《python數(shù)據(jù)分析與應(yīng)用》 課件 第8章 Python數(shù)據(jù)可視化

第8章Python數(shù)據(jù)可視化Python數(shù)據(jù)分析與應(yīng)用1CONTENTS8.1知識(shí)準(zhǔn)備8.2代碼補(bǔ)全和知識(shí)拓展8.3實(shí)訓(xùn)任務(wù)：視頻網(wǎng)站數(shù)據(jù)可視化8.4延伸高級(jí)任務(wù)目錄8.5課后習(xí)題2知識(shí)準(zhǔn)備132.Matplotlib圖形的詳細(xì)設(shè)置Matplotlib名稱可以被分解為：Math（數(shù)學(xué)）+plot（圖表圖形）+lib（庫(kù)），因此將其合在一起稱之為數(shù)學(xué)圖表庫(kù)。Matplotlib是Python編程語(yǔ)言最常用的繪圖工具包，同時(shí)作為Python數(shù)據(jù)分析三劍客之一，是最基礎(chǔ)的Python可視化庫(kù)。8.1.2Python可視化庫(kù)知識(shí)準(zhǔn)備importmatplotlib.pyplotaspltimportpandasaspddf=pd.read_excel('./東三省GDP.xlsx’)x=df['年份']#設(shè)定X變量數(shù)據(jù)y=df['吉林省GDP增長(zhǎng)率']#設(shè)定Y變量數(shù)據(jù)plt.plot(x,y)#繪制折線圖plt.show()#顯示圖形#設(shè)置畫布大小為1200*600，背景色為黃色plt.figure(figsize=(12,6),facecolor='y')#添加網(wǎng)格plt.grid()#解決中文無(wú)法顯示的問題plt.rcParams['font.sans-serif']=['SimHei']#繪制折線圖，并設(shè)置顏色、線條樣式、標(biāo)記樣式plt.plot(x,y,color='r',linestyle='--',marker='o',mfc='w')#添加數(shù)據(jù)標(biāo)簽fora,binzip(x,y):plt.text(a,b+0.5,'%.2f'%b,ha='center',va='bottom',fontsize=8)#設(shè)置X軸數(shù)據(jù)plt.xticks(x)#添加圖表標(biāo)題plt.title('吉林省GDP增長(zhǎng)率')#添加圖例plt.legend(('GDP增長(zhǎng)率',))48.1.1可視化的作用8.1.3Matplotlib和Seaborn庫(kù)的安裝8.1.4Matplotlib1.快速繪制Matplotlib圖形代碼補(bǔ)全和知識(shí)拓展25frompylabimport*X=np.linspace(__________________________)C,S=np.cos(X),np.sin(X)plot(X,C)plot(X,S)show()請(qǐng)補(bǔ)充代碼繪制出函數(shù)圖形。8.2.1代碼補(bǔ)全：1.繪制sin和cos函數(shù)圖像6importnumpyasnp(__________________________)fig=plt.figure()fig.subplots_adjust(top=0.8)ax1=fig.add_subplot(__________________________)ax1.set_ylabel(__________________________)ax1.set_title('Asinewave')t=np.arange(0.0,1.0,0.01)s=np.sin(2*np.pi*t)line,=ax1.plot(t,s,color='blue',(__________________________))#Fixingrandomstateforreproducibilitynp.random.seed(19680801)ax2=fig.add_axes([0.15,0.1,0.7,0.3])n,bins,patches=ax2.hist(np.random.randn(1000),50,facecolor='yellow',edgecolor='yellow')(__________________________)plt.show()請(qǐng)補(bǔ)充代碼繪制出函數(shù)圖形。8.2.1代碼補(bǔ)全：2.完成圖形7可以使用比較簡(jiǎn)單的代碼快速繪制出內(nèi)容比較完整的統(tǒng)計(jì)圖形1.Seaborn繪圖importseabornassnsimportmatplotlib.pyplotasplta=[1,2,3,4,5]b=[5,10,15,20,25]sns.barplot(x=a,y=b)#用seaborn繪制條形圖plt.show()2.Seaborn作圖的基本操作8.2.2知識(shí)拓展：Seaborn實(shí)訓(xùn)任務(wù)：視頻網(wǎng)站數(shù)據(jù)可視化39#1.讀取數(shù)據(jù)gb_data=np.loadtxt("GB_video_data_numbers.csv",delimiter=",")print(gb_data)#2.獲取評(píng)論數(shù)gb_data_com=gb_data[:,3]print(gb_data_com)#極差gb_ptp=max(gb_data_com)-min(gb_data_com)print(gb_ptp)#582505.0#組距->>根據(jù)極差考慮需要多少組來(lái)確定大概組距d=25000#組數(shù)->>極差/組距bins_nums_gb=int(gb_ptp/d)print(bins_nums_gb)#直方圖plt.hist(gb_data_com,bins=bins_nums_gb)#圖形展示plt.show()使用Matplotlib繪制英國(guó)與美國(guó)Youtube數(shù)據(jù)各自評(píng)論數(shù)量的圖形，查看其評(píng)論數(shù)主要分布在哪個(gè)區(qū)間數(shù)據(jù)文件名稱分別為：GB_video_data_numbers.csv（英國(guó)）與US_video_data_numbers.csv（美國(guó)）8.3實(shí)訓(xùn)任務(wù)：英國(guó)與美國(guó)Youtube數(shù)據(jù)可視化10#評(píng)論在100000后的數(shù)目很少，無(wú)參考價(jià)值，進(jìn)行簡(jiǎn)單數(shù)據(jù)清洗->>刪除#清洗過后的數(shù)據(jù)gb_data_com_useful=[]foriingb_data_com:ifi<100000:gb_data_com_useful.append(i)#重新計(jì)算極差、組距，組數(shù)#極差gb_ptp=max(gb_data_com_useful)-min(gb_data_com_useful)#gb_ptp->>83992.0#組距d=3000#組數(shù)bins_gb=int(gb_ptp/d)print(bins_gb)#可視化plt.hist(gb_data_com_useful,bins=bins_gb)#設(shè)置顯示中文字體plt.rcParams["font.sans-serif"]=["SimHei"]#圖形展示plt.show()8.3實(shí)訓(xùn)任務(wù)：英國(guó)與美國(guó)Youtube數(shù)據(jù)可視化11由于之前的圖形無(wú)法清晰判斷數(shù)據(jù)分布的主要區(qū)間，數(shù)據(jù)內(nèi)容展示的不夠清晰。