数据探索之-python数据可视化

前言

数据分析中的前置步骤，往往是需要充分的数据探索，在这过程中，难以避免的就是需要一定的数据可视化来帮助分析，而python matplotlib库的Pyplot模块能够提供很方便的绘图功能，其隐藏了复杂的绘图逻辑，帮助用户不用受制于绘图工具的困扰，用户可以很方面的将注意力集中在数据的探索和分析阶段。

一、基本图形绘制

1.折线图plot

import matplotlib.pyplot as plt
plt.plot([3,1,3,6,2,7,9])#如果只有一列，代表Y轴数据
plt.xlabel("x name", fontsize=10)#设置x轴的名字 设置x轴的size
plt.ylabel("y name", fontsize=10)#设置y轴的名字 设置y轴的size
plt.show()#展示图片
plt.savefig('test.jpg')#可以用savefig方法来保存结果图片，里面的参数传图片路径即可

绘图结果：

2.折线图绘制多组数据

import numpy as np
import matplotlib.pyplot as plt
t=np.arange(1,5,0.2)#造一组数据t，如从1-5，步长是0.2
plt.plot(t,t,t,t*2,t,t**2)#画三条线，每一条的x和y轴数据分别是，第一条（t,t），第二条（t,t*2），第三条（t,t**2）
plt.plot()

绘图结果：

3.散点图scatter

```python

import matplotlib.pyplot as plt
plt.scatter(range(10),[2,4,6,1,2,3,4,7,8,3])
plt.show()

绘图结果：

4.柱状图bar同理

import matplotlib.pyplot as plt
plt.bar(range(10),[2,4,6,1,2,3,4,7,8,3])
plt.show()

绘图结果：

除此之外还有很多其他图形，如饼图，直方图等。

二、根据数据特征选择合适的图形

在数据可视化中，需要根据想要描述的数据特点来选择合适的图形。例如如果想要标识数据的连续变化特点，适合使用折线图或散点图，如果想要表示每部分数据的比例或者占比情况，适合采用饼图。例如如果想表示各年龄段人群占比情况：

abels='<20','20~40','40~60','>60'#各部分的标签
size=[10,20,40,30]#各部分的数值
plt.pie(size,labels=labels)
plt.show()

绘图结果：

三、图形属性控制

绘制图形时，我们还可以通过属性控制，来优化图形显示效果，例如可以通过属性控制文字和字体属性、坐标轴和网格属性、色彩和样式、图像大小等等，下面仍然通过几个例子来展示图像属性控制效果。

1.色彩和样式

以Plot折线图为例，plot函数中，除传入x和y轴数据外，可以传入参数指定线条样式，线条颜色。

折线图绘制成绿色虚线：

import matplotlib.pyplot as plt
t=[3,1,3,6,2,7,9]
plt.plot(t,'g--')#g表示green即绿色，--表示虚线，因此可以绘制出绿色虚线
plt.show()

绘图结果：

折线图绘制成红色钻石：

import matplotlib.pyplot as plt
t=[3,1,3,6,2,7,9]
plt.plot(t,'rD')#r表示红色，D表示diamond钻石，因此可以绘制红色砖图案
plt.show()

绘图结果：

常用的符号、图案、线形控制都有哪些？

以上控制颜色和形状的符号都借鉴于matlab，下面表格里展示了我们常用的符号、图案和线形表示方式，可以通过命令：help(plt.plot)展示出的帮助信息里很方便的查看到：

命令及其运行结果如下：

2.其他属性，利用函数参数控制的属性如：

（1）颜色、线形、图例、图例位置

import numpy as np
import matplotlib.pyplot as plt
t=np.arange(1,5,0.2)
plt.plot(t,t,color='red',linestyle='--',label='Line One')#用color控制颜色，用Linestyle控制线形，用label设置图例
plt.plot(t,t*2,color='green',linestyle='-',label='Line Two')
plt.legend(loc='lower right')#loc表示图例位置，lower right表示将图例放在右下方
plt.plot()

绘图结果：

（2）加标题，横轴，纵轴

import numpy as np
import matplotlib.pyplot as plt
plt.title('this is a title')#设置图形标题
plt.xlabel('this is x zhou')#设置x轴标题
plt.ylabel('this is y zhou')#设置y轴标题
plt.plot([1,2,3,3,2,1])
plt.show()

绘图结果：

通过属性控制，能够使绘图更加美观，也可以描述出更丰富的数据信息。

总结

本章我们通过python matplotlib库提供的pyplot模块教大家如何做一些基本的可视化分析，当然这些都是可视化分析的开始，更复杂的场景和可视化还需要更深入的探究。
感谢您的阅读，如果您对博客内容感兴趣，或者希望持续获得后续关于大数据分析的系列干货知识，可微信搜索“数据分析师进阶”或扫描以下二维码关注即可。