reading Foundations for Analysis with Python Day 8

《Python數(shù)據(jù)分析基礎(chǔ)》封面

本系列的第八篇筆記進(jìn)入可視化的內(nèi)容?？梢暬彩菙?shù)據(jù)分析重要的階段，這是成果的輸出部分，畢竟“千言萬語不如一張圖”，對于數(shù)據(jù)分析師來說，“好的可視化是會講故事的”，還有就是探索性數(shù)據(jù)分析也會用到數(shù)據(jù)可視化。書中第6章 圖與圖表部分會有兩篇筆記，這一篇是關(guān)于matplotlib庫的，我會實踐條形圖、折線圖、散點圖、箱線圖等。

目錄

• matplotlib入門框架
• 條形圖
• 直方圖
• 折線圖
• 散點圖
• 箱線圖

Python 提供了若干種用于繪圖的擴(kuò)展包，包括 matplotlib、pandas、ggplot 和 seaborn。因為 matplotlib 是最基礎(chǔ)的擴(kuò)展包，它為 pandas 和 seaborn 提供了一些基礎(chǔ)的繪圖概念和語法，所以這里先介紹 matplotlib。然后，我們通過一些示例，看看其他擴(kuò)展包如何提供更簡潔的繪圖語法，或者提供一些額外的功能。

matplotlib入門框架

一個簡單的用matplotlib畫圖的框架如下，在jupyter中可以加入 %matplotlib inline 這一句，如果是寫成.py的腳本，就移除這一句，在畫圖后寫plt.show()，通過plt.savefig()可以保存圖片到本地。

def matplotlibFrame():
   import matplotlib.pyplot as plt #引入pyplot庫
   %matplotlib inline  
   #%matplotlib inline是jupyter自帶的方式，允許圖表在cell中輸出，不需要再寫plt.show()
   plt.style.use('ggplot') #使用R語言中的ggplot2配色作為繪圖風(fēng)格，純粹為了好看。
   
   sale_amounts = [127, 90, 201, 111, 232]
   fig = plt.figure()  #創(chuàng)建一個基礎(chǔ)圖，然后在基礎(chǔ)圖中創(chuàng)建一個或多個子圖
   ax1 = fig.add_subplot(1,1,1)
   ax1.bar(range(len(sale_amounts)), sale_amounts, align='center', color='darkblue')
   #plt.savefig('bar_plot.png', dpi=400, bbox_inches='tight') 
   #通過plt.savefig()可以保存圖片到本地

matplotlibFrame()

輸出：

基本框架畫條形圖

需要注意的是 pyplot并不默認(rèn)支持中文顯示，需要rcParams修改字體實現(xiàn)，或者在有中文輸出的地方，增加一個屬性：
fontproperties eg：plt.ylebel(“時間(s)”,fontproperties=”SimHei”,fontsize=20)

matplotlib的pyplot子庫提供了很多類型的基礎(chǔ)圖形：

• plt.boxplot (data,notch,position) #繪制箱形圖#
• plt.bar(left,height,width,bottom) #繪制條形圖#
• plt.barh(width,bottom,left,height) #繪制橫向條形圖#
• plt.polar(theta, r) #繪制極坐標(biāo)圖#
• plt.pie(data, explode) #繪制餅圖#
• plt.hist() #繪制直方圖#

條形圖

下面我們增加一些代碼畫元素更豐富的條形圖。

#條形圖
def basicBarPlot():
    import matplotlib.pyplot as plt
    plt.style.use('ggplot')

    customers = ['Alice', 'Bob', 'Carol', 'Dave', 'Eve'] #橫軸標(biāo)簽，某類樹洞的梗
    customers_index = range(len(customers))
    sale_amounts = [127, 90, 201, 111, 232] #條形圖的高度，數(shù)據(jù)高度

    fig = plt.figure()
    ax1 = fig.add_subplot(1,1,1)
    ax1.bar(customers_index, sale_amounts, align='center', color='darkblue') #align設(shè)置條形與標(biāo)簽中間對齊。color設(shè)置條形的顏色。
    ax1.xaxis.set_ticks_position('bottom') #設(shè)置刻度線位置在 x 軸底部和 y 軸左側(cè)
    ax1.yaxis.set_ticks_position('left')
    plt.xticks(customers_index, customers, rotation=0, fontsize='small')
    #fontsize='small' 將刻度標(biāo)簽的字體設(shè)為小字體。
    plt.xlabel('Customer Name')
    plt.ylabel('Sale Amount')
    plt.title('Sale Amount per Customer')

