* Pandas绘图
* 单变量
* Seaborn绘图
* 单变量
* 双变量
* 多变量
* 主题和样式
---
1.Pandas绘图-单变量
* 概述
* pandas库是Python数据分析的核心库
* 它不仅可以加载和转换数据,还可以做更多的事情:它还可以可视化
* pandas绘图API简单易用,是pandas流行的重要原因之一
* 可视化小技巧:
* 如果是类别型
- 柱状
- 饼图 (类别相对较少 5-6个 或者更少), 所有的类别加起来是1个整体
* 如果是数值型
* 看变化趋势 折线 plot.line()
* 看分布直方plot.hist()
* 绘制直方图的时候,需要注意, 如果数据分布不均匀(倾斜的数据, 有取值数量较少的极大, 极小值) 这个时候如果不做数据的处理, 直接绘制直方图, 不能反映出数据的分布来, 只能得到一个柱子
* 可以把极值单独取出来讨论
* 把去掉极值的部分再绘制直方图
* 单变量可视化介绍
* 单变量可视化, 包括**条形图、折线图、直方图、饼图**等
* 数据使用`葡萄酒评论数据集`,来自葡萄酒爱好者杂志,包含10个字段,150929行,每一行代表一款葡萄酒
* 字段介绍
* 代码演示
* **需求1(柱状图)**: 将所有的葡萄酒品牌按照产区分类, 看看哪个产区的葡萄酒品种多
```python
# 1. 加载源数据
import pandas as pd
reviews = pd.read_csv('data/winemag-data_first150k.csv', index_col=0)
reviews
# 2. 查看每列的信息
# reviews.info()
reviews.describe()
# 3. 需求1: 将所有的葡萄酒品牌按照产区分类, 看看哪个产区的葡萄酒品种多.
kwargs = dict(figsize=(16, 8), fontsize=20, color=['b', 'orange', 'g', 'r'])
reviews['province'].value_counts().head(10).plot.bar(**kwargs)
```
* **需求2:** 计算 加利福尼亚 葡萄酒占总数的 百分比
```python
# 4. 上图说明 加利福尼亚 生产的葡萄酒比其他省都多, 也可以折算成比例.
# 需求2: 计算 加利福尼亚 葡萄酒占总数的 百分比.
(reviews['province'].value_counts().head(10) / len(reviews)).plot.bar(**text_kwargs)
```
* **需求3:** 获取葡萄酒评分列, 统计每个评分, 分别有多少种酒.
```python
# 5. 需求3: 获取葡萄酒评分列, 统计每个评分, 分别有多少种酒.
# 柱状图
reviews['points'].value_counts().sort_index().plot.bar(**text_kwargs)
# 折线图, 如果要绘制的数据不是类别值, 而是连续值, 比较适合实用折线图.
reviews['points'].value_counts().sort_index().plot.line(**text_kwargs)
```
> **柱状图和折线图区别:**
>
> * 柱状图:
> * 简单直观,很容易根据柱子的长短看出值的大小,易于比较各组数据之间的差别
> * 折线图:
> * 易于比较各组数据之间的差别
> * 能比较多组数据在同一个维度上的趋势
> * 每张图上不适合展示太多折线
* **需求4:**面积图就是在折线图的基础上,把折线下面的面积填充颜色
```python
# 6. 需求4: 面积图就是在折线图的基础上,把折线下面的面积填充颜色
# 应用场景: 当只有一个变量需要制图时,面积图和折线图之间差异不大,在这种情况下,折线图和面积图可以互相替换
reviews['points'].value_counts().sort_index().plot.area(**text_kwargs)
```
2.Pandas绘图-饼图
* 代码演示-**饼图**
> 饼图适合统计类别数量不多, 组合起来是1的数据的可视化
```python
# 饼图展示, 统计 产地 前10的数据
reviews['province'].value_counts().head(10).plot.pie(figsize=(16, 8))
```
3 .Seaborn绘图-KDE和直方图
* 概述
* Seaborn是基于matplotlib的图形可视化python包。
* 它提供了一种高度交互式界面,便于用户能够做出各种有吸引力的统计图表。
* Seaborn是在matplotlib的基础上进行了更高级的API封装,从而使得作图更加容易,在大多数情况下使用seaborn能做出很具有吸引力的图,而使用matplotlib就能制作具有更多特色的图。
* Seaborn和Pandas的API配合的很好,使用DataFrame/Series的数据就可以绘图
https://seaborn.pydata.org
* seaborn 通用的几个参数
- data 传入一个df 对象
- x , y df中的列名
- hue 传入一个类别型的列名, 同样的图会按照这个类别, 分组, 分别绘制一份绘制到一起方便进行对比
seaborn 调整图的大小
- plt.subplots(figsize=())
- 如果plt.subplots(figsize=()) 不行, 都会有一个height的参数, 指定图片的高度 可以通过height 调整图片大小
- height 高度 aspect 宽高比例
* 需求1: 单变量-直方图
```python
# 1. 加载源数据
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
# 2. 读取 小费 数据.
tips = pd.read_csv('data/tips.csv')
