Python数据分析实战① Python实现数据可视化

一、数据可视化介绍

数据可视化是指将数据放在可视环境中、进一步理解数据的技术，可以通过它更加详细地了解隐藏在数据表面之下的模式、趋势和相关性。

Python提供了很多数据可视化的库：

• matplotlib
  是Python基础的画图库，官网为https://matplotlib.org/，在案例地址https://matplotlib.org/gallery/index.html中介绍了很多种类的图和代码示例。
• pandas
  是在matplotlib的基础上实现画图的，官网为https://pandas.pydata.org/。
• matlpotlib和pandas结合
  利用pandas进行数据读取、数据清洗和数据选取等操作，再使用matlpotlib显示数据。

二、matplotlib和pandas画图

1.matplotlib简介和简单使用

matplotlib是Python最著名的绘图库，它提供了一整套和Matlab相似的命令API，十分适合进行交互式制图；也可以方便地将它作为绘图控件，嵌入GUI应用程序中。
文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源代码。如果需要绘制某种类型的图，只需要在这个页面中进行简单的浏览、复制、粘贴，就能实现画图。
https://matplotlib.org/gallery.html中有大量的缩略图案例可以使用。

matplotlib画图的子库：

• pyplot子库
  提供了和matlab类似的绘图API，方便用户快速绘制2D图表。
• pylab模块
  其中包括了许多numpy和pyplot中常用的函数，方便用户快速进行计算和绘图，可以用于IPython中的快速交互式使用。

使用matplotlib快速绘图导入库和创建绘图对象如下：

import matplotlib.pyplot as plt

plt.figure(figsize=(8,4))

创建绘图对象时，同时使它成为当前的绘图对象。
通过figsize参数可以指定绘图对象的宽度和高度，单位为英寸；
dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。
因此本例中所创建的图表窗口的宽度为8 * 80 = 640像素。

也可以不创建绘图对象直接调用plot方法绘图，matplotlib会自动创建一个绘图对象。
如果需要同时绘制多幅图表的话，可以给figure传递一个整数参数指定图标的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。

pyplot画图简单使用如下：

import numpy as np
import matplotlib.pyplot as plt # 首先载入matplotlib的绘图模块pyplot，并且重命名为plt

x = np.linspace(0, 10, 1000)  

y = np.sin(x)
z = np.cos(x**2)

plt.figure(figsize=(8,4))   #2 创建绘图对象

plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$") 

plt.xlabel("Time(s)") 
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.ylim(-1.2,1.2)
plt.legend()

plt.show()

显示：

其中：

plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")

第一行将x、y数组传递给plot之后，用关键字参数指定各种属性：

• label
  给所绘制的曲线取一个名字，用于在图示（legend）中显示；
  在字符串前后添加$符号，就会使用内置的latex引擎绘制数学公式。
• color
  指定曲线的颜色：颜色可以用英文单词，或者以#字符开头的三个16进制数，例如#ff0000表示红色，或者用值在0到1范围之内的三个元素的元组表示，例如(1.0, 0.0, 0.0)也表示红色。
• linewidth
  指定曲线的宽度，可以不是整数，也可以使用缩写形式的参数名lw。
• 曲线样式
  第三个参数b--指定曲线的颜色和线型，它通过一些易记的符号指定曲线的样式，其中b表示蓝色，--表示线型为虚线。
  在IPython中输入plt.plot?可以查看格式化字符串以及各个参数的详细说明。

plt.xlabel("Time(s)") 
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.ylim(-1.2,1.2)
plt.legend()

通过一系列函数设置当前Axes对象的各个属性：

• xlabel、ylabel
  分别设置X、Y轴的标题文字。
• title
  设置子图的标题。
• xlim、ylim
  分别设置X、Y轴的显示范围。
• legend
  显示图示，即图中表示每条曲线的标签(label)和样式的矩形区域。