    #plt.savefig('bar_plot.png', dpi=400, bbox_inches='tight')
    plt.show() #display
basicBarPlot()

輸出：

基礎(chǔ)條形圖

直方圖

常用的直方圖包括頻率分布、頻率密度分布、概率分布和概率密度分布。

#頻率直方圖
def histogram():
    import numpy as np
    import matplotlib.pyplot as plt
    plt.style.use('ggplot')

    mu1, mu2, sigma = 100, 130, 15
    x1 = mu1 + sigma*np.random.randn(10000)
    x2 = mu2 + sigma*np.random.randn(10000)

    fig = plt.figure()
    ax1 = fig.add_subplot(1,1,1)
    n, bins, patches = ax1.hist(x1, bins=50, normed=False, color='darkgreen')
    n, bins, patches = ax1.hist(x2, bins=50, normed=False, color='orange', alpha=0.5)
    #上面分別畫兩個直方圖
    ax1.xaxis.set_ticks_position('bottom')
    ax1.yaxis.set_ticks_position('left')

    plt.xlabel('Bins')
    plt.ylabel('Number of Values in Bin')
    fig.suptitle('Histograms', fontsize=14, fontweight='bold') #為基礎(chǔ)圖添加一個居中的標(biāo)題
    ax1.set_title('Two Frequency Distributions')

    #plt.savefig('histogram.png', dpi=400, bbox_inches='tight')
    plt.show()
    
histogram()

輸出：

頻率直方圖

折線圖

折線圖中的數(shù)值點在一條折線上。它通常用來表示數(shù)據(jù)隨著時間發(fā)生的變化。

#折線圖
def linePlot():
  from numpy.random import randn
  import matplotlib.pyplot as plt
  plt.style.use('ggplot')

  plot_data1 = randn(30).cumsum() #生成隨機(jī)數(shù)據(jù)
  plot_data2 = randn(30).cumsum()
  plot_data3 = randn(30).cumsum()
  plot_data4 = randn(30).cumsum()

  fig = plt.figure()
  ax1 = fig.add_subplot(1,1,1)
  ax1.plot(plot_data1, marker=r'o', color=u'blue', linestyle='-', label='Blue Solid')
  ax1.plot(plot_data2, marker=r'+', color=u'red', linestyle='--', label='Red Dashed')
  ax1.plot(plot_data3, marker=r'*', color=u'green', linestyle='-.', label='Green Dash Dot')
  ax1.plot(plot_data4, marker=r's', color=u'orange', linestyle=':', label='Orange Dotted')
  #分別建立4條不同的折線到同一個圖中
  ax1.xaxis.set_ticks_position('bottom')
  ax1.yaxis.set_ticks_position('left')

  ax1.set_title('Line Plots: Markers, Colors, and Linestyles')
  plt.xlabel('Draw')
  plt.ylabel('Random Number')
  plt.legend(loc='best')
  plt.show()
  
linePlot()

輸出：

折線圖

散點圖

散點圖非常適合展示兩個數(shù)值變量之間的關(guān)系，因為可以直接看到數(shù)據(jù)的原始分布，當(dāng)然主要是針對二維數(shù)據(jù)，如果是高維數(shù)據(jù)，需要降維。這兩個變量分別位于兩個數(shù)軸上。散點圖有助于識別出變量之間是否具有正相關(guān)（圖中的點集中于某個具體參數(shù)）或負(fù)相關(guān)（圖中的點像云一樣發(fā)散）。 numpy 的 polyfit 函數(shù)可以對二維數(shù)組進(jìn)行擬合。

