Pandas和Seaborn数据可视化

Pandas数据可视化

学习目标

本章内容不需要理解和记忆，重在【查表】！

• 知道数据可视化的重要性和必要性
• 知道如何使用Matplotlib的常用图表API
• 能够找到Seaborn的绘图API

1 Pandas数据可视化

一图胜千言，人是一个视觉敏感的动物，大多数人对数字无法在较短的时间内找到规律和业务意义，可视化就势在必行。视觉化效应 (Visual effects) 是指人类认知过程中，只要将非视觉性信息转化成视觉信息，可以大大增强海马体的记忆与前额叶皮质的思维反应速度。

• Pandas的数据可视化依赖于matplotlib模块的pyplot类，在安装Pandas时会自动安装Matplotlib
• Matplotlib是一个专门的绘图可视化包，可以对图形做细节控制，绘制出出版质量级别的图形，通过Matplotlib，可以简单地绘制出常用的统计图形。
• 除了Matplotlib以外还有很多用于可视化的包，比如Seaborn

1.1 Pandas内置Matplotlib

• Pandas内置图表功能依赖其自带的Matplotlib包
• dataframe对象或seriers对象直接调用plot()函数即可绘图
• Pandas绘图的API使用方法和Matplotlib包相同

import pandas as pd
# 加载 anscombe数据
anscombe = pd.read_csv('data/anscombe.csv')
df1 = anscombe[anscombe['dataset']=='I']
df2 = anscombe[anscombe['dataset']=='II']
df3 = anscombe[anscombe['dataset']=='III']
df4 = anscombe[anscombe['dataset']=='IV']df1.plot()  # 默认折线图
df1['x'].plot.bar()# df.plot.line() # 折线图的全写方式
# df.plot.bar() # 柱状图
# df.plot.barh() # 横向柱状图 （条形图）
# df.plot.hist() # 直方图
# df.plot.box() # 箱形图
# df.plot.kde() # 核密度估计图
# df.plot.density() # 同 df.plot.kde()
# df.plot.area() # 面积图
# s.plot.pie() # 饼图
# df.plot.scatter() # 散点图
# df.plot.hexbin() # 六边形箱体图，或简称六边形图
plt.show()

1.2 解决中文显示以及关闭警告

• 运行下边的代码，中午字符无法正常显示，而且出现警告信息

import matplotlib.pyplot as plt
import numpy as npx = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])plt.bar(x,y)
plt.title('柱状图')
plt.show()

• 设置中文字体

matplotlib.rcParams['font.family'] = 'SimHei'

• 改变字体即可正常显示中文

  • 将 simhei.ttf 字体文件放到 /root/anaconda3/lib/python3.8/site-packages/matplotlib/mpl-data/fonts/ttf 目录下

    

  • 修改 /root/anaconda3/lib/python3.8/site-packages/matplotlib/mpl-data 目录下的 matplotlibrc 文件

    vim matplotlibrc
    # 增加以下内容
    font.family			 : sans-serif
    font.sans-serif		 : SimHei
    axes.unicode_minus   : False
    

• 删除 /root/.cache 目录下的 matplotlib 文件

  cd /root/.cache
  rm -rf matplotlib
  

2 Pandas图表绘制

准备工作

import pandas as pdanscombe = pd.read_csv('../data/e_anscombe.csv') # 资料中提供了这份数据
print(anscombe)df1 = anscombe[anscombe['dataset']=='I']
df2 = anscombe[anscombe['dataset']=='II']
df3 = anscombe[anscombe['dataset']=='III']
df4 = anscombe[anscombe['dataset']=='IV']

2.1 折线图line

df1.plot() # 默认折线图
#df1.plot(kind='line') # 结果与df1.plot()
#df1.plot.line() # 结果与df1.plot()
# x轴是索引值，y轴是各列的具体值
# 也可以通过参数指定xy轴对应的列名
df1.plot.line(x='x', y='y')
plt.show()

2.2 柱状图bar

df1.plot.bar() # 柱状图
df1.plot.bar(stacked=True) # 柱状堆积
# 也可以通过参数指定xy轴对应的列名
df1.plot.bar(x='x', y='y')
plt.show()