最后调用plt.show()显示出绘图窗口。

一个绘图对象(figure)可以包含多个轴(axis)，在Matplotlib中用轴表示一个绘图区域，可以将其理解为子图。上面的第一个例子中，绘图对象只包括一个轴，因此只显示了一个轴（子图Axes）。可以使用subplot函数快速绘制有多个轴的图表。
subplot函数的调用形式如下：

subplot(numRows, numCols, plotNum)

subplot将整个绘图区域等分为numRows行和numCols列个子区域，然后按照从左到右、从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。
如果numRows、numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。
subplot在plotNum指定的区域中创建一个轴对象，如果新创建的轴和之前创建的轴重叠，之前的轴将被删除。

如下：

for idx, color in enumerate("rgbyck"):
    plt.subplot(320+idx+1, facecolor=color)
plt.show()

显示：

可以看到：
创建3行2列共6个轴，通过facecolor参数给每个轴设置不同的背景颜色。

如果希望某个轴占据整个行或者列的话，可以如下：

plt.subplot(221) # 第一行的左图
plt.subplot(222) # 第一行的右图
plt.subplot(212) # 第二整行
plt.show()

显示：

再举一个创建子图的例子：

plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2
ax1 = plt.subplot(211) # 在图表2中创建子图1
ax2 = plt.subplot(212) # 在图表2中创建子图2
 
x = np.linspace(0, 3, 100)
for i in range(5):
    plt.figure(1) # 选择图表1
    plt.plot(x, np.exp(i*x/3))
    plt.sca(ax1) # 选择图表2的子图1，将当前轴实例设置为ax
    plt.plot(x, np.sin(i*x))
    plt.sca(ax2) # 选择图表2的子图2
    plt.plot(x, np.cos(i*x))
plt.show()

显示：

首先通过figure()创建了两个图表，它们的序号分别为1和2；
然后在图表2中创建了上下并排的两个子图，并用变量ax1和ax2保存。
在循环中：
先调用figure(1)让图表1成为当前图表，并在其中绘图。
然后调用sca(ax1)和sca(ax2)分别让子图ax1和ax2成为当前子图，并在其中绘图。
当它们成为当前子图时，包含它们的图表2也自动成为当前图表，因此不需要调用figure(2)依次在图表1和图表2的两个子图之间切换，逐步在其中添加新的曲线即可。

其中，twinx()可以为图增加纵坐标轴，使用如下：

x = np.arange(1, 21, 0.1)
 
y1 = x * x
y2 = np.log(x)
 
plt.plot(x, y1)
 
# 添加一条y轴的坐标轴
plt.twinx()
plt.plot(x, y2)
 
plt.show()

显示：

进一步使用如下：

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(1, 20, 1)
y1 = x * x
y2 = np.log(x)
 
fig = plt.figure()
ax1 = fig.add_subplot(111)

ax1.plot(x, y1, label = "$y1 = x * x$", color = "r")
ax1.legend(loc = 0)
# 设置对应坐标轴的名称
ax1.set_ylabel("y1")
ax1.set_xlabel("Compare y1 and y2")
 
# 设置x轴刻度的数量
ax = plt.gca()
ax.locator_params("x", nbins = 20)
 
# 添加坐标轴,并在新添加的坐标轴中画y2 = log(x)图像
ax2 = plt.twinx()
ax2.set_ylabel("y2")
ax2.plot(x, y2, label = "$y2 = log(x)$")
ax2.legend(loc = 0)
 
plt.show()

显示：

2.matplotlib常见作图类型

画图在工作中在所难免，尤其在进行数据探索时显得尤其重要，matplotlib常见的一些作图种类如下：

• 散点图
• 条形图
• 饼图
• 三维图

先导入库和基础配置如下：

from __future__ import division
from numpy.random import randn
import numpy as np
import os
import matplotlib.pyplot as plt
np.random.seed(12345)
plt.rc('figure', figsize=(10, 6))
from pandas import Series, DataFrame
import pandas as pd
np.set_printoptions(precision=4)

get_ipython().magic(u'matplotlib inline')
get_ipython().magic(u'pwd')

