3.數據可視化入門介紹

數據可視化庫：1.matplotlib； 2.seabron(輔助的庫,更強大更豐富更好看)； 3.Axes3D ...
1.導包

 1 import numpy as np
 2 import pandas as pd
 3 
 4 import matplotlib.pyplot as plt
 5 
 6 import seaborn as sns
 7 ​
 8 #去除執行當中報警告提示的庫
 9 import warnings
10 warnings.filterwarnings("ignore")
11 ​

2.圖形初始化設置

 1 # 全局樣式，style樣式，use使用figure身材，figsize(x,y)大小，單位是英寸
 2 plt.style.use({'figure.figsize':(20,10)})
 3 
 4 # 顯示問題衝突 
 5 plt.show()               # 強制顯示
 6 
 7 #在pycharm中使用，圖片列印不出來的時候，使用魔法方法，在行里顯示，只能在jupyter中使用
 8 %matplotlib inline  
 9  
10 #國外的庫都不支持中文
11 from pylab import mpl   # 使得預設支持中文 需要引入pylab庫中的mpl
12 mpl.rcParams['font.sans-serif'] = ['SimHei']  # 設置字體
13 mpl.rcParams['axes.unicode_minus'] = False

3.seaborn庫基本設置

 1 sns.set_style('darkgrid') # sns設置背景顏色  white(預設)  dark暗色  darkgrid暗網
 2 
 3 sns.set_style()           # 設置樣式
 4 
 5 sns.set_context('paper')  # 控制刻度
 6 
 7 # 調色板
 8 sns.color_palette()       # 設置顏色
 9 sns.set_palette()         # 設置顏色
10 sns.palplot()             # 顯示顏色，在數據可視化中，帶有plot的都是顯示作用
11 ​
12 # h=0.01, l=0.6 (亮度), s=0.65（飽和度）

  13 # 調色板 cool hot rainbow hls spring...

  14 Sns.palplot(sns.color_palette(‘hls’,7))

線性圖：plt.plot(x,y)

x 表示x軸數據點，y 表示y軸數據點

網格線：plt.grid(color='black',axis='both',alpha=0.3)

color顏色；alpha 透明度 ；axis軸，x或y。

坐標界限：plt.axis('auto') 隨著橫縱坐標軸的數據自動設置

plt.axis([-15,15,-5,5]) 表示x軸界限是【-15，15】，y軸界限是【-5，5】

取消樣式：plt.axis('off')   

標題：plt.title()

plt.title('this is sun!')

x軸的標記：xlabel() 

plt.xlabel('X',fontsize=20,color='orange')

y軸的標記：ylabel() 

plt.ylabel('f(x)',fontsize=20,color='cyan',rotation=0)   # rotation角度，f(x)旋轉90度

設置圖例： plt.legend()   

註意：畫圖的時候指定好圖例名字才有效，如 label='top'

指定圖例的位置：loc參數

plt.legend(loc=0)：loc=0代表最適合的位置，電腦自動識別

plt.legend(loc=[0,1])：表示在圖片的左上角，將圖例放在畫布的外面，是x或者y的倍數 ，這裡是x的0倍 y的1倍

設置圖片大小(局部的)

plt.figure(figsize=(20,10))

點 ，線，顏色的屬性

線 linestyle:（簡寫ls）， ①：②－－ ③－．④－

寬度 linewidth:（簡寫lw）   

字體 fontsize:（單位px）   

透明度 alpha :百分比         

角度 rotation

點 marker: o(圓點)　s(方形) p(五邊形) d(小菱形) 1 2 3 4 8(八邊）＇＊＇

點顏色color:c

點的大小 markersize

點邊緣的寬度 markeredgewidth

點邊緣面的顏色 markeredgecolor

點中間面的顏色 markerfacecolor

1 plt.plot(x,y,label='top',ls=':',lw=3,c='c',marker=1,markersize=100)
2 
3 plt.plot(x,-y,label='bottom',ls='--',lw=2,marker='s',markersize=7,color='#0FF0FFF0')
4 
5 plt.axis('equal')