2.3 水平条形图barh

df1.plot.barh() # 水平条形图
df1.plot.barh(stacked=True) # 水平条形堆积图
# 也可以通过参数指定xy轴对应的列名
df1.plot.barh(x='x', y='y')
plt.show()

2.4 饼图pie

# 饼图，只能展示一维数据
# 参数y指定列名
# 参数autopct='%.2f%%'指定显示百分比 %.2f%%表示保留2位小数
# 参数radius=0.9 指定饼图直径的比例，最大为1
# 参数figsize=(16, 8) 设定图片大小
df1.plot.pie(y='x', autopct='%.2f%%', radius=0.9, figsize=(16, 8)) 
plt.show()

2.5 散点图scatter

# 指定xy轴，grid=True开启背景辅助线
df1.plot.scatter(x='x', y='y', grid=True)
plt.show()

2.6 气泡图-特殊的scatter

# 参数s表示每个点的大小，与普通散点图相比能够描述三维数据
df1.plot.scatter(x='x', y='y', grid=True, s=df1['x']*100)
plt.show()

2.7 箱线图boxplot

• 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）

df1.boxplot()
# df1.plot.boxplot() # 报错
plt.show()

2.8 直方图hist

• 直方图描述的是数据在不同区间内的分布情况，描述的数据量一般比较大，图示如下：

# 描述数据出现的次数
df1['x'].plot.hist()
plt.show()

2.9 蜂巢图hexbin

• 蜂巢图又叫做六边形分箱图（Hexagonal Binning），也称六边形箱体图，或简称六边形图，是一种由六边形为主要元素的统计图表。它是一种比较特殊的图表，既是散点图的延伸，又兼具直方图和热力图的特征。
  • 颜色深浅表示该值出现的频率

# gridsize=12设定蜂箱格子的大小，数字越小格子越大
df1.plot.hexbin(x='x', y='y', gridsize=12)
plt.show()

3 Seaborn图表绘制

• Seaborn是基于matplotlib的图形可视化python包。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。

• Matplotlib的API是按照图形的种类进行设计的，比如直方图、散点图等等； 而Seaborn不同，它的绘图API的设计初衷是为了更好的展示数据之间的关系，我们查看Seaborn的官方文档就能很直观的发现这一点。

• Seaborn的官方文档和版本号

  • API文档 https://seaborn.pydata.org/api.html
  • 历史版本API文档 https://seaborn.pydata.org/archive.html
  • 本课程使用的Seaborn版本为 0.10.1

• seaborn图的分类

  • 关系图：relplot关系类图表的接口，其实是下面两种图的集成，通过指定kind参数可以画出下面的两种图
    • 散点图 scatterplot() (kind=“scatter”)
    • 线形图 lineplot() (kind=“line”)
  • 分布图
    • 单变量分布图
      • 直方图，质量估计图 distplot()
      • 核密度估计图 kdeplot()
    • 双变量关系图
      • 双变量关系图 jointplot()
      • 变量关系组图 pairplot()
      • 将数组中的数据点绘制为轴上的数据 rugplot()
  • 类别图：catplot 分类图表的接口，其实是下面八种图表的集成，通过指定kind参数可以画出下面的八种图
    • 分类散点图
      • stripplot() (kind=“strip”)
      • swarmplot() (kind=“swarm”)
    • 分类分布图
      • boxplot() (kind=“box”)
      • violinplot() (kind=“violin”)
      • boxenplot() (kind=“boxen”)
    • 分类估计图
      • pointplot() (kind=“point”)
      • barplot() (kind=“bar”)
      • countplot() (kind=“count”)
  • 回归图
    • 回归模型图 Implot()
    • 线性回归图 regplot()
    • 线性回归残差图 residplot()
  • 矩阵图组合图
    • 热力图 heatmap()
    • 聚集图 clustermap()

• 如果说Matplotlib的API规定了各种图形，那么Seaborn的API设计理念是为了更好的展示数据之间的关系；接下来我们就讲解较为常用的Seaborn绘图API

