推荐 ：手摸手教你数据可视化！（附实例讲解）

转自：Datawhale；作者：CrescentAI，华南理工大学，Datawhale优秀学习者

前言

本文对课程数据集及泰坦尼克号数据集进行了实例讲解，一步一步带你绘制数据可视化中常用的五种图形，并对数据间可能存在的相关性做出了阐述。

绘制常用图形

常用图形有：

plt.scatter() 散点图

plt.plot()    折线图

plt.bar() 直方图

plt.pie() 饼图

plt.boxplot() 箱型图

 本次实例数据集可在后台回复【学生成绩】来获取。

#导入相应的包 import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline #图可以显示中文和负号 plt.rcParams['font.sans-serif']='SimHei' plt.rcParams['axes.unicode_minus']=False data = pd.read_excel("D:\data\student-score\student-score.xlsx") data.head() data = data.drop(columns = ["序号","品德","科学"],axis = 1) #由于品德和科学的总分与其他学科不一致,为了图片显示效果,删除这两个学科成绩 data.loc[:,"总分"] = data.loc[:,"语文"] + data.loc[:,"数学"] + data.loc[:,"英语"] #重新计算总分成绩 data.head()

接着我们还可以查看其数据结构：

data.shape #查看数据结构 # 输出 (629, 6)

以及查看各学科的缺失值情况：

data.isnull().sum() #查看缺失值情况 ''' 姓名 0 学校 0 语文 1 数学 0 英语 0 总分 1 dtype: int64 '''

对于这些缺失值，我们可以选择使用dropna()函数删除：

data = data.dropna() #删除缺失值 data.shape # (628, 6)

再使用describe()函数进行简单的统计描述：

data.describe() #简单统计描述

散点图

gp = data.groupby(by = "学校",as_index=False) #以学校为分组依据进行分组 data1=gp.mean() #分组后的聚合运算为计算均值 data1.head()

得到结果：

# 绘制各学科成绩散点图 plt.figure(figsize=(6,4)) plt.scatter(data1["总分"],data1["语文"],marker='v') plt.scatter(data1["总分"],data1["数学"],marker='o') plt.scatter(data1["总分"],data1["英语"],marker='*') plt.title("各学校成绩散点图",fontsize = 14) plt.xlabel("总成绩") plt.ylabel("各学科成绩") plt.legend(["语文","数学","英语"]); # 绘制各学科成绩散点图 plt.figure(figsize=(6,4)) plt.scatter(data1["总分"],data1["语文"],marker='v') plt.title("各学校语文与总分成绩散点图",fontsize = 14) plt.xlabel("总成绩") plt.ylabel("各学科成绩") plt.legend(["语文"]) # <matplotlib.legend.Legend at 0x1da13d256c8> # 绘制各学科成绩散点图 data1.plot.scatter(x = "总分", y = "语文") plt.title("语文与总分成绩散点图") data1.plot.scatter(x = "总分", y = "数学") plt.title("数学与总分成绩散点图") data1.plot.scatter(x = "总分", y = "英语") plt.title("英语与总分成绩散点图") # plt.show()

得到Text(0.5, 1.0, '英语与总分成绩散点图')，且散点图结果如下：

折线图

data1.head() data1["序号"]=data1.学校.str.extract('(\d+)') data1 ser1 = data1.序号 ser1

得到输出：

0 10 1 11 2 12 3 13 4 14 5 15 6 16 7 17 8 18 9 19 10 1 11 20 12 21 13 2 14 3 15 4 16 5 17 6 18 7 19 8 20 9 Name: 序号, dtype: object

接着：

ser1 = ser1.astype("int") ser1

得到输出：

0 10 1 11 2 12 3 13 4 14 5 15 6 16 7 17 8 18 9 19 10 1 11 20 12 21 13 2 14 3 15 4 16 5 17 6 18 7 19 8 20 9 Name: 序号, dtype: int32