打印：

'XXX\\3_Visualization_Of_Data_Analysis\\basicuse'

基础画图如下：

# matplotlib创建图表
plt.plot([1,2,3,2,3,2,2,1])
plt.show()

plt.plot([4,3,2,1],[1,2,3,4])
plt.show()

显示：

画三角函数曲线如下：

# 画简单的图形
from pylab import *
x=np.linspace(-np.pi,np.pi,256,endpoint=True)
c,s=np.cos(x),np.sin(x)
plot(x,c, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(x,s,color="red", linewidth=2.5, linestyle="-", label="sine")
show()

显示：

画散点图如下：

# 散点图
from pylab import *
n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
scatter(X,Y)
show()

显示：

画条形图如下：

#条形图
from pylab import *
n = 12
X = np.arange(n)
Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
for x,y in zip(X,Y1):
 text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')
ylim(-1.25,+1.25)
show()

显示：

饼图如下：

#饼图
from pylab import *
n = 20
Z = np.random.uniform(0,1,n)
pie(Z)
show()

显示：

画立体图如下：

#画三维图
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
from pylab import *
fig=figure()
ax=Axes3D(fig)
x=np.arange(-4,4,0.1)
y=np.arange(-4,4,0.1)
x,y=np.meshgrid(x,y)
R=np.sqrt(x**2+y**2)
z=np.sin(R)
ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap='hot')
show()

显示：

画其他简单图形如下：

#更多简单的图形
x = [1,2,3,4]
y = [5,4,3,2]

plt.figure()
plt.subplot(2,3,1)
plt.plot(x, y)

plt.subplot(232)
plt.bar(x, y)

plt.subplot(233)
plt.barh(x, y)

plt.subplot(234)
plt.bar(x, y)
y1 = [7,8,5,3]
plt.bar(x, y1, bottom=y, color = 'r')

plt.subplot(235)
plt.boxplot(x)

plt.subplot(236)
plt.scatter(x,y)

plt.show()

显示：

3.使用pandas画图

pandas中画图的主要类型包括：

• 累和图
• 柱状图
• 散点图
• 饼图
• 矩阵散点图

先导入所需要的库：

from __future__ import division
from numpy.random import randn
import numpy as np
import os
import matplotlib.pyplot as plt
np.random.seed(12345)
from pandas import Series, DataFrame
import pandas as pd
%matplotlib inline

在pandas中，有行标签、列标签和分组信息等，如果使用matplotlib画图，可能需要一大堆的代码，现在调用Pandas的plot()方法即可简单实现。

画简单线图如下：

#线图 
s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()
plt.show()

显示：

pandas.Series.plot()的常见参数及说明如下：

Pandas的大部分绘图方法都有一个可选的ax参数，它可以是一个matplotlib的subplot对象，从而能够在网络布局中更为灵活地处理subplot的位置。DataFrame的plot方法会在一个subplot中为各列绘制一条线，并自动创建图例。

画多列线图如下：

df = DataFrame(np.random.randn(10, 4).cumsum(0),
               columns=['A', 'B', 'C', 'D'],
               index=np.arange(0, 100, 10))
df.plot()
plt.show()

显示：

相对于Series，DataFrame还有一些用于对列进行灵活处理的选项，例如要将所有列都绘制到一个subplot中还是创建各自的subplot等，具体如下：

画简单累和图如下：

#线图 CUM
plt.close('all')

s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()
plt.show()

显示：

画多列的类和图如下：

df = DataFrame(np.random.randn(10, 4).cumsum(0),
               columns=['A', 'B', 'C', 'D'],
               index=np.arange(0, 100, 10))
df.plot()
plt.show()

显示：

当提升了数据规模之后，累和图如下：

s = pd.Series([2, np.nan, 5, -1, 0])
print(s)

print(s.cumsum())

