【Python基础】手把手教你数据可视化！（附实例讲解）

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>

往期精彩回顾 适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑 AI基础下载机器学习的数学基础专辑获取一折本站知识星球优惠券，复制链接直接打开：https://t.zsxq.com/662nyZF本站qq群1003271085。加入微信群请扫码进群（如果是博士或者准备读博士请说明）：