# 导包
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns # Anaconda内置，无需额外安装
# 加载数据
tips_df = pd.read_csv('data/05_tips.csv')
print(tips_df)

3.1 scatterplot关系散点图

# 指定数据集，指定x轴为消费订单金额，y轴为消费金额,
# 散点图通用的可选参数 hue='sex'通过颜色指定分组
# 散点图通用的可选参数 style='smoker' 通过形状指定分组
# 散点图通用的可选参数 size='time' 通过大小指定分组
sns.scatterplot(data=tips_df, x='total_bill', y='tip', hue='sex', style='smoker', size='time'
)
plt.show()

3.2 relplot关系散点线形图

sns.relplot(data=tips_df, x='total_bill', y='tip') # 默认 kind='scatter'
sns.relplot(data=tips_df, x='total_bill', y='tip', kind='line')
plt.show()

3.3 stripplot分类散点图

f = plt.figure()
f.add_subplot(2,1,1)
# 按照x属性所对应的类别分别展示y属性的值，适用于分类数据
# 不同饭点的账单总金额的散点图
sns.stripplot(data=tips_df, x='time', y='total_bill')
f.add_subplot(2,1,2)
# hue通用参数按颜色划分
# jitter=True 当数据点重合较多时，尽量分散的展示数据点
# dodge=True 拆分分类
sns.stripplot(data=tips_df, x='time', y='total_bill', jitter=True, dodge=True, hue='day')
plt.show()

[TIPS解决多图同时展示问题]

# 下边的代码只能输出一张图表
sns.stripplot(data=tips_df, x='time', y='total_bill')
sns.stripplot(data=tips_df, x='time', y='total_bill', jitter=True, dodge=True, hue='day')
plt.show()
# 所以我们使用下面的方法进行多图的输出
# f = plt.figure() # 创建画布
# f.add_subplot(2,1,1) # 在画布上申请图表空间，参数2,1,1表示2行1列中的第1个
# 图1 # sns.stripplot(data=tips_df, x='time', y='total_bill')
# f.add_subplot(2,1,2) # 在画布上申请图表空间，参数2,1,2表示2行1列中的第2个
# 图2 # sns.stripplot(data=tips_df, x='time', y='total_bill', jitter=True, dodge=True, hue='day')
# plt.show()

3.4 violinplot分类小提琴图

• 在箱线图基础上额外描述了数值出现的频率

# 下图分别描述午餐账单、晚餐账单的最大值、最小值、三个四分位数，以及所有账单金额出现的次数（频率）
sns.violinplot(data=tips_df, x='time', y='total_bill')
plt.show()

3.5 barplot分类平均值分布图

# 下图中黑色的粗线条展示了数据的分布(误差线), 线条越短, 数据分布越均匀
# 下图中每个柱的顶点就是该分类y指定列的平均值
sns.barplot(data=tips_df, x='day', y='total_bill')
plt.show()

3.6 countplot分类计数图

# 按x指定的列值分组统计出现次数
sns.countplot(data=tips_df, x='day')
plt.show()

3.7 heatmap矩阵热力图

• 将二维的矩阵数据输出为热力图，颜色深浅就表示数值的大小

# 男女在午餐晚餐的平均消费
new_df = tips_df.pivot_table(index='sex', columns='time', values='total_bill', aggfunc='mean')
print(new_df)
# 输出为热力图：男性在晚餐花费最多
sns.heatmap(data=new_df)
plt.show()

3.8 pairplot成对关系图

• 能够将df中所有或指定的数值类型的列，成对的进行组合展示两者之间的关系

sns.pairplot(tips_df)
#sns.pairplot(df) # 全部数值列进行两两组合
#sns.pairplot(df, vars=['列名1', '列名2']) # 指定要组合展示的列名
plt.show()

• 按右上、左下、中间轴线（左上至右下）的方式分别设置图表类型

pair_grid = sns.PairGrid(tips_df)
# 中间轴线上的图设为kdeplot
pair_grid.map_diag(sns.kdeplot) 
# 右上设为lineplot
pair_grid.map_upper(sns.lineplot) 
# 左下设为scatterplot
pair_grid.map_lower(sns.scatterplot) 
plt.show()