更換刻度

1 x = np.arange(10)
2 y = x + 10
3 plt.plot(x,y,c='orange',lw=10,marker='o',markersize=100,markerfacecolor='r',markeredgecolor='g',markeredgewidth=10)
4 
5 #第一個參數是坐標的範圍  第二格參數是要替換的字元  映射
6 plt.xticks(np.arange(0,9),list('abcdefghi'),fontsize=20)
7 plt.yticks(np.arange(0,9),list('abcdefghi'),fontsize=20)

plt 中的實體標識 ：碰到特殊符號不好列印的時候 如pi（3.14）

 1 # subplot代表的是畫布  
 2 axes = plt.subplot()
 3 
 4 # 畫布中的用axes調用
 5 axes.set_xticks([-pi,-pi/2,0,pi/2,pi])
 6 axes.set_xticklabels(['-$\pi$','-$\pi$/2','0','$\pi$/2','$\pi$'],fontsize=20,color='orange',rotation=30)
 7 
 8 axes.set_yticks([-1,0,1])
 9 axes.set_yticklabels(['min',0,'max'],fontsize=20,color='orange',rotation=30)
10 
11 # 畫布中設置標題
12 axes.set_title('abc')

直方圖 plt.hist()

1 # 針對一維數據進行統計的，統計出現次數    
2 a = np.random.randint(0,10,10)   
3 a                    # 得到 array([8, 3, 2, 3, 5, 3, 4, 5, 6, 1])
4 plt.hist(a,bins=20)  # bins 調節直方的寬度
5 
6 # seabron當中的直方圖
7 sns.distplot(a,bins=20,color='r')

柱狀圖plt.barh()

描述的是二維數據的 

matplotlib裡面的柱狀圖，縱向的：plt.bar(X，Y)

matplotlib裡面的柱狀圖，橫向的：plt.barh(X，Y)

seabron裡面的柱狀圖(推薦使用)，hue匹配條件  

1 sns.barplot(data=titanic,x='sex',y='survived',hue='class')

餅圖 plt.pie()

 1 plt.figure(figsize=(14,8))
 2 gdp = np.array([2794696,20513000,2689992,13457267,5070626,4029140,2808899])
 3 label=['fr','usa','ind','ch','jp','ge','uk']
 4 
 5 explode = [0,0,0.1,0,0,0,0.2]  # 圖片分離ind uk
 6 # textprops={'fontsize':30}      設置字體大小
 7 plt.pie(gdp,labels=label,textprops={'fontsize':30},explode=explode,colors=sns.color_palette('hls',7))
 9 
10 plt.axis('equal')

箱圖plt.boxplot()

主要是檢查數據的分佈，查看異常值

plt.boxplot(data)

使用seabron畫的箱圖

sns.boxplot(data)

散佈圖(散點圖)plt.scatter()

主要作用：查看數據的分佈情況  越亂的數據越不利於做機器學習

 1 # 使用sns里的鳶尾花數據集
 2 iris = sns.load_dataset('iris')
 3 
 4 plt.scatter(iris.iloc[:,0],iris.iloc[:,1],c=target,cmap='rainbow') # c=target會自動給每種類別分配顏色的，使用seabron裡面自帶的鳶尾花數據集
 5 
 6 # seabron中的散佈圖
 7 # 1.散步密度圖
 8 sns.jointplot(data=iris,x='sepal_length',y='sepal_width',color='orange',kind='hex')    # kind:{"scatter"|"reg"|"resid"|"kde"|"hex"}散點|帶有回歸的線|帶有回歸的線（考慮到行了）|密度圖（像遙感）|六角形
 9 
10 # 2.回歸散佈圖
11 sns.regplot(data=iris,x='sepal_length',y='sepal_width')  # 擬合曲線   根據花萼的 沒有什麼規律
12 
13 sns.regplot(data=iris,x='petal_length',y='petal_width',) # 根據花瓣的回歸散佈圖，比較有線性規律
14 
15 # 3.線性分類散佈圖
16 sns.lmplot(data=iris,x='petal_length',y='petal_width',hue='species',markers=['o','x','d']) # 每一種的趨勢單獨的預測出;hue='species'條件,根據種類;markers=['o','x','d'] 點的形狀 圓 x 棱形
17 
18 # 4.散佈圖矩陣
19 sns.pairplot(data=iris,hue='species',kind='scatter',diag_kind='auto')   # diag_kind : {'hist', 'kde'},對角線上圖形類型的選擇 hist直方圖 kde 密度圖

３D圖形

 1 # 繪製3D圖
 2 from mpl_toolkits.mplot3d.axes3d import Axes3D  # 引入3d庫
 3 fig = plt.figure(figsize=(16,10))
 4 
 5 #實例化Axes3D
 6 axes3d = Axes3D(fig)
 7 
 8 #調用對象scatter3D
 9 axes3d.scatter3D(iris.iloc[:,0],iris.iloc[:,1],iris.iloc[:,2],c=target,s=60,cmap='hot')
10 
11 # 保存
12 plt.savefig('sca.png',dpi=100)