#画累和图
ts=pd.Series(np.random.randn(1000),index=pd.date_range('1/1/2000',periods=1000))
ts=ts.cumsum()
ts.plot()
plt.show()
df=pd.DataFrame(np.random.randn(1000,4),index=ts.index,columns=list('ABCD'))

# cumulative意为累计、累积，这个函数可以返回一个累计值，经常会遇到月累计、年累计这种指标，会用这个函数
df=df.cumsum()
df.plot()
plt.show()

打印：

0    2.0
1    NaN
2    5.0
3   -1.0
4    0.0
dtype: float64
0    2.0
1    NaN
2    7.0
3    6.0
4    6.0
dtype: float64

显示：

画Series柱状图如下：

#柱形图
fig, axes = plt.subplots(2, 1)
data = Series(np.random.rand(16), index=list('abcdefghijklmnop'))
data.plot(kind='bar', ax=axes[0], color='r', alpha=0.7)
data.plot(kind='barh', ax=axes[1], color='g', alpha=0.7)
plt.show()

显示：

DataFrame画柱状图：

df = DataFrame(np.random.rand(6, 4),
               index=['one', 'two', 'three', 'four', 'five', 'six'],
               columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))

df.plot(kind='bar') #图例

plt.figure()

df.plot(kind='barh', stacked=True, alpha=0.5)

plt.show()

显示：

可以看到：
对于DataFrame，柱形图会将每一行的值分为一组；
DataFrame的各列名称都被用作了图例的标题；
设置stacked=True即可为DataFrame生成堆积柱形图，这样每行的值就会被堆积在一起。

餐馆小费数据如下：

进行数据可视化如下：

tips = pd.read_csv('tips.csv') # 各数据点的百分比
party_counts = pd.crosstab(tips.day, tips['size'])  #size聚会人数
print(party_counts)

party_counts = party_counts.iloc[:, 2:5] # 选取一部分数据
print(party_counts)

party_pcts = party_counts.div(party_counts.sum(1).astype(float), axis=0) # 转换成百分比, 1 代表维度 行的方向
print(party_pcts)
party_pcts.plot(kind='bar', stacked=True)   #每天的高度都是1
plt.show()

打印：

size  1   2   3   4  5  6
day                      
Fri   1  16   1   1  0  0
Sat   2  53  18  13  1  0
Sun   0  39  15  18  3  1
Thur  1  48   4   5  1  3
size   3   4  5
day            
Fri    1   1  0
Sat   18  13  1
Sun   15  18  3
Thur   4   5  1
size         3        4         5
day                              
Fri   0.500000  0.50000  0.000000
Sat   0.562500  0.40625  0.031250
Sun   0.416667  0.50000  0.083333
Thur  0.400000  0.50000  0.100000

显示：

画较复杂的柱状图如下：

#画柱状图
df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df2.plot(kind='bar') #分开并列线束
df2.plot(kind='bar', stacked=True) #四个在同一个里面显示 百分比的形式
df2.plot(kind='barh', stacked=True)#纵向显示
plt.show()
df4=pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':np.random.randn(1000)-1},columns=list('abc'))
df4.plot(kind='hist', alpha=0.5)
df4.plot(kind='hist', stacked=True, bins=20)
df4['a'].plot(kind='hist', orientation='horizontal',cumulative=True) #cumulative是按顺序排序
plt.show()
#Area Plot
df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df.plot(kind='area')
df.plot(kind='area',stacked=False)
plt.show()

显示：

直方图histogram：
是一种可以对值频率进行离散化显示的柱状图。数据点被拆分到离散的、间隔均匀的面元中，绘制的是各面元中数据点的数量。
调用Series.hist()即可实现，在之后调用plot时加上参数kind='kde'即可生成一张密度图。

根据小费数据画直方图如下：

# 直方图--给小费占总费用的比例的分布图
plt.figure()

tips['tip_pct'] = tips['tip'] / tips['total_bill']  # 增加一个新的列
tips['tip_pct'].hist(bins=50) # 分为50个区间 

plt.figure()

