Python数据分析实战（3）Python实现数据可视化

向右看齐 2022-12-02 04:21 222阅读 0赞

### 文章目录 ###

*  一、数据可视化介绍
 *  二、matplotlib和pandas画图
 *   *  1.matplotlib简介和简单使用
     *  2.matplotlib常见作图类型
     *  3.使用pandas画图
     *  4.pandas中绘图与matplotlib结合使用
 *  三、订单数据分析展示
 *  四、Titanic灾难数据分析显示

# 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**和**相关性**。

Python提供了很多数据可视化的库：

*  matplotlib  
    是Python基础的画图库，官网为[https://matplotlib.org/][https_matplotlib.org]，在案例地址[https://matplotlib.org/gallery/index.html][https_matplotlib.org_gallery_index.html]中介绍了很多种类的图和代码示例。
 *  pandas  
    是在matplotlib的基础上实现画图的，官网为[https://pandas.pydata.org/][https_pandas.pydata.org]。
 *  matlpotlib和pandas结合  
    利用pandas进行数据读取、数据清洗和数据选取等操作，再使用matlpotlib显示数据。

# 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][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 plt pyplot simple][]

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)`和`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 plt pyplot subplot][]

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 plt pyplot subplot whole][]

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 plt pyplot subplot for][]

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)`和`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 plt pyplot twinx][]

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 plt pyplot twinx detail][]

## 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 plt pyplot type basic][]

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 plt pyplot type sincos][]

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 plt pyplot type scatter][]

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 plt pyplot type bar][]

饼图如下：

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

显示：  
![python plt pyplot type pie][]

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 plt pyplot type Axes3D][]

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 plt pyplot type other][]

## 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 pandas type line series][]

`pandas.Series.plot()`的常见参数及说明如下：

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>label</td> 
   <td>用于图例的标签</td> 
  </tr> 
  <tr> 
   <td>ax</td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>style</td> 
   <td>将要传给matplotlib的风格字符串，例如<code>'ko-'</code></td> 
  </tr> 
  <tr> 
   <td>alpha</td> 
   <td>图表的填充不透明(0-1)</td> 
  </tr> 
  <tr> 
   <td>kind</td> 
   <td>可以是<code>'line'</code>、<code>'bar'</code>、<code>'barh'</code>、<code>'kde'</code></td> 
  </tr> 
  <tr> 
   <td>logy</td> 
   <td>在Y轴上使用对数标尺</td> 
  </tr> 
  <tr> 
   <td>use_index</td> 
   <td>将对象的索引用作刻度标签</td> 
  </tr> 
  <tr> 
   <td>rot</td> 
   <td>旋转刻度标签(0-360)</td> 
  </tr> 
  <tr> 
   <td>xticks</td> 
   <td>用作X轴刻度的值</td> 
  </tr> 
  <tr> 
   <td>yticks</td> 
   <td>用作Y轴刻度的值</td> 
  </tr> 
  <tr> 
   <td>xlim</td> 
   <td>X轴的界限</td> 
  </tr> 
  <tr> 
   <td>ylim</td> 
   <td>Y轴的界限</td> 
  </tr> 
  <tr> 
   <td>grid</td> 
   <td>显示轴网格线</td> 
  </tr> 
 </tbody> 
</table>

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 pandas type line dataframe][]

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：

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>subplots</td> 
   <td>将各个DataFrame列绘制到单独的subplot中</td> 
  </tr> 
  <tr> 
   <td>sharex</td> 
   <td>如果subplots=True，则共用同一个X轴，包括刻度和界限</td> 
  </tr> 
  <tr> 
   <td>sharey</td> 
   <td>如果subplots=True，则共用同一个Y轴，包括刻度和界限</td> 
  </tr> 
  <tr> 
   <td>figsize</td> 
   <td>表示图像大小的元组</td> 
  </tr> 
  <tr> 
   <td>title</td> 
   <td>表示图像标题的字符串</td> 
  </tr> 
  <tr> 
   <td>legend</td> 
   <td>添加—个subplot图例(默认为True)</td> 
  </tr> 
  <tr> 
   <td>sort_columns</td> 
   <td>以字母表顺序绘制各列，默认使用前列顺序</td> 
  </tr> 
 </tbody> 
</table>