3.9 通用配置

• 将 Seaborn 提供的样式声明代码 sns.set() 放置在绘图前，就可以设置图像的样式

sns.set(context='paper', style='darkgrid', palette='deep', font='sans-serif', font_scale=1
)
# context： 参数控制着默认的画幅大小，分别有 {paper, notebook, talk, poster} 四个值。其中，poster > talk > notebook > paper。
# style：参数控制默认样式，分别有 {darkgrid, whitegrid, dark, white, ticks}，你可以自行更改查看它们之间的不同。
# palette：参数为预设的调色板。分别有 {deep, muted, bright, pastel, dark, colorblind} 等，你可以自行更改查看它们之间的不同。
# font：用于设置字体
# font_scale：设置字体大小sns.scatterplot(data=tips_df, x='total_bill', y='tip', hue='sex', style='smoker', size='time')
plt.show()

总结

请对下面的内容 有印象、能找到、能理解、能看懂

• Matplotlib：各种图形的API

  • 折线图 df.plot.line()
  • 柱状图 df.plot.bar()
  • 水平条形图 df.plot.barh()
  • 饼图 df.plot.pie()
  • 散点图 df.plot.scatter()
  • 气泡图 df.plot.scatter()
    • 在散点图的基础上，除了xy参数以外再增加一个s参数，可以展示三维数据
  • 面积图 df.plot.area()
  • 箱线图 df.boxplot()
    • 可以展示最大值、最小值、1/4分位数、中位数、3/4分位数
  • 直方图 df.plot.hist()
    • 描述一维数据，展示数据出现的次数
  • 蜂巢图 df.plot.hexbin()
    • 描述二维数据的同时，展示数据出现的次数

• Seaborn：实现各种统计功能的图表API

  • API文档 https://seaborn.pydata.org/api.html
  • 历史版本API文档 https://seaborn.pydata.org/archive.html

  • 关系图：relplot关系类图表的接口，其实是下面两种图的集成，通过指定kind参数可以画出下面的两种图
    • 散点图 scatterplot() (kind=“scatter”)
    • 线形图 lineplot() (kind=“line”)
  • 分布图
    • 单变量分布图
      • 直方图，质量估计图 distplot()
      • 核密度估计图 kdeplot()
    • 双变量关系图
      • 双变量关系图 jointplot()
      • 变量关系组图 pairplot()
      • 将数组中的数据点绘制为轴上的数据 rugplot()
  • 类别图：catplot 分类图表的接口，其实是下面八种图表的集成，通过指定kind参数可以画出下面的八种图
    • 分类散点图
      • stripplot() (kind=“strip”)
      • swarmplot() (kind=“swarm”)
    • 分类分布图
      • boxplot() (kind=“box”)
      • violinplot() (kind=“violin”)
      • boxenplot() (kind=“boxen”)
    • 分类估计图
      • pointplot() (kind=“point”)
      • barplot() (kind=“bar”)
      • countplot() (kind=“count”)
  • 回归图
    • 回归模型图 Implot()
    • 线性回归图 regplot()
    • 线性回归残差图 residplot()
  • 矩阵图组合图
    • 热力图 heatmap()
    • 聚集图 clustermap()

• Pyecharts

  • 官方文档 https://pyecharts.org/#/zh-cn/intro
  • 官方案例 https://gallery.pyecharts.org/#/README

ot() (kind=“strip”)
- swarmplot() (kind=“swarm”)
- 分类分布图
- boxplot() (kind=“box”)
- violinplot() (kind=“violin”)
- boxenplot() (kind=“boxen”)
- 分类估计图
- pointplot() (kind=“point”)
- barplot() (kind=“bar”)
- countplot() (kind=“count”)

• 回归图

  • 回归模型图 Implot()
  • 线性回归图 regplot()
  • 线性回归残差图 residplot()

• 矩阵图组合图

  • 热力图 heatmap()
  • 聚集图 clustermap()

• Pyecharts

  • 官方文档 https://pyecharts.org/#/zh-cn/intro
  • 官方案例 https://gallery.pyecharts.org/#/README