因此需要再次對(duì)數(shù)據(jù)進(jìn)行清洗，對(duì)有參考價(jià)值的數(shù)據(jù)繼續(xù)進(jìn)行分析，代碼如下所示。#經(jīng)過兩次清洗,圖還是不清晰,再次進(jìn)行清洗,10000之后數(shù)據(jù)無(wú)參靠?jī)r(jià)值#清洗過后的數(shù)據(jù)gb_data_com_useful=[]foriingb_data_com:(__________________________)(__________________________)#重新計(jì)算極差、組距，組數(shù)#極差gb_ptp=max(gb_data_com_useful)-min(gb_data_com_useful)#gb_ptp->>9933.0#組距d=500#組數(shù)bins_gb=int(gb_ptp/d)print(bins_gb)#可視化plt.hist(gb_data_com_useful,bins=bins_gb,density=True)#對(duì)x軸進(jìn)行更精細(xì)劃分x_ticks=[iforiinrange(0,10500,500)]#可添加合適標(biāo)簽x_label=[f"{i}次"foriinrange(0,10500,500)]plt.xticks(x_ticks,x_label,rotation=45)#添加組件plt.xlabel("次數(shù)")plt.ylabel("頻率")plt.title("GB評(píng)論次數(shù)分布圖")8.3實(shí)訓(xùn)任務(wù)：英國(guó)與美國(guó)Youtube數(shù)據(jù)可視化12然而上述代碼獲得的顯示效果仍然不夠理想，請(qǐng)繼續(xù)編寫程序進(jìn)行可視化展示與分析。最終我們會(huì)得到數(shù)據(jù)可視化之后一張較為滿意直方圖延伸高級(jí)任務(wù)413importmatplotlib.datesasmdatesimportmatplotlib.cbookascbookyears=mdates.YearLocator()#everyyearmonths=mdates.MonthLocator()#everymonthyearsFmt=mdates.DateFormatter('%Y')withcbook.get_sample_data(os.getcwd()+'/sample_data/goog.npz',asfileobj=True,np_load=True)asdatafile:r=datafile['price_data'].view(np.recarray)print()fig,ax=plt.subplots()ax.plot(r.date,r.adj_close)#formattheticksax.xaxis.set_major_locator(years)ax.xaxis.set_major_formatter(yearsFmt)ax.xaxis.set_minor_locator(months)8.4延伸高級(jí)任務(wù)：繪制股票走勢(shì)圖148.4.1讀入npz文件進(jìn)行繪制datemin=datetime.date(np.datetime64(r.date.min()).astype(object).year,1,1)datemax=datetime.date(np.datetime64(r.date.max()).astype(object).year+1,1,1)ax.set_xlim(datemin,datemax)#formatthecoordsmessageboxdefprice(x):return'$%1.2f'%xax.format_xdata=mdates.DateFormatter('%Y-%m-%d')ax.format_ydata=priceax.grid(True)#rotatesandrightalignsthexlabels,andmovesthebottomofthe#axesuptomakeroomforthemfig.autofmt_xdate()8.4延伸高級(jí)任務(wù)：繪制股票走勢(shì)圖158.4.1讀入npz文件進(jìn)行繪制#讀取AAPL.csv文件，并繪制AAPL股票走勢(shì)圖importosfromdatetimeimportdatetimeimportnumpyasnpimportmatplotlib.pyplotaspltimportmatplotlib.cbookascbookwithcbook.get_sample_data(os.getcwd()+'/sample_data/AAPL.csv',asfileobj=True,np_load=True)asdatafile:f=datafiletitle=f.readline().strip().split(",")print(title)data=np.loadtxt(f,dtype={'names':('Date','Open','High','Low','Close','AdjClose','Volume'),'formats':('S10','<f8','<f8','<f8','<f8','<f8','i')},delimiter=",")#i=integer,<f8=0.256,f8=0.25600001298浮點(diǎn)類型,#S10="MM-DD-YYYY"字符串類型，長(zhǎng)度為10

8.4延伸高級(jí)任務(wù)：繪制股票走勢(shì)圖168.4.2讀入csv文件進(jìn)行繪制

#轉(zhuǎn)為列表格式

lists2=[]forrowinrange(len(data)):txt=data[row]tmp=[]forcolinrang