显示：

在统计学中，核密度估计（KDE）是一种估计随机变量概率密度函数（PDF）的非参数方法，利用高斯核生成核密度估计图如下：

comp1 = np.random.normal(0, 1, size=200)  # N(0, 1)  模拟出 0，1 的正态分布数据 0，期望值， 1 方差值
comp2 = np.random.normal(10, 2, size=200)  # 10，期望值， 2 方差值  方差值大，跨度就大些
values = Series(np.concatenate([comp1, comp2]))
values.hist(bins=100, alpha=0.3, color='k', density=True)
values.plot(kind='kde', style='k--')

显示：

根据小费数据画密度图如下：

tips['tip_pct'].plot(kind='kde')  # 利用高斯核生成核密度估计图

plt.figure()

显示：

散点图scatter plot：
是观察两个一维数据序列之间的关系的有效手段，研究两个变量的关系，特别是是否有线性或曲线相关性。matplotlib的scatter方法是绘制散布图的主要方法。利用plt.scatter()即可轻松绘制一张简单的散布图。pandas也提供了能从DataFrame创建散步图矩阵的scatter_matrix()方法，还支持在对角线上放置变量的直方图或密度图。

画简单散点图如下：

df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
df.plot(kind='scatter', x='a', y='b')
df.plot(kind='scatter', x='a', y='b',color='DarkBlue', label='Group 1')
plt.show()

显示：

画散点矩阵图和直方图如下：

df = pd.DataFrame(np.random.randn(1000, 4), columns=['A','B','C','D'])
pd.plotting.scatter_matrix(df, alpha=0.2)

显示：‘

画三点矩阵图和密度图如下：

df = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])
pd.plotting.scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal='kde')
plt.show()

显示：

宏观经济数据macrodata.csv如下：

读取和选取数据如下：

macro = pd.read_csv("macrodata.csv")
data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]
trans_data = np.log(data).diff().dropna()
trans_data[-5:]
print(trans_data[-5:])
plt.figure()

打印：

          cpi        m1  tbilrate     unemp
198 -0.007904  0.045361 -0.396881  0.105361
199 -0.021979  0.066753 -2.277267  0.139762
200  0.002340  0.010286  0.606136  0.160343
201  0.008419  0.037461 -0.200671  0.127339
202  0.008894  0.012202 -0.405465  0.042560

<Figure size 432x288 with 0 Axes>

<Figure size 432x288 with 0 Axes>

画散点图和散点矩阵图如下：

plt.scatter(trans_data['m1'], trans_data['unemp'])
plt.title('Changes in log %s vs. log %s' % ('m1', 'unemp'))

pd.plotting.scatter_matrix(trans_data, diagonal='kde', color='k', alpha=0.3)
plt.show()

显示：

可以简单看出各经济变量之间是否存在关系。

画饼图示意如下：

#饼图
df = pd.DataFrame(3 * np.random.rand(4, 2), index=['a', 'b', 'c', 'd'], columns=['x', 'y'])
df.plot(kind='pie', subplots=True, figsize=(8, 4))
df.plot(kind='pie', subplots=True,autopct='%.2f',figsize=(8, 4)) # 显示百分比
plt.show()

显示：

4.pandas中绘图与matplotlib结合使用

有时候想方便地集成的绘图方式，比如df.plot()，但是又想加上matplotlib的很多操
作来增强图片的表现力，这时可以将两者结合。

构造数据如下：

df=pd.DataFrame(np.random.randn(3,4),index=list('123'),columns=list('ABCD'))
df2=pd.DataFrame(np.random.randn(4,4),index=list('1234'),columns=list('ABCD'))
display(df, df2)

显示：

可视化如下：

fig, axes = plt.subplots(2, 1)
df.plot(ax=axes[0])
df2.plot(ax=axes[1])
axes[0].set_title('3points')
axes[1].set_title('4points')