可以尝试删除序号列，并且重设索引列：

del data1["序号"] data1.index = ser1 data1

再按照索引排序，可得到相应结果：

data1=data1.sort_index() data1

接着查看一共有多少行数据作为x轴数据

len(data1) # 21

再将各科成绩数据进行绘图，得到折线图结果：

plt.figure(figsize=(10,4)) plt.plot(range(21),data1.iloc[:,1],'-*') #选取语文成绩数据 plt.plot(range(21),data1.iloc[:,2],'-o') #选取数学成绩数据 plt.plot(range(21),data1.iloc[:,3],'-v') #选取英语成绩数据 plt.title('各学科成绩变化走势图') plt.xlabel('各学校') plt.ylabel('学科成绩') plt.xticks(range(21),data1["学校"],rotation=30) #rotation=30控制文字倾斜角度 plt.legend(['语文','数学','英语']);

直方图

yw = data1.loc[:,"学校":"语文"] #提取数据绘制直方图,直方图原理,每个需要被画图的标签对应一个数值 yw = yw.T yw yw.columns = yw.iloc[0] #将学校字段转换成列索引 yw1 = yw.drop("学校",axis=0) #删多余的行信息 yw1

再将语文成绩数据进行绘图，得到直方图结果：

# 每个学校语文平均成绩的直方图 plt.figure(figsize=(12,4)) plt.bar(range(21),yw.loc["语文",:],width=0.5) plt.title("语文成绩直方图",fontsize = 14) plt.ylabel("语文成绩",fontsize = 14) plt.xticks(range(21),yw.iloc[0],rotation=30,fontsize = 12); #x轴刻度为各学校名称 sx = data1.loc[:,["学校","数学"]] sx = sx.T sx sx.columns = sx.iloc[0] sx = sx.drop("学校",axis=0) sx

再将数学平均成绩数据进行绘图，得到直方图结果：

# 每个学校数学平均成绩的直方图 plt.figure(figsize=(12,4)) plt.bar(range(21),sx.loc["数学",:],width=0.5) plt.title("数学成绩直方图",fontsize = 14) plt.ylabel("数学成绩",fontsize = 14) plt.xticks(range(21),yw.iloc[0],rotation=30,fontsize = 12); #x轴刻度为各学校名称

将多个学科成绩画到一副图中

data1 data2 = data1.drop("总分",axis = 1) #新建一个dataframe,删掉总分列,因为总分和单科成绩相差太多,影响绘图效果 data2.head() # 将多个学科成绩画到一张图中 #截取前十 data2.plot.bar(x = '学校',y = ['语文','数学','英语'],figsize=(16,6),width=0.7,rot = 30,title = "各学科成绩直方图"); #rot空值标签倾斜程度

饼图

data2.head() plt.figure(figsize=(4,4),dpi=80) plt.pie(data2.iloc[0,1:] #选取数据源 ,labels=['语文','数学','英语'] ,autopct='%1.2f') #设置百分比经度 # ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙 # ,colors=['r','g','b']) #设置饼图各个扇区的颜色 plt.title('第1小学各学科成绩占比',fontsize=12); #fontsize设定字体的大小，xlabel,ylabel,title里面都可以设定 pic2 = plt.figure(figsize=(8,8),dpi=80) fig1 = pic2.add_subplot(2,2,1) #第一个子图 plt.pie(data2.iloc[0,1:] #选取数据源 第10小学各学科成绩 ,labels=['语文','数学','英语'] ,autopct='%1.2f') #设置百分比经度 # ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙 # ,colors=['r','g','b']) #设置饼图各个扇区的颜色 plt.title('第1小学各学科成绩占比',fontsize=12) fig2 = pic2.add_subplot(2,2,2) #第二个字图 plt.pie(data2.iloc[1,1:] #选取数据源,第11小学各学科成绩 ,labels=['语文','数学','英语'] ,autopct='%1.2f') #设置百分比经度 # ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙 # ,colors=['r','g','b']) #设置饼图各个扇区的颜色 plt.title('第2小学各学科成绩占比',fontsize=12) fig3 = pic2.add_subplot(2,2,3) #第二个字图 plt.pie(data2.iloc[2,1:] #选取数据源,第12小学各学科成绩 ,labels=['语文','数学','英语'] ,autopct='%1.2f') #设置百分比经度 # ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙 # ,colors=['r','g','b']) #设置饼图各个扇区的颜色 plt.title('第3小学各学科成绩占比',fontsize=12) fig4 = pic2.add_subplot(2,2,4) #第二个字图 plt.pie(data2.iloc[3,1:] #选取数据源,第13小学各学科成绩 ,labels=['语文','数学','英语'] ,autopct='%1.2f') #设置百分比经度 # ,explode=[0.1,0.02,0.02] #设置饼图各个扇区之间的间隙 # ,colors=['r','g','b']) #设置饼图各个扇区的颜色 plt.title('第4小学各学科成绩占比',fontsize=12);