tips
# 3. 需求1: 查看账单金额的分布情况.
# 解决中文乱码问题
plt.rcParams['font.sans-serif']=['SimHei']
# 创建画布, 设置画布大小
fig,ax = plt.subplots(figsize=(12,6))
# 通过 Seaborn方式, 绘制直方图.
# x, y: df中的列名, 充当x轴 和 y轴的
# data: 传入1个df对象, sns可以从中直接读取数据
# hue: 传入一个类别型的列名, 同样的图会按照这个类别分组, 分别绘制一份并绘制到一起方便进行对比.
sns.histplot(x='total_bill', data=tips, hue='sex')
ax.set_title('总账单直方图')
plt.show()
```
* 需求2: 单变量-KDE图
> KDE图: 用于估计未知随机变量的概率分布. x轴: 样本数据, y轴: 概率分布.
>
> KDE图可以理解为是对直方图的加窗平滑. 它解决了一个基本的数据平滑问题, 即: 根据有限的数据样本对总体进行推断.
```python
# KDE图(密度图,核密度估计), 密度图是展示单变量分布的另一种方法,
# 本质上是通过绘制每个数据点为中心的正态分布,然后消除重叠的图,使曲线下的面积为1来创建的
fig, ax = plt.subplots(figsize=(12, 6))
sns.kdeplot(data=tips, x='total_bill', hue='day') # Y轴是: Density(密度)
# Seaborn API 数据传入的两种方式
# 方式1: 如果 data 传入了 一个dataframe x , y 就可以只传入列名的字符串
sns.kdeplot(data = tips,x='total_bill')
# x 也可以直接赋值一个Series 此时 data 就不需要传参
sns.kdeplot(tips['total_bill'])
```
* 直方图 和 KDE对比
* 表示的意义基本一样, 都是 线/柱子越高 出现的概率/样本数量越大/越高
* KDE 当多个类别进行对比的时候, 读图比直方图方便
* Y轴的坐标, KDE图是概率密度 直方图是样本数量
4.Seaborn绘图-计数柱状图
* 概述
* 计数图和直方图很像,直方图通过`对数据分组`来描述分布,
* 计数图(条形图)是对`离散变量(分类变量)`计数。
* 实例代码
```python
# 计数图(条形图)
# 1. 创建画布, 坐标轴
fig, ax = plt.subplots(figsize=(12, 6))
# 2. 绘制计数柱状图, 相当于根据 day分组, 然后再计数, 把计数的结果绘制成柱状图, 同下面代码效果类似
# sns.countplot(data=tips, x='day')
sns.countplot(data=tips, x='day')
# tips['day'].value_counts().plot.bar(color=['r','g','b','orange'])
# 3. 设置图形标题
ax.set_title('计数柱状图', size=15)
# 4. 具体的绘图动作.
plt.show()
```
5.双变量可视化-散点-蜂巢-2D KDE
* 散点图-**scatterplot**
```python
# 散点图
# 1. 绘制画布
fig, ax = plt.subplots(figsize=(12, 6))
# 2. 绘制散点图, x轴: 总账单, y轴: 小费, hue: 基于哪列分组
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='sex')
# 3. 设置标题
ax.set_title('总账小费之间关系图')
# 4. 绘制图片
plt.show()
```
* 散点图-**regplot**
```python
# 散点图
# 1. 绘制画布
fig, ax = plt.subplots(figsize=(12, 6))
# 2. 绘制散点图
# fit_reg 默认是True 会拟合一条直线 就是利用这一份数据 跑了线性回归
# fit_reg=False 可以关掉
sns.regplot(data=tips, x='total_bill', y='tip', fit_reg=True)
# 3. 设置标题
ax.set_title('总账小费之间关系图')
# 4. 绘图
plt.show()
```
* 蜂巢图
```python
# kinde='hex', 加了这个属性就是 蜂巢图, 不加就是散点图.
# sns.jointplot(data=tips, x='total_bill', y='tip', height=12) # 散点图, 每行每列再绘制直方图.
sns.jointplot(data=tips, x='total_bill', y='tip', kind='hex', height=12) # 蜂巢图, 每行每列再绘制直方图.
