# 設(shè)置cell多行輸出

from IPython.core.interactiveshell import InteractiveShell 
InteractiveShell.ast_node_interactivity = 'all' #默認(rèn)為'last'

# 導(dǎo)入相關(guān)庫(kù)
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
import os

warnings.filterwarnings('ignore')
os.chdir(r'E:\python_learn\data\data_for_kaggle')

file_name = 'kaggle_bike_train.csv'
data = pd.read_csv(file_name)
data.head()

data.isna().sum().sum()  # 無(wú)缺失
data.info()

0



<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10886 entries, 0 to 10885
Data columns (total 12 columns):
datetime      10886 non-null object
season        10886 non-null int64
holiday       10886 non-null int64
workingday    10886 non-null int64
weather       10886 non-null int64
temp          10886 non-null float64
atemp         10886 non-null float64
humidity      10886 non-null int64
windspeed     10886 non-null float64
casual        10886 non-null int64
registered    10886 non-null int64
count         10886 non-null int64
dtypes: float64(3), int64(8), object(1)
memory usage: 1020.6+ KB

data['datetime']=pd.to_datetime(data['datetime'])
data['month'] = data['datetime'].dt.month
data['weekday'] = data['datetime'].dt.weekday_name.str[:4]
data.head()
data.info()

image.png

柱狀圖 → plt.plot(kind='bar')/plt.bar()

柱狀圖：是一種以長(zhǎng)方形的長(zhǎng)度為變量的統(tǒng)計(jì)圖表。長(zhǎng)條圖用來(lái)比較兩個(gè)或以上的價(jià)值（不同時(shí)間或者不同條件），只有一個(gè)變量，通常利用于較小的數(shù)據(jù)集分析。

適用場(chǎng)景：適用場(chǎng)合是二維數(shù)據(jù)集（每個(gè)數(shù)據(jù)點(diǎn)包括兩個(gè)值x和y），但只有一個(gè)維度需要比較，用于顯示一段時(shí)間內(nèi)的數(shù)據(jù)變化或顯示各項(xiàng)之間的比較情況。

優(yōu)勢(shì)：柱狀圖利用柱子的高度，反映數(shù)據(jù)的差異，肉眼對(duì)高度差異很敏感。

劣勢(shì)：柱狀圖的局限在于只適用中小規(guī)模的數(shù)據(jù)集。

data_m = data.groupby('month').mean()['count']  # 按月統(tǒng)計(jì)租車量

# 柱狀圖繪制按月統(tǒng)計(jì)租車量count

# 單系列柱狀圖
data_m.plot(kind='bar',color='r',alpha=0.5,width=0.8,figsize=(12,8),rot=45)  # data_m 為series，series.plot()
plt.title('單系列柱狀圖',fontsize=18,pad=12)  # 設(shè)置標(biāo)題
plt.ylabel('y軸標(biāo)簽設(shè)置')    # 設(shè)置y軸標(biāo)簽，x軸標(biāo)簽→plt.xlabel()
plt.grid(True,ls='--',lw=0.8,alpha=0.5,color='gray',axis='y')  # 設(shè)置網(wǎng)格，axis='y',只顯示y軸網(wǎng)格，默認(rèn)xy都顯示
plt.ylim([0,300])  # 設(shè)置y軸標(biāo)尺的范圍

for x,y in zip(range(len(data_m)),data_m):
    plt.text(x,y,'%.f'%y,ha='center',va='bottom',fontsize=12)  # 給柱狀圖添加文字注釋

output_6_16.png

# 多系列柱狀圖
data_m_2 = data.groupby('month',as_index=False).mean()[['casual','registered']]

data_m_2.plot(kind='bar',figsize=(12,8),width=0.8)

for i,j in zip(range(len(data_m_2)),data_m_2['casual']):
    plt.text(i-0.2,j+3,'%.f'%j,color='black',ha='center',va='center_baseline',fontsize=12)
for i,j in zip(range(len(data_m_2)),data_m_2['registered']):
    plt.text(i+0.2,j+2,'%.f'%j,color='black',ha='center',va='center_baseline',fontsize=12)

plt.legend(loc=0) # 設(shè)置圖例，loc=0自定適配位置
plt.title('多系列柱狀圖',fontsize=18,pad=12)

柱狀圖延申圖表

條形圖 → plt.plot(kind='barh')

條形圖：是用寬度相同的條形的高度或長(zhǎng)短來(lái)表示數(shù)據(jù)多少的圖形，與柱狀圖類似，條形圖縱置就是柱狀圖

適用場(chǎng)景：顯示各個(gè)項(xiàng)目之間的比較情況，和柱狀圖類似的作用

優(yōu)勢(shì)：每個(gè)條都清晰表示數(shù)據(jù)，直觀；易于比較數(shù)據(jù)之間的差別

# 條形圖繪制按月統(tǒng)計(jì)租車量count
data_m.plot(kind='barh',figsize=(12,8),alpha=0.5,width=0.8,color='b')
plt.xlabel('count')
plt.title('柱狀圖延申圖-條形圖',fontsize=18,pad=12)

