第Python數(shù)據(jù)可視化繪圖實(shí)例詳解目錄利用可視化探索圖表1.數(shù)據(jù)可視化與探索圖2.常見的圖表實(shí)例數(shù)據(jù)探索實(shí)戰(zhàn)分享1.2013年美國社區(qū)調(diào)查2.波士頓房屋數(shù)據(jù)集

利用可視化探索圖表

1.數(shù)據(jù)可視化與探索圖

數(shù)據(jù)可視化是指用圖形或表格的方式來呈現(xiàn)數(shù)據(jù)。圖表能夠清楚地呈現(xiàn)數(shù)據(jù)性質(zhì)，以及數(shù)據(jù)間或?qū)傩蚤g的關(guān)系，可以輕易地讓人看圖釋義。用戶通過探索圖（ExploratoryGraph）可以了解數(shù)據(jù)的特性、尋找數(shù)據(jù)的趨勢、降低數(shù)據(jù)的理解門檻。

2.常見的圖表實(shí)例

本章主要采用Pandas的方式來畫圖，而不是使用Matplotlib模塊。其實(shí)Pandas已經(jīng)把Matplotlib的畫圖方法整合到DataFrame中，因此在實(shí)際應(yīng)用中，用戶不需要直接引用Matplotlib也可以完成畫圖的工作。

1.折線圖

折線圖（linechart）是最基本的圖表，可以用來呈現(xiàn)不同欄位連續(xù)數(shù)據(jù)之間的關(guān)系。繪制折線圖使用的是plot.line()的方法，可以設(shè)置顏色、形狀等參數(shù)。在使用上，拆線圖繪制方法完全繼承了Matplotlib的用法，所以程序最后也必須調(diào)用plt.show()產(chǎn)生圖，如圖8.4所示。

df_iris[['sepal

length

(cm)']].plot.line()

plt.show()

ax

=

df[['sepal

length

(cm)']].plot.line(color='green',title="Demo",)

ax.set(xlabel="index",

ylabel="length")

plt.show()

2.散布圖

散布圖（ScatterChart）用于檢視不同欄位離散數(shù)據(jù)之間的關(guān)系。繪制散布圖使用的是df.plot.scatter()，如圖8.5所示。

df

=

df_iris

df.plot.scatter(x='sepal

length

(cm)',

y='sepal

width

(cm)')

from

matplotlib

import

cm

cmap

=

cm.get_cmap('Spectral')

df.plot.scatter(x='sepal

length

(cm)',

y='sepal

width

(cm)',

s=df[['petal

length

(cm)']]*20,

c=df['target'],

cmap=cmap,

title='different

circle

size

by

petal

length

(cm)')

3.直方圖、長條圖

直方圖（HistogramChart）通常用于同一欄位，呈現(xiàn)連續(xù)數(shù)據(jù)的分布狀況，與直方圖類似的另一種圖是長條圖（BarChart），用于檢視同一欄位，如圖8.6所示。

df[['sepal

length

(cm)',

'sepal

width

(cm)',

'petal

length

(cm)','petal

width

(cm)']].plot.hist()

2

df.target.value_counts().plot.bar()

4.圓餅圖、箱形圖

圓餅圖（PieChart）可以用于檢視同一欄位各類別所占的比例，而箱形圖（BoxChart）則用于檢視同一欄位或比較不同欄位數(shù)據(jù)的分布差異，如圖8.7所示。

df.target.value_counts().plot.pie(legend=True)

df.boxplot(column=['target'],?gsize=(10,5))

數(shù)據(jù)探索實(shí)戰(zhàn)分享

本節(jié)利用兩個(gè)真實(shí)的數(shù)據(jù)集實(shí)際展示數(shù)據(jù)探索的幾種手法。

1.2013年美國社區(qū)調(diào)查

在美國社區(qū)調(diào)查（AmericanCommunitySurvey）中，每年約有350萬個(gè)家庭被問到關(guān)于他們是誰及他們?nèi)绾紊畹脑敿?xì)問題。調(diào)查的內(nèi)容涵蓋了許多主題，包括祖先、教育、工作、交通、互聯(lián)網(wǎng)使用和居住。

數(shù)據(jù)來源

數(shù)據(jù)名稱：2013AmericanCommunitySurvey。

先觀察數(shù)據(jù)的樣子與特性，以及每個(gè)欄位代表的意義、種類和范圍。

#

讀取數(shù)據(jù)

df

=

pd.read_csv("./ss13husa.csv")

#

欄位種類數(shù)量

df.shape

#

(756065,231)

#

欄位數(shù)值范圍

df.describe()

先將兩個(gè)ss13pusa.csv串連起來，這份數(shù)據(jù)總共包含30萬筆數(shù)據(jù)，3個(gè)欄位：SCHL(學(xué)歷，SchoolLevel)、PINCP(收入，Income)和ESR(工作狀態(tài)，WorkStatus)。

pusa

=

pd.read_csv("ss13pusa.csv")

pusb

=

pd.read_csv("ss13pusb.csv")

#

串接兩份數(shù)據(jù)

col

=

['SCHL','PINCP','ESR']

df['ac_survey']

=

pd.concat([pusa[col],pusb[col],axis=0)

依據(jù)學(xué)歷對數(shù)據(jù)進(jìn)行分群，觀察不同學(xué)歷的數(shù)量比例，接著計(jì)算他們的平均收入。

group

=

df['ac_survey'].groupby(by=['SCHL'])

print('學(xué)歷分布:'

+

group.size())

group

=

ac_survey.groupby(by=['SCHL'])

print('平均收入:'

+group.mean())

2.波士頓房屋數(shù)據(jù)集

波士頓房屋數(shù)據(jù)集（BostonHousePriceDataset）包含有關(guān)波士頓地區(qū)的房屋信息，包506個(gè)數(shù)據(jù)樣本和13個(gè)特征維度。

數(shù)據(jù)來源

數(shù)據(jù)名稱：BostonHousePriceDataset。

先觀察數(shù)據(jù)的樣子與特性，以及每個(gè)欄位代表的意義、種類和范圍。

可以用直方圖的方式畫出房價(jià)（MEDV）的分布，如圖8.8所示。

df

=

pd.read_csv("./housing.data")

#

欄位種類數(shù)量

df.shape

#

(506,

14)

#欄位數(shù)值范圍df.describe()

import

matplotlib.pyplot

as

plt

df[['MEDV']].plot.hist()

plt.show()

注：圖中英文對應(yīng)筆者在代碼中或數(shù)據(jù)中指定的名字，實(shí)踐中讀者可將它們替換成自己需要的文字。

接下來需要知道的是哪些維度與房價(jià)關(guān)系明顯。先用散布圖的方式來觀察，如圖8.9所示。

#

draw

scatter

chart

df.plot.scatter(x='MEDV',

y='RM')

.

plt.show()

最后，計(jì)算相關(guān)系數(shù)并用聚類熱圖（Heatmap）來進(jìn)行視覺呈現(xiàn)，如圖8.10所示。

#

compute

pearson

correlation

corr

=

df.corr()

#

draw

heatmap

import

seaborn

as

sns

corr

=

df.corr()

sns.heatmap(corr)

plt.show()

顏色為紅色，表示正向關(guān)系；