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 pandas type cumsum series][]

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 pandas type cumsum dataframe][]

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 pandas type cumsum complex][]

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 pandas type bar series][]

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 pandas type bar dataframe][]

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 pandas type bar tipdata][]

> 如需获取相关数据进行测试学习，可以直接点击加QQ群 [![Python极客部落][Python]963624318][Python_Python_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 pandas type bar tipdata show][]

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 pandas type bar dataframe complex][]

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 pandas type hist tipdata][]

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 pandas type hist kde][]

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 pandas type hist kde tipdata][]

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 pandas type scatter simple][]

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 pandas type scatter matrix hist][]

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 pandas type scatter matrix kde][]

宏观经济数据macrodata.csv如下：  
![python pandas type scatter macrodata][]  
如需获取相关数据进行测试学习，可以直接点击加QQ群 [![Python极客部落][Python]963624318][Python_Python_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 pandas type scatter macrodata show][]

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 pandas type pie][]

## 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 plt pandas combine data][]

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 plt pandas combine plot][]

# 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 plt pandas practice order orderdata][]  
如需获取相关数据进行测试学习，可以直接点击加QQ群 [![Python极客部落][Python]963624318][Python_Python_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 plt pandas practice order line][]

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 plt pandas practice order bar][]

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 plt pandas practice order pie][]

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 plt pandas practice order bar text][]

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 plt pandas practice order bar line][]

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 plt pandas practice order four][]

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 plt pandas practice titanic data][]  
如需获取相关数据进行测试学习，可以直接点击加QQ群 [![Python极客部落][Python]963624318][Python_Python_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 plt pandas practice titanic read][]

设置索引如下：

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

显示：  
![python plt pandas practice titanic index][]

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 plt pandas practice titanic pie][]

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 plt pandas practice titanic scatter][]

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 plt pandas practice titanic bar][]

