本校暑假训练营5_Python数据入门2-数据可视化3

目录

• 时间序列型图表具有发展趋势和季节性特点

1. 直方图
2. 散点图
3. 散点图矩阵
4. 箱型图

• 案例

• 2-5
• 2-6

开始

简单介绍

一、创建方法

0. 简单设置

# 导入库
import numpy as np
import pandas as pd
from pandas import Series, DataFrame

import matplotlib.pyplot as plt
from pylab import rcParams
import seaborn as sb

# 设置表格基本样式
%matplotlib inline
rcParams['figure.figsize'] = 5, 4
sb.set_style('whitegrid')

plt.rcParams['font.sans-serif']=['KaiTi'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

0.最简单的时间序列图表

案例1

# 读取数据
address = '../Data/Superstore-Sales.csv'

# 创建dataframe
# 把索引解析成日期，就是参考项
df = pd.read_csv(address,index_col='Order Date',parse_dates=True)
df.head()

# 拿出来查看df对象某特定的数据，x轴为前面设置的为参考项
df['Order Quantity'].plot()

案例2

# pandas随机抽取100条样本
# 设置种子,基于行获取数据
df2 = df.sample(n =100,random_state = 25 , axis = 0)

# 定制图表

df2['Order Quantity'].plot()

# 设置图表标题
plt.title('Supperstore 超级报表')
# 设置x\y轴的标题
plt.xlabel('订单日期')
plt.ylabel('订购数量')

plt.show()

1.直方图

# matplotlib对mpg series对象创建直方图
mpg.plot(kind = 'hist')
# x轴为区间，y轴为频数

# matplotlib另一种方式
plt.hist(mpg)
plt.show()

# 使用seaborn创建直方图,自动添加趋势线
sns.distplot(mpg)

2. 散点图

# matplotlib设置散点图,坐标标题，颜色，大小
cars.plot(kind='scatter', x = 'hp',y = 'mpg',c = 'darkgray',s = 150)


# 使用seaborn 创建散点图
# 设置坐标轴标题，数据参数
sns.regplot(x = 'hp',y = 'mpg',data = cars,scatter = True)

3. 散点图矩阵

# 使用seaborn创建散点图，较耗时11列生成11X11的图表
sns.pairplot(cars)



# 分类，通过类别加颜色，提供三维度的信息
# 传入感兴趣的数据,设置色调、调色板
sns.pairplot(cars[['mpg','disp','hp','wt','am']],hue = 'am' , palette = 'hls')

# 4X4图表，am数据不在单独显示列，红色为自动挡车型

4.箱型图

# mataplotlib创建箱型图
# 创建第一个箱型图
cars.boxplot(column = 'mpg',by = 'am')
#  得出--》自动挡更省油

# 为了对比创建第二个箱型图
cars.boxplot(column = 'wt',by = 'am')
# 得出--》手动挡车更重


# seaborn创建箱型图，更加美观
# 设置坐标轴名，数据源，调色板

sns.boxplot(x = 'am',y = 'mpg',data = cars,palette = 'hls')

案例

• 2-5



• 2-6