显示：

三、订单数据分析展示

主要作图包括订单与GMV趋势、商家趋势、订单来源分布、类目占比，涉及折线图、饼图、堆积柱形图、组合图等类型，目标是综合使用pandas和matplotlib。

订单数据.csv如下：

导库和读取数据如下：

#导入库
import pandas as pd
import matplotlib.pyplot as plt

# plt.rcParams['font.sans-serif'] = ['SimHei']  #显示中文标签
# plt.rcParams['axes.unicode_minus'] = False  #显示符号

#读取数据
orders = pd.read_excel("订单数据.xlsx")
orders['付款时间'] = orders['付款时间'].astype('str')  #方便作图，将日期改为字符串格式

不同日期订单金额折线图如下：

#折线图
data1 = orders.groupby('付款时间')['支付金额'].sum()  #处理数据
x = data1.index   #x值
y = data1.values  #y值

plt.title('GMV走势')  #图表标题
plt.plot(x,y,label='GMV',color='red')    #label是图例，color是线条颜色
plt.legend(loc=1)  #显示图例,loc设置图例展示位置，默认为0（最优位置）、1右上角、2左上角
plt.show()   #显示图

显示：

可以看出不同时间订单金额的变化趋势，找出哪些天订单金额较高、哪些天较低。

还可以用柱状图显示：

#柱形图
data1 = orders.groupby('付款时间')['支付金额'].sum()  #处理数据
x = data1.index   #x值
y = data1.values  #y值

plt.title('GMV走势')  #图表标题
plt.bar(x,y,label='GMV',color='green')    #其实很简单，只要把plot换成bar
plt.legend(loc=1)  #显示图例,loc设置图例展示位置，默认为0（最优位置）、1右上角、2左上角
plt.show()   #显示图

显示：

还可以用饼图直观看出各天所占的比例：

#饼图
data1 = orders.groupby('付款时间')['支付金额'].sum()  #处理数据
x = data1.index   #x值
y = data1.values  #y值

plt.title('GMV饼图')  #图表标题
plt.axis('equal')   #正圆，饼图会默认是椭圆
plt.pie(y,labels=x,autopct='%1.1f%%',\
        colors=['green','red','skyblue','blue'])    #labels是标签，autopct是占比保留1位小数
plt.show()   #显示图

显示：

还可以为柱形图添加数据标签，如下：

# 为柱形图添加数据标签
data1 = orders.groupby('付款时间')['支付金额'].sum()  #处理数据
x = data1.index   #x值
y = data1.values  #y值

plt.title('GMV走势')  #图表标题
plt.bar(x,y,label='GMV',color='green')    #label是图例，color是线条颜色
plt.legend(loc=1)  #显示图例,loc设置图例展示位置，默认为0（最优位置）、1右上角、2左上角
for a,b in zip(x,y):  #添加数据标签
    plt.text(a,b,'%d'%b,ha='center',va='bottom')  #在x,y的位置上添加订单数据 
plt.show()   #显示图

显示：

工作中很常见柱形图与折线图的组合图形，但是两个指标的数量级往往不一致，如果只用一个纵坐标，可能数量级小的那个会看不到图，所以要用到主次坐标轴，如下：

#组合图形&主次坐标轴
data1 = orders.groupby('付款时间')[['支付金额','订单编号']].agg({'支付金额':'sum','订单编号':'count'})  #处理数据
x = data1.index   #x轴
y1 = data1['支付金额']  #y主轴数据
y2 = data1['订单编号']  #y次轴数据

plt.title('订单&GMV走势')  #图表标题
 
plt.bar(x,y1,label='GMV')  #GMV柱形图
plt.ylim(0,100000)   #设置y1的坐标轴范围
for a,b in zip(x,y1):  #添加数据标签
    plt.text(a,b+0.1,'%d'%b,ha='center',va='bottom')  #在x,y1+0.1的位置上添加GMV数据 ， '%d'%y 即标签数据, ha和va控制标签位置
plt.legend(loc=1)  #显示图例，loc=1为右上角

plt.twinx()  #次纵坐标轴
plt.plot(x,y2,label='订单数',color='red')  #订单折线图，红色
plt.ylim(-2100,2200) #设置y2的坐标轴范围
for a,b in zip(x,y2):  #添加数据标签
    plt.text(a,b+0.2,'%d'%b,ha='center',va='bottom')  #在x,y2+0.1的位置上添加订单数据 
plt.legend(loc=2)  #显示图例,loc=2为左上角

