数据分析——作图（Python）

一、基础设置

导入相关的库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline   #在ipython总显示图表

默认不显示中文，因此需要更改设置，显示中文　

#显示中文
import matplotlib as mpl 
mpl.rcParams['font.sans-serif'] = [u'SimHei']
mpl.rcParams['axes.unicode_minus'] = False　　

设置全局变量

mpl.rc('font',size=12)  #字体
mpl.rc('figure',figsize=(8,6))  #图像大小
mpl.rc('axes.spines',right=False,top=False)  #设置右边上边的横线是否显示

二、导入数据，并查看

data = sns.load_dataset('tips')
data.head()
#字段含义分别是：总消费，小费，性别，是否吸烟，周末，时间，几个人

　

三、作图（matplotlib）

1、折线图

fig,ax = plt.subplots()  #fig主要设置一些全局的变量，而ax主要负责画图
ax.plot(data.index,data['total_bill'])
fig.set_size_inches(12,6) #重新设置大小
plt.title('折线图标题',fontsize=22)  #标题，更改字体大小
ax.set_xlabel('X轴',fontsize=18) #设置x轴，y轴的标题
ax.set_ylabel('Y轴',fontsize=18)
plt.yticks(fontsize=14) #刻度字体大小
plt.xticks(fontsize=14)
plt.legend(['标签'],fontsize=15)  #标签内容字体大小
plt.savefig('折线图',dpi=100)  #保存图片，可以设置dpi

2、柱形图

data_bar1 = data['tip'].groupby(data['day']).mean() #统计数据，按照星期来分组
data_bar2 = data['tip'].groupby(data['time']).mean() #统计数据，按照星期来分组
error = data['tip'].groupby(data['time']).std() 
fig,ax = plt.subplots(1,2)   #画出两个区域
ax[0].bar(data_bar1.index,data_bar1.values)  #第一个区域怎么画
ax[0].set_xlabel('小费星期关系图',fontsize=16)
ax[0].set_ylabel('小费',fontsize=16)
ax[0].legend(['星期'])
ax[0].set_ylim(0,4)  #设置Y轴最大最小值

ax[1].bar(data_bar2.index,data_bar2.values) #第二个区域怎么画
ax[1].errorbar(data_bar2.index,data_bar2.values,yerr = error,ls = 'none',color='#96CDCD',lw=6)  #加入方差图
ax[1].legend(['午晚餐'])
ax[1].set_xlabel('小费午晚餐关系图',fontsize=16)
ax[1].set_xticklabels(['晚餐','午餐'])   #更改坐标轴的名称
ax[1].set_ylim(0,4)  #设置Y轴最大最小值

fig.set_size_inches(12,6)  #设置整个图的大小
plt.savefig('柱形图',dpi=100)  #保存图片，可以设置dpi

3、横轴的柱形图

data_barh = data['tip'].groupby(data['sex']).mean()  #统计数据，男女小费
fig,ax = plt.subplots()
ax.barh(data_barh.index,data_barh.values,0.4)  #0.4是宽度
fig.set_size_inches(6,2)
plt.title('横着的')
ax.set_ylabel('性别',fontsize=20)
ax.set_xlabel('小费',fontsize = 20)
plt.xticks(fontsize=14)
ax.set_yticklabels(['男性','女性'])

　　

4、饼图

data_pie = data['size'].groupby(data['size']).size()
fig,ax = plt.subplots()
ax.pie(data_pir,autopct='%1.1f%%',labels=data_pie.index,colors = ['#B0E0E6','#B0C4DE','#A6A6A6','#FF3E96','#FFB5C5','#FFEBCD'])
#数据源，显示的数值，显示标签，颜色
fig.set_size_inches(8,8)  #如果两个数字不相等会变成椭圆

　

5、散点图

fig,ax = plt.subplots()
ax.scatter(data['tip'],data['total_bill'])
fig.set_size_inches(8,6)
ax.set_xlabel('小费',fontsize=18)
ax.set_ylabel('总消费',fontsize=18)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)

　　

6、几个区域的画图方法（一种是用上面的柱形图那种方法  fig,ax = plt.subplots(1,2），另一种是下面的这种，这种可以自定义占据的空格数)

fig = plt.figure()
ax1 = plt.subplot2grid((2,3),(0,0))
ax1.bar(data_bar.index,data_bar.values)
fig.set_size_inches(12,6)
ax2 = plt.subplot2grid((2,3),(0,1),colspan=2)#占据几个空额，也可以是rowspan，一个是横的，一个是竖的
ax2.scatter(data['tip'],data['total_bill'])
ax3 = plt.subplot2grid((2,3),(1,0))
ax3.barh(data_barh.index,data_barh.values)

7、两根柱形图对比

fig,ax = plt.subplots()
ax.bar(np.arange(4),data_bar.values,0.3)    #横坐标先用数字代替
ax.bar(np.arange(4)+0.3,data_bar.values*2,0.3)   #偏移一定量
ax.set_xticks(np.arange(4)+0.15)   #重新设置x轴的位置
ax.set_xticklabels(data_bar.index)   #重新设置名称

　　

四、作图（seaborn）