Pandas和Seaborn可视化详解

1.Pandas绘图-单变量

• 概述

  • pandas库是Python数据分析的核心库

  • 它不仅可以加载和转换数据，还可以做更多的事情：它还可以可视化

  • pandas绘图API简单易用，是pandas流行的重要原因之一

• 可视化小技巧:

  • 如果是类别型

    • 柱状

    • 饼图 (类别相对较少 5-6个 或者更少), 所有的类别加起来是1个整体

  • 如果是数值型

    • 看变化趋势 折线 plot.line()

    • 看分布直方plot.hist()

      • 绘制直方图的时候,需要注意, 如果数据分布不均匀(倾斜的数据, 有取值数量较少的极大, 极小值) 这个时候如果不做数据的处理, 直接绘制直方图, 不能反映出数据的分布来, 只能得到一个柱子

      • 可以把极值单独取出来讨论

      • 把去掉极值的部分再绘制直方图

• 单变量可视化介绍

  • 单变量可视化， 包括条形图、折线图、直方图、饼图等

  • 数据使用葡萄酒评论数据集，来自葡萄酒爱好者杂志，包含10个字段，150929行，每一行代表一款葡萄酒

  • 字段介绍

• 代码演示

  • 需求1(柱状图): 将所有的葡萄酒品牌按照产区分类, 看看哪个产区的葡萄酒品种多

    # 1. 加载源数据
    import pandas as pd
    ​
    reviews = pd.read_csv('data/winemag-data_first150k.csv', index_col=0)
    reviews
    ​
    # 2. 查看每列的信息
    # reviews.info()
    reviews.describe()
    ​
    # 3. 需求1: 将所有的葡萄酒品牌按照产区分类, 看看哪个产区的葡萄酒品种多.
    kwargs = dict(figsize=(16, 8), fontsize=20, color=['b', 'orange', 'g', 'r'])
    reviews['province'].value_counts().head(10).plot.bar(**kwargs)

  • 需求2: 计算 加利福尼亚 葡萄酒占总数的 百分比

    # 4. 上图说明 加利福尼亚 生产的葡萄酒比其他省都多, 也可以折算成比例.
    # 需求2: 计算 加利福尼亚 葡萄酒占总数的 百分比.
    (reviews['province'].value_counts().head(10) / len(reviews)).plot.bar(**text_kwargs)

  • 需求3: 获取葡萄酒评分列, 统计每个评分, 分别有多少种酒.

    # 5. 需求3: 获取葡萄酒评分列, 统计每个评分, 分别有多少种酒.
    # 柱状图
    reviews['points'].value_counts().sort_index().plot.bar(**text_kwargs)
    ​
    # 折线图, 如果要绘制的数据不是类别值, 而是连续值, 比较适合实用折线图.
    reviews['points'].value_counts().sort_index().plot.line(**text_kwargs) 

    柱状图和折线图区别:

    • 柱状图：

      • 简单直观，很容易根据柱子的长短看出值的大小，易于比较各组数据之间的差别

    • 折线图：

      • 易于比较各组数据之间的差别

      • 能比较多组数据在同一个维度上的趋势

      • 每张图上不适合展示太多折线

  • 需求4:面积图就是在折线图的基础上，把折线下面的面积填充颜色

    

2.Pandas绘图-饼图

• 代码演示-饼图

  饼图适合统计类别数量不多, 组合起来是1的数据的可视化

  

3 .Seaborn绘图-KDE和直方图

• 概述

  • Seaborn是基于matplotlib的图形可视化python包。

  • 它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。

  • Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。

  • Seaborn和Pandas的API配合的很好，使用DataFrame/Series的数据就可以绘图 seaborn: statistical data visualization — seaborn 0.13.2 documentation

• seaborn 通用的几个参数

  • data 传入一个df 对象

  • x , y df中的列名

  • hue 传入一个类别型的列名, 同样的图会按照这个类别, 分组, 分别绘制一份绘制到一起方便进行对比

  seaborn 调整图的大小

  • plt.subplots(figsize=())

  • 如果plt.subplots(figsize=()) 不行, 都会有一个height的参数, 指定图片的高度 可以通过height 调整图片大小

  • height 高度 aspect 宽高比例

• 需求1: 单变量-直方图

  

• 需求2: 单变量-KDE图

  KDE图: 用于估计未知随机变量的概率分布. x轴: 样本数据, y轴: 概率分布.

  KDE图可以理解为是对直方图的加窗平滑. 它解决了一个基本的数据平滑问题, 即: 根据有限的数据样本对总体进行推断.

