3 * np.random.rand(4, 2), index=['a', 'b', 'c', 'd'], columns=['x', 'y'])
df.plot(kind='pie', subplots=True, figsize=(8, 4))
df.plot(kind='pie', subplots=True,autopct='%.2f',figsize=(8, 4)) # 显示百分比
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

4.pandas中绘图与matplotlib结合使用

有时候想方便地集成的绘图方式,比如df.plot(),但是又想加上matplotlib的很多操 作来增强图片的表现力,这时可以将两者结合。

构造数据如下:

df=pd.DataFrame(np.random.randn(3,4),index=list('123'),columns=list('ABCD'))
df2=pd.DataFrame(np.random.randn(4,4),index=list('1234'),columns=list('ABCD'))
display(df, df2)

显示: Python数据分析实战(3)Python实现数据可视化

可视化如下:

fig, axes = plt.subplots(2, 1)
df.plot(ax=axes[0])
df2.plot(ax=axes[1])
axes[0].set_title('3points')
axes[1].set_title('4points')

显示: Python数据分析实战(3)Python实现数据可视化

三、订单数据分析展示

主要作图包括订单与GMV趋势、商家趋势、订单来源分布、类目占比,涉及折线图、饼图、堆积柱形图、组合图等类型,目标是综合使用pandas和matplotlib。

订单数据.csv如下: Python数据分析实战(3)Python实现数据可视化 如需获取相关数据进行测试学习,可以直接点击加QQ群 Python数据分析实战(3)Python实现数据可视化963624318 在群文件夹Python数据分析实战中下载即可。

导库和读取数据如下:

#导入库
import pandas as pd
import matplotlib.pyplot as plt

# plt.rcParams['font.sans-serif'] = ['SimHei']  #显示中文标签
# plt.rcParams['axes.unicode_minus'] = False  #显示符号

#读取数据
orders = pd.read_excel("订单数据.xlsx")
orders['付款时间'] = orders['付款时间'].astype('str')  #方便作图,将日期改为字符串格式

不同日期订单金额折线图如下:

#折线图
data1 = orders.groupby('付款时间')['支付金额'].sum()  #处理数据
x = data1.index   #x值
y = data1.values  #y值

plt.title('GMV走势')  #图表标题
plt.plot(x,y,label='GMV',color='red')    #label是图例,color是线条颜色
plt.legend(loc=1)  #显示图例,loc设置图例展示位置,默认为0(最优位置)、1右上角、2左上角
plt.show()   #显示图

显示: Python数据分析实战(3)Python实现数据可视化

可以看出不同时间订单金额的变化趋势,找出哪些天订单金额较高、哪些天较低。

还可以用柱状图显示:

#柱形图
data1 = orders.groupby('付款时间')['支付金额'].sum()  #处理数据
x = data1.index   #x值
y = data1.values  #y值

plt.title('GMV走势')  #图表标题
plt.bar(x,y,label='GMV',color='green')    #其实很简单,只要把plot换成bar
plt.legend(loc=1)  #显示图例,loc设置图例展示位置,默认为0(最优位置)、1右上角、2左上角
plt.show()   #显示图

显示: Python数据分析实战(3)Python实现数据可视化

还可以用饼图直观看出各天所占的比例:

#饼图
data1 = orders.groupby('付款时间')['支付金额'].sum()  #处理数据
x = data1.index   #x值
y = data1.values  #y值

plt.title('GMV饼图')  #图表标题
plt.axis('equal')   #正圆,饼图会默认是椭圆
plt.pie(y,labels=x,autopct='%1.1f%%',\
        colors=['green','red','skyblue','blue'])    #labels是标签,autopct是占比保留1位小数
plt.show()   #显示图

显示: Python数据分析实战(3)Python实现数据可视化

还可以为柱形图添加数据标签,如下:

# 为柱形图添加数据标签
data1 = orders.groupby('付款时间')['支付金额'].sum()  #处理数据
x = data1.index   #x值
y = data1.values  #y值

plt.title('GMV走势')  #图表标题
plt.bar(x,y,label='GMV',color='green')    #label是图例,color是线条颜色
plt.legend(loc=1)  #显示图例,loc设置图例展示位置,默认为0(最优位置)、1右上角、2左上角
for a,b in zip(x,y):  #添加数据标签
    plt.text(a,b,'%d'%b,ha='center',va='bottom')  #在x,y的位置上添加订单数据 
plt.show()   #显示图

显示: Python数据分析实战(3)Python实现数据可视化

工作中很常见柱形图与折线图的组合图形,但是两个指标的数量级往往不一致,如果只用一个纵坐标,可能数量级小的那个会看不到图,所以要用到主次坐标轴,如下:

#组合图形&主次坐标轴
data1 = orders.groupby('付款时间')[['支付金额','订单编号']].agg({'支付金额':'sum','订单编号':'count'})  #处理数据
x = data1.index   #x轴
y1 = data1['支付金额']  #y主轴数据
y2 = data1['订单编号']  #y次轴数据

plt.title('订单&GMV走势')  #图表标题

plt.bar(x,y1,label='GMV')  #GMV柱形图
plt.ylim(0,100000)   #设置y1的坐标轴范围
for a,b in zip(x,y1):  #添加数据标签
    plt.text(a,b+0.1,'%d'%b,ha='center',va='bottom')  #在x,y1+0.1的位置上添加GMV数据 , '%d'%y 即标签数据, ha和va控制标签位置
plt.legend(loc=1)  #显示图例,loc=1为右上角

plt.twinx()  #次纵坐标轴
plt.plot(x,y2,label='订单数',color='red')  #订单折线图,红色
plt.ylim(-2100,2200) #设置y2的坐标轴范围
for a,b in zip(x,y2):  #添加数据标签
    plt.text(a,b+0.2,'%d'%b,ha='center',va='bottom')  #在x,y2+0.1的位置上添加订单数据 
plt.legend(loc=2)  #显示图例,loc=2为左上角

显示: Python数据分析实战(3)Python实现数据可视化

需要注意: 纵坐标轴范围、图例、数据标签,需要在各自的纵坐标里设置,即先进行主纵坐标的设置,之后是次纵坐标。如果都放在后面去设置,那么text(x,y)的y位置,就都是次纵坐标了。

制作简单的数据仪表盘如下:

#制作数据仪表盘
plt.figure(figsize=(15,8))   #设置图的整体大小 

#总共4个子图,用subplot()

#第一个:每日订单与成交额走势,柱形图与折线图组合
data1 = orders.groupby('付款时间')[['支付金额','订单编号']].agg({'支付金额':'sum','订单编号':'count'})  #处理数据
x = data1.index   #x轴
y1 = data1['支付金额']  #y主轴数据
y2 = data1['订单编号']  #y次轴数据

plt.subplot(2,2,1)   #2×2个子图:第一个
plt.title('订单&GMV走势')  #图表标题

plt.bar(x,y1,label='GMV')  #GMV柱形图
plt.ylim(0,100000)   #设置y1的坐标轴范围
for a,b in zip(x,y1):  #添加数据标签
    plt.text(a,b+0.1,'%d'%b,ha='center',va='bottom')  #在x,y1+0.1的位置上添加GMV数据 , '%d'%y 即标签数据, ha和va控制标签位置
plt.legend(loc=1)  #显示图例,loc=1为右上角

plt.twinx()  #次纵坐标轴
plt.plot(x,y2,label='订单数',color='red')  #订单折线图,红色
plt.ylim(-2100,2200) #设置y2的坐标轴范围
for a,b in zip(x,y2):  #添加数据标签
    plt.text(a,b+0.2,'%d'%b,ha='center',va='bottom')  #在x,y2+0.1的位置上添加订单数据 
plt.legend(loc=2)  #显示图例,loc=2为左上角


#第二个:主要商家,每日GMV趋势。 多条折线图
#数据处理
data2 = pd.DataFrame(orders[orders['商家名称'].isin(['店铺3','店铺5','店铺6','店铺9'])].groupby(['商家名称','付款时间'])['支付金额'].sum())  
#店铺3、5、6、9的成交额
data2_tmp = pd.DataFrame(index=set(data2.index.get_level_values(0)),columns=set(data2.index.get_level_values(1)))

for ind in data2_tmp.index:
    for col in data2_tmp.columns:
        data2_tmp.loc[ind,col] = data2.loc[ind,:].loc[col,'支付金额']

plt.subplot(2,2,2)   #2×2个子图:第二个
plt.title('主要商家GMV趋势')
colors = ['green','red','skyblue','blue']  #设置曲线颜色
x = sorted(data2_tmp.columns)  #日期是横轴

for i in range(len(data2_tmp.index)):
    plt.plot(x,data2_tmp.loc[data2_tmp.index[i],:],label=data2_tmp.index[i],color=colors[i])
plt.legend()  #显示图例,loc默认为0,即最优位置


#第三个:订单来源端口,每日趋势。  堆积柱形图
#数据处理
data3_tmp = pd.DataFrame(orders.groupby(['平台来源','付款时间'])['支付金额'].sum())
data3 = pd.DataFrame(index=set(data3_tmp.index.get_level_values(0)),columns=set(data3_tmp.index.get_level_values(1)))
for ind in data3.index:
    print(ind)
    for col in data3.columns:
        data3.loc[ind,col] = data3_tmp.loc[ind,:].loc[col,'支付金额']

barx = data3.columns
bary1 = data3.loc['android',:]
bary2 = data3.loc['iphone',:]

plt.subplot(2,2,3)   #2×2个子图:第三个
plt.title('订单来源端口分布')   #底部是安卓,顶部是iPhone。先画iPhone=安卓+iPhone,再画安卓
plt.bar(barx,bary1+bary2,label='iphone',color='green')
plt.bar(barx,bary1,label='android',color='red') #底部是bar_y数据
plt.legend()  
for a,b,c in zip(barx,bary1,bary2):  #添加数据标签,注意:底部是安卓,即y1
    plt.text(a,1000,'%d'%b,ha='center',va='bottom')  #在a,1000的位置上,添加数据标签
    plt.text(a,b+c-1000,'%d'%c,ha='center',va='bottom')  #调整标签的位置


