[鏈接]

01. matplotlib API入門

02. Pandas中的繪圖函數

03. 繪制地圖：圖形化顯示海地地震危機數據

04. Python圖形化工具生態系統

——

1. matplotlib API入門

* matplotlib API（如plot和close）都位于matplotlib.pyplot模塊中，其通常的引入約定是：

import matplotlib.pylot as plt

Figure 和 Subplot

matplotlib 的圖像都位于Figure對象中，可以利用plt.figure創建一個新的Figure:
fig=plt.figure()

pandas中的繪圖函數

要組裝一張圖標，需要用到的基礎組件：
& 數據展示（即圖表類型：線型圖、柱狀圖、盒形圖、散布圖、等值線圖等）

& 圖例、標題、刻度標簽以及其他注解型信息

——————————————————————————

lesson7 matplotlib

——————————————————————————

matplotlib繪圖基礎

在繪圖開始之前，首先需要導入一些常用工具

導入matlpotlib繪圖工具

import matplotlib.pyplot as plt

導入numpy和pandas包

import numpy as np

import pandas as pd

設置在notebook中直接展示圖形輸出

%matplotlib inline

設置圖片的清晰度

%config inlinebackend.figure_format='retina'

1.使用matplotlib中的plot繪圖函數 plt.plot(x,y)

2.設置填充顏色和透明度 plt.fill_between(x,y,color='k',alpha=0.2)

3.添加標題、x軸和y軸的名稱

標題：plt.title('sine function',size=18)
X軸：plt.xlabel('x',size=16)
Y軸：plt.ylabel('y',size=16)

4.修改圖形細節

"b"代表blue，指定藍色，"- / --"指定線條的種類
linewidth指定線的粗細

plt.plot(x, y, "b-", linewidth=2.0)

5.在圖形上增加其他常用選項

marker加上書記點標記，選項包括 [ '+' | ',' | '.' | '1' | '2' | '3' | '4' ]
plt.axis([0, 5, -1.1, 1.1])設定x軸和y軸區間，等價于plt.xlim(0,5) 加上 plt.ylim(-1.1, 1.1)
加上網格 plt.grid(True)
加上文字描述 plt.text(3.1, 0.3, 'sin functoin')

* 實際演練：利用上面的知識，畫一張圖，作圖如下：

y=x, y=x^2, y=x^3

6.函數的分組與聚合

groupby分組，并使用agg進行聚合運算，sum求交易總額，count計算交易次數
reset_index 重置索引，在這里取消了name作為索引
sort_values 進行排序，參數by設置按哪一列進行排序，ascending=False 表示按降序排列

df.groupby('name')['ext price'].agg(['sum','count'])——函數的分組與聚合

.reset_index()——重置索引

.sort_values(by='sum',ascending=False)——按by后面的內容（sum）重新排序

其中 ascending=False 表示按降序排列

7. 使用rename對變量重新命名

top10.rename(columns={'name': 'Name', 'sum': 'Sales', 'count': 'Purchases'}, inplace=True)

8. 繪圖函數

使用ggplot風格的作圖
plt.style.use('ggplot')

* 8.1條形圖

barh繪制水平方向的條形圖， bar繪制垂直的直方圖

修改縱坐標和橫坐標的刻度
plt.yticks(np.arange(10), top10.Name)—將縱坐標修改為排名前10的公司名字
plt.xticks——修改橫坐標刻度
plt.yticks(np.arange(10), top10.Name)
plt.xticks([0, 20000, 40000, 60000, 80000, 100000, 120000, 140000],
['$0k', '$20k', '$40k', '$60k', '$80k', '$100k', '$120k', '$140k'])

圖一

圖二

可以使用plt.style.available查看可選作圖風格，嘗試不同的風格作圖

plt.style.available

['_classic_test',
'bmh',
'classic',
'dark_background',
'fivethirtyeight',
'ggplot',
'grayscale',
'seaborn-bright',
'seaborn-colorblind',
'seaborn-dark-palette',
'seaborn-dark',
'seaborn-darkgrid',
'seaborn-deep',
'seaborn-muted',
'seaborn-notebook',
'seaborn-paper',
'seaborn-pastel',
'seaborn-poster',
'seaborn-talk',
'seaborn-ticks',
'seaborn-white',
'seaborn-whitegrid',
'seaborn']

* 繪制多圖

在同一幅圖中，分別繪制top10公司的銷售總額和交易次數的條形圖

設置畫布大小——fig = plt.figure(figsize=(12,5))
加上圖像標題, fontsize=14 字體大小, fontweight='bold' 加粗
fig.suptitle('Sales Analysis', fontsize=14, fontweight='bold')
添加第一個子圖——ax1 = fig.add_subplot(121)
plt.barh(np.arange(10), top10.Sales, height=0.5, tick_label=top10.Name)
plt.title('Revenue')
加入平均銷售額，用一條垂直的虛線表示
revenue_average = top10.Sales.mean()
plt.axvline(x=revenue_average, color='b', linestyle='--', linewidth=1)
添加第二個子圖——ax2 = fig.add_subplot(122)
plt.barh(np.arange(10), top10.Purchases, height=0.5)
plt.title('Units')
不顯示y軸刻度
plt.yticks(visible=False)
加入平均交易個數，用一條垂直的虛線表示
purchases_average = top10.Purchases.mean()
plt.axvline(x=purchases_average, color='b', linestyle='--', linewidth=1)