显示：

需要注意：
纵坐标轴范围、图例、数据标签，需要在各自的纵坐标里设置，即先进行主纵坐标的设置，之后是次纵坐标。如果都放在后面去设置，那么text(x,y)的y位置，就都是次纵坐标了。

制作简单的数据仪表盘如下：

#制作数据仪表盘
plt.figure(figsize=(15,8))   #设置图的整体大小 

#总共4个子图，用subplot()

#第一个：每日订单与成交额走势，柱形图与折线图组合
data1 = orders.groupby('付款时间')[['支付金额','订单编号']].agg({'支付金额':'sum','订单编号':'count'})  #处理数据
x = data1.index   #x轴
y1 = data1['支付金额']  #y主轴数据
y2 = data1['订单编号']  #y次轴数据

plt.subplot(2,2,1)   #2×2个子图：第一个
plt.title('订单&GMV走势')  #图表标题
 
plt.bar(x,y1,label='GMV')  #GMV柱形图
plt.ylim(0,100000)   #设置y1的坐标轴范围
for a,b in zip(x,y1):  #添加数据标签
    plt.text(a,b+0.1,'%d'%b,ha='center',va='bottom')  #在x,y1+0.1的位置上添加GMV数据 ， '%d'%y 即标签数据, ha和va控制标签位置
plt.legend(loc=1)  #显示图例，loc=1为右上角

plt.twinx()  #次纵坐标轴
plt.plot(x,y2,label='订单数',color='red')  #订单折线图，红色
plt.ylim(-2100,2200) #设置y2的坐标轴范围
for a,b in zip(x,y2):  #添加数据标签
    plt.text(a,b+0.2,'%d'%b,ha='center',va='bottom')  #在x,y2+0.1的位置上添加订单数据 
plt.legend(loc=2)  #显示图例,loc=2为左上角


#第二个：主要商家，每日GMV趋势。 多条折线图
#数据处理
data2 = pd.DataFrame(orders[orders['商家名称'].isin(['店铺3','店铺5','店铺6','店铺9'])].groupby(['商家名称','付款时间'])['支付金额'].sum())  
#店铺3、5、6、9的成交额
data2_tmp = pd.DataFrame(index=set(data2.index.get_level_values(0)),columns=set(data2.index.get_level_values(1)))

for ind in data2_tmp.index:
    for col in data2_tmp.columns:
        data2_tmp.loc[ind,col] = data2.loc[ind,:].loc[col,'支付金额']

plt.subplot(2,2,2)   #2×2个子图：第二个
plt.title('主要商家GMV趋势')
colors = ['green','red','skyblue','blue']  #设置曲线颜色
x = sorted(data2_tmp.columns)  #日期是横轴

for i in range(len(data2_tmp.index)):
    plt.plot(x,data2_tmp.loc[data2_tmp.index[i],:],label=data2_tmp.index[i],color=colors[i])
plt.legend()  #显示图例,loc默认为0，即最优位置