箱型图

data.head() data_1 = data.loc[data['学校'] =="第1小学"] #提取第一小学的所有信息 score = (list(data_1.iloc[:,2]),list(data_1.iloc[:,3]),list(data_1.iloc[:,4])) plt.figure(figsize=(8,6)) plt.boxplot(score ,labels=['语文','数学','英语'] ,notch=True #缺口中位数位置 ,sym='*'#设定异常值的形状 ,whis=1.5); #设定几倍标准差之外的数据算是异常值，默认是1.5

泰坦尼克号数据

text = pd.read_csv(r'result.csv') text.head()

男女中生存人数分布情况

sex = text.groupby('Sex')['Survived'].sum() sex.plot.bar(color='chocolate') plt.title('survived_count') plt.show()

女性比男性生存人数多。

男女中生存人与死亡人数的比例

text.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True') plt.title('survived_count') plt.ylabel('count') # Text(0, 0.5, 'count')

男女性生存与死亡人数的占比偏差比较大。

不同票价的人生存和死亡人数分布情况

# 排序后绘折线图 fare_sur = text.groupby(['Fare'])['Survived'].value_counts().sort_values(ascending=False) fig = plt.figure(figsize=(20, 18)) fare_sur.plot(grid=True) plt.legend() plt.show()

不同的票价所反映出来的生存人数是非常明显的，票价低的人死亡数量高是因为离甲板远，且逃生机会大大降低。

# 排序前绘折线图 fare_sur1 = text.groupby(['Fare'])['Survived'].value_counts() fig = plt.figure(figsize=(20, 18)) fare_sur1.plot(grid=True) plt.legend() plt.show()

不同仓位等级的人生存和死亡人员的分布情况

# 1表示生存，0表示死亡 pclass_sur = text.groupby(['Pclass'])['Survived'].value_counts() import seaborn as sns sns.countplot(x="Pclass", hue="Survived", data=text) # <matplotlib.axes._subplots.AxesSubplot at 0x1da160cdc08> 不同年龄的人生存与死亡人数分布情况 facet = sns.FacetGrid(text, hue="Survived",aspect=3) facet.map(sns.kdeplot,'Age',shade= True) facet.set(xlim=(0, text['Age'].max())) facet.add_legend() # <seaborn.axisgrid.FacetGrid at 0x1da16136588> 不同仓位等级的人年龄分布情况 text.Age[text.Pclass == 1].plot(kind='kde') text.Age[text.Pclass == 2].plot(kind='kde') text.Age[text.Pclass == 3].plot(kind='kde') plt.xlabel("age") plt.legend((1,2,3),loc="best") # <matplotlib.legend.Legend at 0x1da161b27c8>

「完」

转自：Datawhale 公众号；

版权声明：本号内容部分来自互联网，转载请注明原文链接和作者，如有侵权或出处有误请和我们联系。

更多相关知识请回复：“ 月光宝盒 ”；

数据分析（ID : ecshujufenxi ）互联网科技与数据圈自己的微信，也是WeMedia自媒体联盟成员之一，WeMedia联盟覆盖5000万人群。