[https_matplotlib.org]: https://matplotlib.org/
[https_matplotlib.org_gallery_index.html]: https://matplotlib.org/gallery/index.html
[https_pandas.pydata.org]: https://pandas.pydata.org/
[https_matplotlib.org_gallery.html]: https://matplotlib.org/gallery.html
[python plt pyplot simple]: /images/20221123/aeecd763df1e404aa00e8083c77425db.png
[python plt pyplot subplot]: /images/20221123/1b3e67d84ade4cf58fa6d70f1868ab59.png
[python plt pyplot subplot whole]: /images/20221123/35d4988f1ea244efbc0e3cc1b4ff8d27.png
[python plt pyplot subplot for]: /images/20221123/f03741fbbb06496fa7061dfdb903e6f2.png
[python plt pyplot twinx]: /images/20221123/dc3edfe5fc624736bd463cbadc985f29.png
[python plt pyplot twinx detail]: /images/20221123/17b9b65df3bb4e1ca9cb64db4d1e04c8.png
[python plt pyplot type basic]: /images/20221123/28f141722f454f038b64a66556a104de.png
[python plt pyplot type sincos]: /images/20221123/7e31db6e3dd0478ea2e421477c1e2a58.png
[python plt pyplot type scatter]: /images/20221123/3f801d69ae5f4e2488809cc4a5b701fc.png
[python plt pyplot type bar]: /images/20221123/a02ec7bf43d94155a1c5efed3a8e7709.png
[python plt pyplot type pie]: /images/20221123/cbbfbd2a3af24ab88ebbab4bd5945b0e.png
[python plt pyplot type Axes3D]: /images/20221123/b0fea944e98e40f8bf6052918dd2c63a.png
[python plt pyplot type other]: /images/20221123/6d0975ff62324cc3aa479e3bf6b2f687.png
[python pandas type line series]: /images/20221123/7a2e5ec5c87c4ae3a27d7908b3a98e96.png
[python pandas type line dataframe]: /images/20221123/ca868bf9bc6c4b3b83a1ba508012d4a7.png
[python pandas type cumsum series]: /images/20221123/d1ee8025d0544db6b4e61408a6a5dc87.png
[python pandas type cumsum dataframe]: /images/20221123/7b4256a96eaa46ffbee93f171aa4ea19.png
[python pandas type cumsum complex]: /images/20221123/9af5cb00e96a45e5a8c0dc19c402d90a.png
[python pandas type bar series]: /images/20221123/fb6ee1acb64f48bea3097c65cb9a24f6.png
[python pandas type bar dataframe]: /images/20221123/f1330d19de104396b060b0999c0aec82.png
[python pandas type bar tipdata]: /images/20221123/ffc22526cc264b78989f9a72a6556e7d.png
[Python]: 
[Python_Python_963624318]: /images/20221123/263de9d604f7404189c60ea9c8a969a4.png
[python pandas type bar tipdata show]: /images/20221123/5a07d648596d473c873a5a8519905475.png
[python pandas type bar dataframe complex]: /images/20221123/bf452122863c469fadf90de5923006db.png
[python pandas type hist tipdata]: /images/20221123/ca2fd91f294645bdab621b735a742cdb.png
[python pandas type hist kde]: /images/20221123/f16144b1f0ff46af9409e7d56408c231.png
[python pandas type hist kde tipdata]: /images/20221123/41f74adc00e04c7980eaa014423c3c1e.png
[python pandas type scatter simple]: /images/20221123/2a72f7afc0c44c8294b1e37b76e49dd6.png
[python pandas type scatter matrix hist]: /images/20221123/74a0bda4295147eea3a07d01f0630afb.png
[python pandas type scatter matrix kde]: /images/20221123/7fe2c659a0d146b190c0e18045aa3028.png
[python pandas type scatter macrodata]: /images/20221123/c955e7aefc884b1785ef945404a6f650.png
[python pandas type scatter macrodata show]: /images/20221123/d4740d14601d45a4af28d7adaee2ed56.png
[python pandas type pie]: /images/20221123/55af61a03b0e461fbb6e6bd6cbd16b0c.png
[python plt pandas combine data]: /images/20221123/51a5b2cf6ce14543a0909830130d0cf7.png
[python plt pandas combine plot]: /images/20221123/b47df71c4d2c4d8d8ea8523910f46ec3.png
[python plt pandas practice order orderdata]: /images/20221123/cfda35dfdaad4b94a6a7bec286a571a6.png
[python plt pandas practice order line]: /images/20221123/d01dc1fba865449182b66dbea990a5b3.png
[python plt pandas practice order bar]: /images/20221123/7b7c5a5651bb4ee491601fa426c17092.png
[python plt pandas practice order pie]: /images/20221123/17b3ac2783a44a46a2649af361979bc0.png
[python plt pandas practice order bar text]: /images/20221123/8fcb86fe806f48ee8a6664e742edabdd.png
[python plt pandas practice order bar line]: /images/20221123/76a73725261741fbb9cc770552ab71fe.png
[python plt pandas practice order four]: /images/20221123/e7cb1070023a42b4b2f33132b46e02f6.png
[python plt pandas practice titanic data]: /images/20221123/9cae67b353994576941bd677cec8dca4.png
[python plt pandas practice titanic read]: /images/20221123/068d470433c74daab2435ef3361dc0e1.png
[python plt pandas practice titanic index]: /images/20221123/35964a3ba5194361b88ce4f88b378c5c.png
[python plt pandas practice titanic pie]: /images/20221123/6bdfbeecd83e477a8131ce1949e80092.png
[python plt pandas practice titanic scatter]: /images/20221123/e52b030ab3fa4a3d94bae533da2f2abe.png
[python plt pandas practice titanic bar]: /images/20221123/98104ecae3f14518906797d89fd985aa.png