#第四个:类目占比。 饼图

#最近一天的类目金额
data4 = orders[orders['付款时间']==max(orders['付款时间'])].groupby('类目')['支付金额'].sum().sort_values()   

plt.subplot(2,2,4)   #2×2个子图:第四个
plt.title('最近一天的类目占比')
plt.axis('equal')   #正圆,饼图会默认是椭圆
plt.pie(data4.values,labels=data4.index,autopct='%1.1f%%',\
        colors=['green','red','skyblue','blue'])  #显示百分数,1位小数
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

过程稍复杂,需慢慢理解。

四、Titanic灾难数据分析显示

主要过程如下:

  • 导入必要的库
  • 导入数据
  • 设置为索引
  • 绘制展示男女乘客比例的扇形图
  • 绘制展示船票Fare与乘客年龄和性别的散点图
  • 生还人数
  • 绘制展示船票价格的直方图

数据titanicdata.csv如下: Python数据分析实战(3)Python实现数据可视化 如需获取相关数据进行测试学习,可以直接点击加QQ群 Python数据分析实战(3)Python实现数据可视化963624318 在群文件夹Python数据分析实战中下载即可。

导库和读取数据如下:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

%matplotlib inline

titanic = pd.read_csv("titanicdata.csv")

titanic.head()

显示: Python数据分析实战(3)Python实现数据可视化

设置索引如下:

titanic.set_index('PassengerId').head()

显示: Python数据分析实战(3)Python实现数据可视化

创建一个饼图,展示男性/女性的比例:

# sum the instances of males and females
males = (titanic['Sex'] == 'male').sum()
females = (titanic['Sex'] == 'female').sum()

# put them into a list called proportions
proportions = [males, females]

# Create a pie chart
plt.pie(
    # using proportions
    proportions,

    # with the labels being officer names
    labels = ['Males', 'Females'],

    # with no shadows
    shadow = False,

    # with colors
    colors = ['blue','red'],

    # with one slide exploded out
    explode = (0.15 , 0),

    # with the start angle at 90%
    startangle = 90,

    # with the percent listed as a fraction
    autopct = '%1.1f%%'
    )

# View the plot drop above
plt.axis('equal')

# Set labels
plt.title("Sex Proportion")

# View the plot
plt.tight_layout()
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

用所付费用和年龄创建散点图,按性别区分图的颜色:

# 创建绘图
lm = sns.lmplot(x = 'Age', y = 'Fare', data = titanic, hue = 'Sex', fit_reg=False)

# set title
lm.set(title = 'Fare x Age')

# 获取axes对象并对其进行调整
axes = lm.axes
axes[0,0].set_ylim(-5,)
axes[0,0].set_xlim(-5,85)

显示: Python数据分析实战(3)Python实现数据可视化

查看幸存人数:

titanic.Survived.sum()

打印:

342

创建一个柱状图,显示已付车费:

# 将值从顶部到最小值排序,并对前5项进行切片
df = titanic.Fare.sort_values(ascending = False)

# 使用numpy创建存储箱间隔
binsVal = np.arange(0,600,10)
binsVal

# 创建绘图
plt.hist(df, bins = binsVal)

# 设置标题和标签
plt.xlabel('Fare')
plt.ylabel('Frequency')
plt.title('Fare Payed Histrogram')

# 展示绘图
plt.show()

显示: Python数据分析实战(3)Python实现数据可视化

本文原文首发来自博客专栏数据分析,由本人转发至https://www.helloworld.net/p/D00nH3LcLMCVO,其他平台均属侵权,可点击https://blog.csdn.net/CUFEECR/article/details/108299720查看原文,也可点击https://blog.csdn.net/CUFEECR浏览更多优质原创内容。

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Stella981 Stella981
3年前
Python3:sqlalchemy对mysql数据库操作,非sql语句
Python3:sqlalchemy对mysql数据库操作,非sql语句python3authorlizmdatetime2018020110:00:00coding:utf8'''
Stella981 Stella981
3年前
Python之time模块的时间戳、时间字符串格式化与转换
Python处理时间和时间戳的内置模块就有time,和datetime两个,本文先说time模块。关于时间戳的几个概念时间戳,根据1970年1月1日00:00:00开始按秒计算的偏移量。时间元组(struct_time),包含9个元素。 time.struct_time(tm_y
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
9个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这