# 給條形圖標(biāo)注文字注釋略有不同
for x,y in zip(data_m,range(len(data_m))):
    plt.text(x,y,'%.f'%x,ha='left',va='center',fontsize=12,color='r')  # 給柱狀圖添加文字注釋

堆疊圖 → plt.plot(kind='bar/barh',stacked=True)

堆疊圖：顯示單個(gè)項(xiàng)目與整體之間的關(guān)系。

優(yōu)勢(shì)：堆疊圖能夠使人們一眼看出各個(gè)數(shù)據(jù)的大小，易于比較數(shù)據(jù)之間的差別。利用條狀的長(zhǎng)度，反映數(shù)據(jù)的差異，肉眼對(duì)長(zhǎng)短差異很敏感，可以使得數(shù)據(jù)更加直觀，且堆疊圖不僅僅可以直觀的看出每個(gè)系列的值，還能夠反映出系列的總和，尤其是當(dāng)需要看某一單位的綜合以及各系列值的比重時(shí)，最適合使用堆疊圖。

# 垂直堆疊
data_m_2.plot(kind='bar',stacked=True,figsize=(12,8),alpha=0.7)
plt.xlabel('month')
plt.ylabel('count')
plt.title('柱狀圖延伸圖-堆疊圖',fontsize=18,pad=12)
for i,j in zip(range(len(data_m_2)),data_m_2['casual']):
    plt.text(i,j,'%.f'%j,color='black',ha='center',va='top',fontsize=12)
for i,j in zip(range(len(data_m_2)),data_m_2['registered']):
    plt.text(i,j,'%.f'%j,color='black',ha='center',va='center_baseline',fontsize=12)

# 水平堆疊
data_m_2.plot(kind='barh',stacked=True,figsize=(12,8),alpha=0.7,width=0.7)
plt.xlabel('month')
plt.ylabel('count')
plt.title('柱狀圖延伸圖-堆疊圖',fontsize=18,pad=12)

for i,j in zip(data_m_2['casual'],range(len(data_m_2))):
    plt.text(i,j,'%.f'%i,color='black',ha='right',va='center',fontsize=12)
for i,j in zip(data_m_2['registered'],range(len(data_m_2))):
    plt.text(i,j,'%.f'%i,color='black',ha='left',va='center',fontsize=12)
u = data_m.mean()
plt.axvline(u,ls='--',c='b',lw=1,alpha=0.8,) # 添加垂直輔助線
plt.text(u,0,'%.2f'%u,color='blue',fontsize=14,bbox=dict(facecolor='yellow', alpha=0.5))

折線圖 → plt.plot(kind='line')

折線圖：折線圖可以顯示隨時(shí)間而變化的連續(xù)數(shù)據(jù)，因此非常適用于顯示在相等時(shí)間間隔下數(shù)據(jù)的趨勢(shì)。

適用場(chǎng)景: 折線圖適合二維的大數(shù)據(jù)集，還適合多個(gè)二維數(shù)據(jù)集的比較。

優(yōu)勢(shì)：容易反應(yīng)出數(shù)據(jù)變化的趨勢(shì)。

# 折線圖繪制按月統(tǒng)計(jì)租車量count

data_m.plot(figsize=(8,6),style='bo--')  # 設(shè)置style可同時(shí)設(shè)置線段顏色，標(biāo)記，和線段樣式，但必須把顏色寫在最前面
u = data_m.mean()
plt.xlim([1,12])
plt.axhline(u,ls='--',c='r',lw=0.8,alpha=0.5,) # 添加水平輔助線
plt.text(data_m.index[-1]+0.2,u,'%.2f'%u,color='r',fontsize=14)  # 標(biāo)注
plt.title('折線圖',fontsize=18,pad=12)

data_m_2.plot(figsize=(8,6),style='x--')
plt.legend(loc=0)
ma = data_m_2['registered'].max()
plt.grid(True,linestyle='--',linewidth=0.5,color='gray',axis='y',alpha=0.5)
plt.text(data_m_2.index[5],ma,'%.2f'%ma,fontsize=12,bbox=dict(facecolor='red', alpha=0.5))  # 標(biāo)注某個(gè)點(diǎn)
plt.title('折線圖',fontsize=18,pad=12)

直方圖 → plt.hist()

直方圖：又稱質(zhì)量分布圖，是一種統(tǒng)計(jì)報(bào)告圖，一般用橫軸表示數(shù)據(jù)類型，縱軸表示分布情況。

適用場(chǎng)景：觀察數(shù)據(jù)集的分布情況

優(yōu)勢(shì)：直觀觀察數(shù)據(jù)形狀，突出顯示數(shù)據(jù)的中心趨勢(shì)，確定數(shù)據(jù)樣本的分布是對(duì)稱還是偏斜

