手摸手教你數據可視化?。ǜ綄嵗v解）

繪制常用圖形

常用圖形有：

• plt.scatter() 散點圖
• plt.plot() ? ?折線圖
• plt.bar() 直方圖
• plt.pie() 餅圖
• plt.boxplot() 箱型圖

#導入相應的包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

#圖可以顯示中文和負號
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 = ["序號","品德","科學"],axis = 1) #由于品德和科學的總分與其他學科不一致,為了圖片顯示效果,刪除這兩個學科成績

data.loc[:,"總分"] = data.loc[:,"語文"] + data.loc[:,"數學"] + data.loc[:,"英語"]  #重新計算總分成績
data.head()

接著我們還可以查看其數據結構：

data.shape  #查看數據結構

# 輸出
(629, 6)

以及查看各學科的缺失值情況：

data.isnull().sum()  #查看缺失值情況

'''
姓名    0
學校    0
語文    1
數學    0
英語    0
總分    1
dtype: int64
'''

對于這些缺失值，我們可以選擇使用dropna()函數刪除：

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

再使用describe()函數進行簡單的統計描述：

data.describe()  #簡單統計描述

散點圖

gp = data.groupby(by = "學校",as_index=False)  #以學校為分組依據進行分組
data1=gp.mean() #分組后的聚合運算為計算均值
data1.head()

得到結果：

# 繪制各學科成績散點圖
plt.figure(figsize=(6,4))
plt.scatter(data1["總分"],data1["語文"],marker='v')
plt.scatter(data1["總分"],data1["數學"],marker='o')
plt.scatter(data1["總分"],data1["英語"],marker='*')
plt.title("各學校成績散點圖",fontsize = 14)
plt.xlabel("總成績")
plt.ylabel("各學科成績")
plt.legend(["語文","數學","英語"]);

# 繪制各學科成績散點圖
plt.figure(figsize=(6,4))
plt.scatter(data1["總分"],data1["語文"],marker='v')
plt.title("各學校語文與總分成績散點圖",fontsize = 14)
plt.xlabel("總成績")
plt.ylabel("各學科成績")
plt.legend(["語文"])

# 

# 繪制各學科成績散點圖
data1.plot.scatter(x = "總分", y = "語文")
plt.title("語文與總分成績散點圖")
data1.plot.scatter(x = "總分", y = "數學")
plt.title("數學與總分成績散點圖")
data1.plot.scatter(x = "總分", y = "英語")
plt.title("英語與總分成績散點圖")
# plt.show()

得到Text(0.5, 1.0, '英語與總分成績散點圖')，且散點圖結果如下：

折線圖

data1.head()

data1["序號"]=data1.學校.str.extract('(\d+)')
data1

ser1 = data1.序號
ser1

得到輸出：

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: 序號, dtype: object

接著：

ser1 = ser1.astype("int")
ser1

得到輸出：

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: 序號, dtype: int32

可以嘗試刪除序號列，并且重設索引列：

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

再按照索引排序，可得到相應結果：

data1=data1.sort_index()
data1

接著查看一共有多少行數據作為x軸數據

len(data1) # 21

再將各科成績數據進行繪圖，得到折線圖結果：

plt.figure(figsize=(10,4))
plt.plot(range(21),data1.iloc[:,1],'-*') #選取語文成績數據
plt.plot(range(21),data1.iloc[:,2],'-o') #選取數學成績數據
plt.plot(range(21),data1.iloc[:,3],'-v') #選取英語成績數據
plt.title('各學科成績變化走勢圖')
plt.xlabel('各學校')
plt.ylabel('學科成績')
plt.xticks(range(21),data1["學校"],rotation=30)  #rotation=30控制文字傾斜角度
plt.legend(['語文','數學','英語']);

直方圖

yw = data1.loc[:,"學校":"語文"]  #提取數據繪制直方圖,直方圖原理,每個需要被畫圖的標簽對應一個數值
yw = yw.T
yw

yw.columns = yw.iloc[0]  #將學校字段轉換成列索引
yw1 = yw.drop("學校",axis=0)  #刪多余的行信息
yw1

再將語文成績數據進行繪圖，得到直方圖結果：

# 每個學校語文平均成績的直方圖
plt.figure(figsize=(12,4))
plt.bar(range(21),yw.loc["語文",:],width=0.5)
plt.title("語文成績直方圖",fontsize = 14)
plt.ylabel("語文成績",fontsize = 14)
plt.xticks(range(21),yw.iloc[0],rotation=30,fontsize = 12); #x軸刻度為各學校名稱

sx = data1.loc[:,["學校","數學"]]
sx = sx.T
sx

sx.columns = sx.iloc[0]
sx = sx.drop("學校",axis=0)
sx

再將數學平均成績數據進行繪圖，得到直方圖結果：

# 每個學校數學平均成績的直方圖
plt.figure(figsize=(12,4))
plt.bar(range(21),sx.loc["數學",:],width=0.5)
plt.title("數學成績直方圖",fontsize = 14)
plt.ylabel("數學成績",fontsize = 14)
plt.xticks(range(21),yw.iloc[0],rotation=30,fontsize = 12); #x軸刻度為各學校名稱