Paste_Image.png

* 8.2餅圖

pie繪制餅圖
labels設置每個區域的標簽名 labels=top10.Name
autopct 顯示所占比例 autopct='%1.1f%%')—1.1代表100%后保留一位小數
plt.axis('equal') 調整坐標軸相等
餅圖圖例如下

圖三

* 8.3 散點圖

scatter 繪制散點圖
x,y設置x軸和y軸對應的數據
s設置點的大小
plt.scatter(x=top10.Purchases, y=top10.Sales, s=50)
散點圖圖例如下

圖四

* 8.4直方圖

hist 繪制直方圖
bins設置區間個數
plt.xlim(-200, 5000)設置x軸區間范圍
plt.hist(df['ext price'], bins=20, rwidth=0.9)
設置寬度 rwidth=0.5(為什么width前面加 r ?)
直方圖圖例如下

圖五

Python數據可視化模塊—Seaborn

matplotlib是python的主要繪圖工具，但其自身的語法比較復雜
Seaborn是基于matplotlib產生的一個模塊，專攻于統計可視化
可以和pandas進行無縫鏈接，初學者使用Seaborn更容易上手
Seaborn和matplotlib的關系類似于pandas和numpy的關系。

1.導入數據包

導入seaborn包，簡寫成sns
import seaborn as sns

使用seaborn做圖，用品種劃分數據

FacetGrid對象是用來連接pandas DataFrame到一個有著特別結構的matplotlib圖像
具體來說，FacetGrid是用來畫一組固定的關系給定某個變量的某個值
FacetGrid中的hue參數指明劃分數據的變量，這里是species（品種）

1.1 散點圖

sns.FacetGrid(iris, hue="species", size=8).map(plt.scatter, "petal_length", "petal_width").add_legend()

圖六

1.2 箱圖
sns.boxplot(data=iris, x="species", y="sepal_width")

圖七

1.3 多變量圖

用于快速觀察各個變量的分布，及其之間的關系

一行命令畫出四個變量的配對關系
sns.pairplot(iris, hue="species")

Paste_Image.png

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美 国产 综合 欧美 视频

第八章 繪圖和可視化

01. matplotlib API入門

02. Pandas中的繪圖函數

03. 繪制地圖：圖形化顯示海地地震危機數據

04. Python圖形化工具生態系統

——

1. matplotlib API入門

* matplotlib API（如plot和close）都位于matplotlib.pyplot模塊中，其通常的引入約定是：

import matplotlib.pylot as plt

Figure 和 Subplot

pandas中的繪圖函數

& 數據展示（即圖表類型：線型圖、柱狀圖、盒形圖、散布圖、等值線圖等）

& 圖例、標題、刻度標簽以及其他注解型信息

lesson7 matplotlib

matplotlib繪圖基礎

在繪圖開始之前，首先需要導入一些常用工具

導入matlpotlib繪圖工具

import matplotlib.pyplot as plt

導入numpy和pandas包

import numpy as np

import pandas as pd

設置在notebook中直接展示圖形輸出

%matplotlib inline

設置圖片的清晰度

%config inlinebackend.figure_format='retina'

1.使用matplotlib中的plot繪圖函數 plt.plot(x,y)

2.設置填充顏色和透明度 plt.fill_between(x,y,color='k',alpha=0.2)

3.添加標題、x軸和y軸的名稱

4.修改圖形細節

plt.plot(x, y, "b-", linewidth=2.0)

5.在圖形上增加其他常用選項

* 實際演練：利用上面的知識，畫一張圖，作圖如下：

y=x, y=x^2, y=x^3

6.函數的分組與聚合

df.groupby('name')['ext price'].agg(['sum','count'])——函數的分組與聚合

.reset_index()——重置索引

.sort_values(by='sum',ascending=False)——按by后面的內容（sum）重新排序

其中 ascending=False 表示按降序排列

7. 使用rename對變量重新命名

8. 繪圖函數

* 8.1條形圖

圖一

圖二

可以使用plt.style.available查看可選作圖風格，嘗試不同的風格作圖

['_classic_test',

'bmh',

'classic',

'dark_background',

'fivethirtyeight',

'ggplot',

'grayscale',

'seaborn-bright',

'seaborn-colorblind',

'seaborn-dark-palette',

'seaborn-dark',

'seaborn-darkgrid',

'seaborn-deep',

'seaborn-muted',

'seaborn-notebook',

'seaborn-paper',

'seaborn-pastel',

'seaborn-poster',

'seaborn-talk',

'seaborn-ticks',

'seaborn-white',

'seaborn-whitegrid',

'seaborn']