  

• 直方图 和 KDE对比

  • 表示的意义基本一样, 都是 线/柱子越高 出现的概率/样本数量越大/越高

  • KDE 当多个类别进行对比的时候, 读图比直方图方便

  • Y轴的坐标, KDE图是概率密度 直方图是样本数量

4.Seaborn绘图-计数柱状图

• 概述

  • 计数图和直方图很像，直方图通过对数据分组来描述分布，

  • 计数图（条形图）是对离散变量（分类变量）计数。

• 实例代码

  

5.双变量可视化-散点-蜂巢-2D KDE

• 散点图-scatterplot

  

• 散点图-regplot

  # 散点图
  # 1. 绘制画布
  fig, ax = plt.subplots(figsize=(12, 6))
  ​
  # 2. 绘制散点图
  # fit_reg 默认是True 会拟合一条直线 就是利用这一份数据 跑了线性回归
  # fit_reg=False 可以关掉
  sns.regplot(data=tips, x='total_bill', y='tip', fit_reg=True)
  # 3. 设置标题
  ax.set_title('总账小费之间关系图')
  # 4. 绘图
  plt.show()

• 蜂巢图

  

• 2D KDE图

  

6.双变量可视化

• 箱线图: 用于显示多种统计信息：最小值，1/4分位，中位数，3/4分位，最大值，以及离群值（如果有）

  

  • 箱线图读图

    • 箱子的中间有一条线，代表了数据的中位数

    • 箱子的上下底，分别是数据的上四分位数（Q3）和下四分位数（Q1）

    • 箱体包含了50%的数据。因此，箱子的高度在一定程度上反映了数据的波动程度

    • 上下边缘则代表了该组数据的最大值和最小值

      • IQR = 上四分位数（Q3) - 下四分位数（Q1）

        四分位距（interquartile range, IQR），又称四分差

      • 判断异常值时最大值 = 上四分位数（Q3) + 1.5 IQR 大于这个值的就是异常值

      • 判断异常值时最小值 = 下四分位数（Q1）- 1.5 IQR 小于这个值的就是异常值

    • 有时候箱子外部会有一些点，可以理解为数据中的“异常值”

• 小提琴图, 它是经典的可视化方法，但可能会掩盖数据的分布

  小提琴图能显示与箱线图相同的值, 小提琴图把"箱线"绘成核密度估计，

  有助于保留数据的更多可视化信息

  • 优势

    • 小提琴图同时展示了数据的统计分布和概率密度，能够更好地揭示数据的形态和特征。

    • 小提琴图可以通过分组变量进行比较分析，方便观察不同类别间的差异。

    • 小提琴图能够显示数据的离散程度，通过观察图形的宽度可以了解数据的散布情况。

  

7.多变量可视化

• 概述

  • 绘制多变量数据没有标准的套路

  • 如果想在图中包含更多信息，可以使用颜色、大小和形状来区分它们

• 代码演示

  # 多变量, 通过 颜色区分.
  # 例如: 使用violinplot函数时，可以通过hue参数按性别（sex）给图着色, 可以为“小提琴”的左右两半着不同颜色，用于区分性别
  ​
  # white, dark, whitegrid, darkgrid, ticks
  # sns.set_style('ticks')
  ​
  fig, ax = plt.subplots(figsize=(12, 6))
  sns.violinplot(data=tips, x='time', y='total_bill', hue='sex', split=True) # hue='性别'
  ax.set_title('总账小费之间关系图')
  plt.show()

8.Seaborn主题和样式

• 概述

  • 上面的Seaborn图都采用了默认样式，可以使用sns.set_style函数更改样式。

  • 该函数只要运行一次，后续绘图的样式都会发生变化

  • Seaborn有5种样式:

    • darkgrid 黑色网格（默认）

    • whitegrid 白色网格

    • dark 黑色背景

    • white 白色背景

    • ticks

• 格式

  sns.set_style('主题名')
  ​
  fig,ax = plt.subplots()
  ax = sns.violinplot(x='time',y='total_bill',hue='sex',data = tips,split = True)

• 代码演示

  

• Seaborn绘图小结

  sns.XXXplot(data = df, x = '列名', y='列名',hue='列名')

  • 调整绘图区域的大小

    • plt.subplots(figsize=())

    • 如果plt.subplots(figsize=()) 不行, 都会有一个height的参数, 指定图片的高度 可以通过height 调整图片大小

    • height 高度 aspect 宽高比例