將多個學科成績畫到一副圖中

data1

data2 = data1.drop("總分",axis = 1)  #新建一個dataframe,刪掉總分列,因為總分和單科成績相差太多,影響繪圖效果
data2.head()

# 將多個學科成績畫到一張圖中  #截取前十
data2.plot.bar(x = '學校',y = ['語文','數學','英語'],figsize=(16,6),width=0.7,rot = 30,title = "各學科成績直方圖"); #rot空值標簽傾斜程度

餅圖

data2.head()

plt.figure(figsize=(4,4),dpi=80)
plt.pie(data2.iloc[0,1:] #選取數據源
        ,labels=['語文','數學','英語']
        ,autopct='%1.2f') #設置百分比經度
#         ,explode=[0.1,0.02,0.02]  #設置餅圖各個扇區(qū)之間的間隙
#         ,colors=['r','g','b']) #設置餅圖各個扇區(qū)的顏色
plt.title('第1小學各學科成績占比',fontsize=12);
#fontsize設定字體的大小，xlabel,ylabel,title里面都可以設定

pic2 = plt.figure(figsize=(8,8),dpi=80)

fig1 = pic2.add_subplot(2,2,1) #第一個子圖
plt.pie(data2.iloc[0,1:] #選取數據源 第10小學各學科成績
        ,labels=['語文','數學','英語']
        ,autopct='%1.2f') #設置百分比經度
#         ,explode=[0.1,0.02,0.02]  #設置餅圖各個扇區(qū)之間的間隙
#         ,colors=['r','g','b']) #設置餅圖各個扇區(qū)的顏色
plt.title('第1小學各學科成績占比',fontsize=12)

fig2 = pic2.add_subplot(2,2,2) #第二個字圖
plt.pie(data2.iloc[1,1:] #選取數據源,第11小學各學科成績
        ,labels=['語文','數學','英語']
        ,autopct='%1.2f') #設置百分比經度
#         ,explode=[0.1,0.02,0.02]  #設置餅圖各個扇區(qū)之間的間隙
#         ,colors=['r','g','b']) #設置餅圖各個扇區(qū)的顏色
plt.title('第2小學各學科成績占比',fontsize=12)

fig3 = pic2.add_subplot(2,2,3) #第二個字圖
plt.pie(data2.iloc[2,1:] #選取數據源,第12小學各學科成績
        ,labels=['語文','數學','英語']
        ,autopct='%1.2f') #設置百分比經度
#         ,explode=[0.1,0.02,0.02]  #設置餅圖各個扇區(qū)之間的間隙
#         ,colors=['r','g','b']) #設置餅圖各個扇區(qū)的顏色
plt.title('第3小學各學科成績占比',fontsize=12)

fig4 = pic2.add_subplot(2,2,4) #第二個字圖
plt.pie(data2.iloc[3,1:] #選取數據源,第13小學各學科成績
        ,labels=['語文','數學','英語']
        ,autopct='%1.2f') #設置百分比經度
#         ,explode=[0.1,0.02,0.02]  #設置餅圖各個扇區(qū)之間的間隙
#         ,colors=['r','g','b']) #設置餅圖各個扇區(qū)的顏色
plt.title('第4小學各學科成績占比',fontsize=12);

箱型圖

data.head()

data_1 = data.loc[data['學校'] =="第1小學"]  #提取第一小學的所有信息
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=['語文','數學','英語']
            ,notch=True #缺口中位數位置
            ,sym='*'#設定異常值的形狀
            ,whis=1.5); #設定幾倍標準差之外的數據算是異常值，默認是1.5

泰坦尼克號數據

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

男女中生存人數分布情況

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

女性比男性生存人數多。

男女中生存人與死亡人數的比例

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

# Text(0, 0.5, 'count')

男女性生存與死亡人數的占比偏差比較大。

不同票價的人生存和死亡人數分布情況

# 排序后繪折線圖
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()

不同的票價所反映出來的生存人數是非常明顯的，票價低的人死亡數量高是因為離甲板遠，且逃生機會大大降低。

# 排序前繪折線圖
fare_sur1 = text.groupby(['Fare'])['Survived'].value_counts()
fig = plt.figure(figsize=(20, 18))
fare_sur1.plot(grid=True)
plt.legend()
plt.show()

不同倉位等級的人生存和死亡人員的分布情況

# 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)

# 

不同年齡的人生存與死亡人數分布情況

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()

# 

不同倉位等級的人年齡分布情況

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")

#