# 直方圖繪制temp
data['temp'].hist(bins=30,figsize=(8,6),edgecolor='black')
# bins，設(shè)置箱子數(shù)量
# edgecolor，設(shè)置邊框顏色

plt.title('直方圖',fontsize=18,pad=12)

data['temp'].hist(bins=30,figsize=(8,6),density=True)
# 參數(shù)density是關(guān)鍵，y軸會(huì)按百分比表示
# density=False，表示決定將y軸的取值范圍落在某個(gè)箱子中的元素的個(gè)數(shù)，即系y軸表示頻率次數(shù)
# density=True，表示決定將y軸的取值范圍落在某個(gè)箱子中的元素的個(gè)數(shù)占總體的百分比，即系y軸表示百分比
plt.grid(False)
plt.title('直方圖',fontsize=18,pad=12)

data['temp'].plot(kind='kde',color='r')  # 密度圖在直方圖參數(shù)density=True時(shí)，和直方圖一起使用

餅圖 → plt.pie()

適用場(chǎng)景：顯示各項(xiàng)的大小與各項(xiàng)總和的比例。適用簡(jiǎn)單的占比比例圖，在不要求數(shù)據(jù)精細(xì)的情況適用。

優(yōu)勢(shì)：明確顯示數(shù)據(jù)的比例情況，尤其合適渠道來(lái)源分析等場(chǎng)景。

劣勢(shì)：數(shù)據(jù)類別較多時(shí)不適用

參數(shù)：
x :(每一塊)的比例，如果sum(x) > 1會(huì)使用sum(x)歸一化；
labels :(每一塊)餅圖外側(cè)顯示的說(shuō)明文字；
explode :(每一塊)離開(kāi)中心距離；
startangle :起始繪制角度,默認(rèn)圖是從x軸正方向逆時(shí)針畫起,如設(shè)定=90則從y軸正方向畫起；
shadow :在餅圖下面畫一個(gè)陰影。默認(rèn)值：False，即不畫陰影；
labeldistance :label標(biāo)記的繪制位置,相對(duì)于半徑的比例，默認(rèn)值為1.1, 如<1則繪制在餅圖內(nèi)側(cè)；
autopct :控制餅圖內(nèi)百分比設(shè)置,可以使用format字符串或者format function
'%1.1f'指小數(shù)點(diǎn)前后位數(shù)(沒(méi)有用空格補(bǔ)齊)；
pctdistance :類似于labeldistance,指定autopct的位置刻度,默認(rèn)值為0.6；
radius :控制餅圖半徑，默認(rèn)值為1；
counterclock ：指定指針?lè)较?；布爾值，可選參數(shù)，默認(rèn)為：True，即逆時(shí)針。將值改為False即可改為順時(shí)針。
wedgeprops ：字典類型，可選參數(shù)，默認(rèn)值：None。參數(shù)字典傳遞給wedge對(duì)象用來(lái)畫一個(gè)餅圖。例如：wedgeprops={'linewidth':3}設(shè)置wedge線寬為3。
textprops ：設(shè)置標(biāo)簽（labels）和比例文字的格式；字典類型，可選參數(shù)，默認(rèn)值為：None。傳遞給text對(duì)象的字典參數(shù)。
center ：浮點(diǎn)類型的列表，可選參數(shù)，默認(rèn)值：(0,0)。圖標(biāo)中心位置。
frame ：布爾類型，可選參數(shù)，默認(rèn)值：False。如果是true，繪制帶有表的軸框架。
rotatelabels ：布爾類型，可選參數(shù)，默認(rèn)為：False。如果為True，旋轉(zhuǎn)每個(gè)label到指定的角度。

user_count = data[['casual','registered']].sum()
user_count

casual         392135
registered    1693341
dtype: int64

plt.figure(figsize=(8,6))
explode = [0.1,0]
labels = user_count.index
plt.pie(user_count,explode=explode,autopct='%.2f%%',labels=labels,pctdistance=1.3,labeldistance=0.5,)
# explode，距離圓中心的距離
# labels,(每一塊)餅圖外側(cè)顯示的說(shuō)明文字
# autopct在餅圖中，顯示百分?jǐn)?shù)
plt.title('餅圖',fontsize=18,pad=12)

面積圖 → plt.stackplot()