#第三个：订单来源端口，每日趋势。  堆积柱形图
#数据处理
data3_tmp = pd.DataFrame(orders.groupby(['平台来源','付款时间'])['支付金额'].sum())
data3 = pd.DataFrame(index=set(data3_tmp.index.get_level_values(0)),columns=set(data3_tmp.index.get_level_values(1)))
for ind in data3.index:
    print(ind)
    for col in data3.columns:
        data3.loc[ind,col] = data3_tmp.loc[ind,:].loc[col,'支付金额']

barx = data3.columns
bary1 = data3.loc['android',:]
bary2 = data3.loc['iphone',:]

plt.subplot(2,2,3)   #2×2个子图：第三个
plt.title('订单来源端口分布')   #底部是安卓，顶部是iPhone。先画iPhone=安卓+iPhone，再画安卓
plt.bar(barx,bary1+bary2,label='iphone',color='green')
plt.bar(barx,bary1,label='android',color='red') #底部是bar_y数据
plt.legend()  
for a,b,c in zip(barx,bary1,bary2):  #添加数据标签，注意：底部是安卓，即y1
    plt.text(a,1000,'%d'%b,ha='center',va='bottom')  #在a,1000的位置上，添加数据标签
    plt.text(a,b+c-1000,'%d'%c,ha='center',va='bottom')  #调整标签的位置


#第四个：类目占比。 饼图

#最近一天的类目金额
data4 = orders[orders['付款时间']==max(orders['付款时间'])].groupby('类目')['支付金额'].sum().sort_values()   

plt.subplot(2,2,4)   #2×2个子图：第四个
plt.title('最近一天的类目占比')
plt.axis('equal')   #正圆，饼图会默认是椭圆
plt.pie(data4.values,labels=data4.index,autopct='%1.1f%%',\
        colors=['green','red','skyblue','blue'])  #显示百分数,1位小数
plt.show()

显示：

过程稍复杂，需慢慢理解。

四、Titanic灾难数据分析显示

主要过程如下：

• 导入必要的库
• 导入数据
• 设置为索引
• 绘制展示男女乘客比例的扇形图
• 绘制展示船票Fare与乘客年龄和性别的散点图
• 生还人数
• 绘制展示船票价格的直方图

数据titanicdata.csv如下：

导库和读取数据如下：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

%matplotlib inline

titanic = pd.read_csv("titanicdata.csv")

titanic.head()

显示：

设置索引如下：

titanic.set_index('PassengerId').head()

显示：

创建一个饼图，展示男性/女性的比例：

# sum the instances of males and females
males = (titanic['Sex'] == 'male').sum()
females = (titanic['Sex'] == 'female').sum()

# put them into a list called proportions
proportions = [males, females]

# Create a pie chart
plt.pie(
    # using proportions
    proportions,
    
    # with the labels being officer names
    labels = ['Males', 'Females'],
    
    # with no shadows
    shadow = False,
    
    # with colors
    colors = ['blue','red'],
    
    # with one slide exploded out
    explode = (0.15 , 0),
    
    # with the start angle at 90%
    startangle = 90,
    
    # with the percent listed as a fraction
    autopct = '%1.1f%%'
    )

# View the plot drop above
plt.axis('equal')

# Set labels
plt.title("Sex Proportion")

# View the plot
plt.tight_layout()
plt.show()

显示：

用所付费用和年龄创建散点图，按性别区分图的颜色：

# 创建绘图
lm = sns.lmplot(x = 'Age', y = 'Fare', data = titanic, hue = 'Sex', fit_reg=False)

# set title
lm.set(title = 'Fare x Age')

# 获取axes对象并对其进行调整
axes = lm.axes
axes[0,0].set_ylim(-5,)
axes[0,0].set_xlim(-5,85)

显示：

查看幸存人数：

titanic.Survived.sum()

打印：

342

创建一个柱状图，显示已付车费：

# 将值从顶部到最小值排序，并对前5项进行切片
df = titanic.Fare.sort_values(ascending = False)

# 使用numpy创建存储箱间隔
binsVal = np.arange(0,600,10)
binsVal

# 创建绘图
plt.hist(df, bins = binsVal)

# 设置标题和标签
plt.xlabel('Fare')
plt.ylabel('Frequency')
plt.title('Fare Payed Histrogram')

# 展示绘图
plt.show()

显示：