plt.show()
```
* 2D KDE图
```python
# 一维KDE 只传入x, 或者 只转入Y
# 二维KDE x,y 都传入
# fill=True 是否填充曲线内的颜色
# cbar=True 是否显示 右侧的颜色示意条
fig, ax = plt.subplots(figsize=(12, 6))
sns.kdeplot(data=tips, x='total_bill', y='tip', fill=True, cbar=True)
ax.set_title('2D KDE图')
plt.show()
```
6.双变量可视化
* 箱线图: 用于显示多种统计信息:**最小值,1/4分位,中位数,3/4分位,最大值,以及离群值(如果有)**
```python
# 箱线图也叫 盒须图、盒式图或箱形图, 一般用于 异常值的检测.
# 箱线图: 用于显示多种统计信息:最小值,1/4分位,中位数,3/4分位,最大值,以及离群值(如果有)
# 1. 绘制画布, 坐标
fig, ax = plt.subplots(figsize=(12, 6))
# 2. 绘制 箱线图.
sns.boxplot(data=tips, x='time', y='total_bill')
ax.set_title('总账和就餐时间之间关系图')
plt.show()
```
* **箱线图读图**
- 箱子的中间有一条线,代表了数据的中位数
- 箱子的上下底,分别是数据的上四分位数(Q3)和下四分位数(Q1)
- 箱体包含了50%的数据。因此,箱子的高度在一定程度上反映了数据的波动程度
- 上下边缘则代表了该组数据的最大值和最小值
- IQR = 上四分位数(Q3) - 下四分位数(Q1)
> 四分位距(interquartile range, *IQR*),又称四分差
- **判断异常值时最大值 = 上四分位数(Q3) + 1.5 IQR 大于这个值的就是异常值**
- **判断异常值时最小值 = 下四分位数(Q1)- 1.5 IQR 小于这个值的就是异常值**
- 有时候箱子外部会有一些点,可以理解为数据中的“异常值”
* 小提琴图, 它是经典的可视化方法,但可能会掩盖数据的分布
> 小提琴图能显示与箱线图相同的值, 小提琴图把"箱线"绘成核密度估计,
>
> 有助于保留数据的更多可视化信息
* 优势
* 小提琴图同时展示了数据的统计分布和概率密度,能够更好地揭示数据的形态和特征。
* 小提琴图可以通过分组变量进行比较分析,方便观察不同类别间的差异。
* 小提琴图能够显示数据的离散程度,通过观察图形的宽度可以了解数据的散布情况。
```python
fig, ax = plt.subplots(figsize=(12, 6))
# split = True 默认是False 当使用hue的时候会生效, 会在一个violin中切开 一半显示一个类别
sns.violinplot(data=tips, x='time', y='total_bill', hue='sex', split=True)
ax.set_title('总账小费之间关系图')
plt.show()
```
7.多变量可视化
* 概述
* 绘制多变量数据没有标准的套路
* 如果想在图中包含更多信息,可以使用颜色、大小和形状来区分它们
* 代码演示
```python
# 多变量, 通过 颜色区分.
# 例如: 使用violinplot函数时,可以通过hue参数按性别(sex)给图着色, 可以为“小提琴”的左右两半着不同颜色,用于区分性别
# white, dark, whitegrid, darkgrid, ticks
# sns.set_style('ticks')
fig, ax = plt.subplots(figsize=(12, 6))
sns.violinplot(data=tips, x='time', y='total_bill', hue='sex', split=True) # hue='性别'
ax.set_title('总账小费之间关系图')
plt.show()
```
8.Seaborn主题和样式
* 概述
* 上面的Seaborn图都采用了默认样式,可以使用**sns.set_style函数**更改样式。
* 该函数只要运行一次,后续绘图的样式都会发生变化
* Seaborn有5种样式:
* darkgrid 黑色网格(默认)
* whitegrid 白色网格
* dark 黑色背景
* white 白色背景
* ticks
* 格式
```python
sns.set_style('主题名')
fig,ax = plt.subplots()
ax = sns.violinplot(x='time',y='total_bill',hue='sex',data = tips,split = True)
```
* 代码演示
```python
# white(浅色), dark(暗色), whitegrid(浅色带网格), darkgrid(暗色带网格), ticks(浅色背景, 有刻度线没网格线)
sns.set_style('dark')
fig,ax = plt.subplots(figsize=(12,6))
# fit_reg 默认是True 会拟合一条直线 就是利用这一份数据跑了线性回归
# fit_reg=False 可以关掉
sns.violinplot(data=tips,x='time',y='total_bill',hue='sex',split=True)
ax.set_title('总账小费之间关系图') # 设置主题后, 带中文会乱码
plt.show()
```
Seaborn绘图小结
sns.XXXplot(data = df, x = '列名', y='列名',hue='列名')
- 调整绘图区域的大小
- plt.subplots(figsize=())
- 如果plt.subplots(figsize=()) 不行, 都会有一个height的参数, 指定图片的高度 可以通过height 调整图片大小
- height 高度 aspect 宽高比例