適用場(chǎng)景：強(qiáng)調(diào)數(shù)量隨時(shí)間而變化的程度，也可用于引起人們對(duì)總值趨勢(shì)的注意

data_stack = data.groupby('month').mean()[['casual','registered','count']]
x = data_stack.index
y = data_stack['casual']
y1 = data_stack['registered']
y2 = data_stack['count']
plt.figure(figsize=(12,6))
plt.stackplot(x,y,y1,y2,alpha=0.6,labels=data_stack.columns)
plt.xlim([1,12])
plt.title('面積圖',fontsize=18,pad=12)
plt.legend(loc=0)

散點(diǎn)圖 → plt.scatter(x,y)

適用場(chǎng)景：顯示若干數(shù)據(jù)系列中各數(shù)值之間的關(guān)系，類似XY軸，判斷兩變量之間是否存在某種關(guān)聯(lián)。散點(diǎn)圖適用于三維數(shù)據(jù)集，但其中只有兩維需要比較。

優(yōu)勢(shì)：對(duì)于處理值的分布和數(shù)據(jù)點(diǎn)的分簇，散點(diǎn)圖都很理想。如果數(shù)據(jù)集中包含非常多的點(diǎn)，那么散點(diǎn)圖便是最佳圖表類型。

劣勢(shì)：在點(diǎn)狀圖中顯示多個(gè)序列看上去非?；靵y。

x = np.random.rand(1000)
y = np.random.randn(1000)*10
plt.figure(figsize=(8,6))
plt.scatter(x,y,color='r',alpha=0.5)
plt.title('散點(diǎn)圖',fontsize=18,pad=12)

散點(diǎn)圖延伸圖

氣泡圖 → plt.scatter(x,y,s)

氣泡圖：是可用于展示四個(gè)變量之間的關(guān)系。它與散點(diǎn)圖類似，繪制時(shí)將一個(gè)變量放在橫軸，另一個(gè)變量放在縱軸，而第三個(gè)變量則用氣泡的大小來(lái)表示，第四個(gè)變量用氣泡顏色深淺來(lái)表示。氣泡圖與散點(diǎn)圖相似，不同之處在于：氣泡圖允許在圖表中額外加入一個(gè)表示大小的變量進(jìn)行對(duì)比。

plt.scatter(x,y,s)的參數(shù)：
x,y 輸入數(shù)據(jù)
s，用于調(diào)整點(diǎn)的大小，形成氣泡圖
c，用于調(diào)整顏色的深淺

x = np.random.randn(1000)
y = np.random.randn(1000)
plt.figure(figsize=(12,8))
plt.scatter(x,y,s=np.random.randn(1000)*100,c=y,cmap='Blues',edgecolor='black',alpha=0.5)
plt.title('氣泡圖',fontsize=18,pad=12)

散點(diǎn)矩陣圖 → pd.scatter_matrix()

df = pd.DataFrame(np.random.randn(100,4),columns=list('ABCD'))
pd.scatter_matrix(df,figsize=(12,12),marker='o',diagonal='kde',range_padding=0.1)
# diagonal='hist' 設(shè)置對(duì)角線圖表形式，默認(rèn)直方圖hist，kde為密度圖
# range_padding=0.1，圖像在x軸、y軸原點(diǎn)附近的留白(padding)，該值越大，留白距離越大，圖像遠(yuǎn)離坐標(biāo)原點(diǎn)

箱線圖 → plt.boxplot()/plt.plot.box()

箱型圖：是一種用作顯示一組數(shù)據(jù)分散情況資料的統(tǒng)計(jì)圖。主要用于反映原始數(shù)據(jù)分布的特征，還可以進(jìn)行多組數(shù)據(jù)分布特征的比較。箱線圖作用非常廣泛，可檢測(cè)異常值以及用于觀察數(shù)據(jù)形狀、偏態(tài)和尾重。

# plt.boxplot()
df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
plt.figure(figsize=(10,4))
# 創(chuàng)建圖表、數(shù)據(jù)

f = df.boxplot(sym = 'o',  # 異常點(diǎn)形狀，參考marker
               vert = True,  # 是否垂直
               whis = 1.5,  # IQR，默認(rèn)1.5，也可以設(shè)置區(qū)間比如[5,95]，代表強(qiáng)制上下邊緣為數(shù)據(jù)95%和5%位置
               patch_artist = True,  # 上下四分位框內(nèi)是否填充，True為填充
               meanline = False,showmeans=True,  # 是否有均值線及其形狀
               showbox = True,  # 是否顯示箱線
               showcaps = True,  # 是否顯示邊緣線
               showfliers = True,  # 是否顯示異常值
               notch = False,  # 中間箱體是否缺口
               return_type='dict'  # 返回類型為字典
              ) 
plt.title('箱線圖A',fontsize=18,pad=12)

# plt.boxplot()箱線圖分組匯總
season = data[['season','casual','registered']]
season.boxplot(by='season',figsize=(12,12),sym='+')

# plt.plot.box()
df.plot.box(figsize=(8,6),sym='+')
plt.title('箱線圖B',fontsize=18,pad=12)