#散點圖
def scatterPlot():
   import numpy as np
   import matplotlib.pyplot as plt
   plt.style.use('ggplot')

   x = np.arange(start=1., stop=15., step=1.)
   y_linear = x + 5. * np.random.randn(14)  #同樣用到隨機(jī)數(shù)據(jù)
   y_quadratic = x**2 + 10. * np.random.randn(14)

   fn_linear = np.poly1d(np.polyfit(x, y_linear, deg=1))  #擬合
   fn_quadratic = np.poly1d(np.polyfit(x, y_quadratic, deg=2))

   fig = plt.figure()
   ax1 = fig.add_subplot(1,1,1)
   ax1.plot(x, y_linear, 'bo', x, y_quadratic, 'go',x, fn_linear(x), 'b-', x, fn_quadratic(x), 'g-', linewidth=2.)
   #'bo' 表示 (x, y_linear）點是藍(lán)色圓圈，'go' 表示 (x, y_quadratic) 點是綠色圓圈。同樣，'b-' 表示 (x, y_linear) 點之間的線是
   #一條藍(lán)色實線，'g-' 表示 (x, y_quadratic) 點之間的線是一條綠色實線。通過 linewidth可設(shè)置線的寬度。
   ax1.xaxis.set_ticks_position('bottom')
   ax1.yaxis.set_ticks_position('left')

   ax1.set_title('Scatter Plots with Best Fit Lines')
   plt.xlabel('x')
   plt.ylabel('f(x)')
   plt.xlim((min(x)-1., max(x)+1.))
   plt.ylim((min(y_quadratic)-10., max(y_quadratic)+10.))

   plt.savefig('scatter_plot.png', dpi=400, bbox_inches='tight')
   plt.show()
   
scatterPlot()

輸出：

基礎(chǔ)散點圖

箱線圖

箱線圖在探索性數(shù)據(jù)分析中經(jīng)常用到，能表達(dá)的信息很多。箱線圖可以表示出數(shù)據(jù)的最小值、第一四分位數(shù)、中位數(shù)、第三四分位數(shù)和最大值。箱體的下部和上部邊緣線分別表示第一四分位數(shù)和第三四分位數(shù)，箱體中間的直線表示中位數(shù)。箱體上下兩端延伸出去的直線（whisker，亦稱為“須” ）表示非離群點的最小值和最大值，在直線（須）之外的點表示離群點。

#箱線圖
def basicBoxPlot():
    import numpy as np
    import matplotlib.pyplot as plt
    plt.style.use('ggplot')

    N = 500
    normal = np.random.normal(loc=0.0, scale=1.0, size=N)
    lognormal = np.random.lognormal(mean=0.0, sigma=1.0, size=N)
    index_value = np.random.randint(low=0, high=N-1, size=N)
    normal_sample = normal[index_value]
    lognormal_sample = lognormal[index_value]
    box_plot_data = [normal,normal_sample,lognormal,lognormal_sample]

    fig = plt.figure()
    ax1 = fig.add_subplot(1,1,1)

    box_labels = ['normal','normal_sample','lognormal','lognormal_sample']
    ax1.boxplot(box_plot_data, notch=False, sym='.', vert=True, whis=1.5,showmeans=True, labels=box_labels)
    #畫箱線圖
    ax1.xaxis.set_ticks_position('bottom')
    ax1.yaxis.set_ticks_position('left')
    ax1.set_title('Box Plots: Resampling of Two Distributions')
    ax1.set_xlabel('Distribution')
    ax1.set_ylabel('Value')

    #plt.savefig('box_plot.png', dpi=400, bbox_inches='tight')
    plt.show()
basicBoxPlot()

輸出：

箱線圖

這篇筆記因為有比較多的圖表，我感覺挺賞心悅目的，matplotlib繪圖也不是很難，效果和可定制性都很好，matplotlib庫還有很多強(qiáng)大和細(xì)致的功能，需要深入學(xué)習(xí)可以參考官方文檔。Python里面還有其他很有特色的可視化庫，例如ggplot、plotnine和seaborn，下一篇筆記會介紹這些可視化庫。

ps：書中沒有講到地理數(shù)據(jù)可視化，地理數(shù)據(jù)可視化也是非常有用和美妙的。

本篇筆記的GitHub同步項目于readingForDS。關(guān)于本系列筆記有任何建議歡迎留言討論。