从零开始：Python与Jupyter Notebook中的数据可视化之旅

理解数据与数据可视化的基本流程

数据可视化的核心不仅是将数据映射为图形，而是一个贯穿整个数据流向的完整过程。这个过程可以分为以下几个关键步骤：

• 数据采集：首先需要收集原始数据，可能来自数据库、API、手动输入或其它形式的文件（如CSV、Excel等）。
• 数据处理和变换：对数据进行清洗、转换、聚合等处理，以便获得可用的数据结构和格式。
• 可视化映射：将数据映射为图形符号，如点、线、颜色等，展示数据的结构和关系。
• 人机交互：通过交互式图形实现动态数据探索，用户可以通过缩放、选择、过滤等操作更深入理解数据。
• 用户感知：最终目标是通过图形呈现帮助用户理解数据的模式、趋势和重要信息。

了解Python与其他可视化工具

在数据可视化领域，Python拥有多个强大的库，可以生成各种类型的图形。常用的库包括：

• Matplotlib：最基础的可视化库，支持创建各种静态、动态、交互式图形。
• Seaborn：基于Matplotlib，提供了更高级和美观的统计图形工具，简化了数据的可视化操作。
• Pandas：主要是用于数据操作和分析的库，但其内置的可视化功能也非常强大，适合快速生成常见图表。
• Pyecharts：一个基于Python的库，支持创建交互式图形，适合需要精美和复杂展示的场景。

掌握Anaconda、Jupyter Notebook的常用操作方法

• Anaconda：是一个集成数据科学工具的平台，常用于安装和管理Python及其相关库。
  • 创建虚拟环境：使用conda create -n myenv python=3.x来创建环境。
  • 安装库：在环境中运行conda install <package>或pip install <package>。
• Jupyter Notebook：是一个交互式编程环境，支持实时代码执行、数据可视化和文档撰写。
  • 在终端输入jupyter notebook启动应用，打开浏览器进行操作。
  • 通过Markdown格式添加文本注释、公式，方便记录实验过程。

原理

数据可视化的流程可以分为四个主要部分：

1. 数据采集：收集、导入数据源，通常以CSV、数据库等形式存在。
2. 数据处理和变换：利用Pandas等工具对数据进行整理。
3. 可视化映射：借助Matplotlib、Seaborn等库创建图形展示。
4. 交互和感知：通过交互功能（如Pyecharts）与用户进行数据分析交互，增强对数据的理解。

这种整体的流程不仅提升了可视化的质量，也为用户提供了高效的分析工具。

环境配置

1. 安装Anaconda软件，创建实验环境

• 下载并安装 Anaconda。

• 打开Anaconda Prompt，创建新的实验环境并指定Python版本：

  conda create -n myenv python=3.x
  

  （例如，python=3.8可以选择合适版本）

• 激活环境：

  conda activate myenv
  

2. 安装Jupyter Notebook

• 安装Jupyter Notebook：

  conda install jupyter
  

• 启动Jupyter Notebook：

  jupyter notebook
  

3. 创建第一个Jupyter Notebook文本

• 在Jupyter Notebook界面中，点击New -> Python 3，创建一个新的Notebook文件。

（1）更改保存路径、重命名文件

• 创建文件后，可以点击顶部文件名（默认是Untitled），然后重命名为Iris Visualization或其他合适的名字。

（2）创建代码单元和Markdown单元

• 点击+按钮可以添加新的单元。
• 在Cell类型的下拉框中，可以选择Code（代码单元）或Markdown（文本单元）。
• 代码单元用来输入Python代码，Markdown单元则可以用来写实验步骤、注释、公式等。

实验1-1：鸢尾花数据集可视化练习

打开软件，可能需要等一会
点击file——》Python 3


点击红框，重命名bushuo1-1.

1. 安装scikit-learn库

• 在Anaconda Prompt中运行以下命令安装scikit-learn库：

  conda install scikit-learn
  

  

2. 导入鸢尾花数据集并绘制表格

代码步骤：

# 导入必要的库
from sklearn import datasets
import pandas as pd
import matplotlib.pyplot as plt

# 设置字体以支持中文显示
plt.rcParams['font.family'] = 'Arial Unicode MS'

# 加载鸢尾花数据集
iris = datasets.load_iris()

# 创建DataFrame并设置列名
df = pd.DataFrame(iris.data, columns=['SL', 'SW', 'PL', 'PW'])

# 修改列名为中文
df.columns = ['长度', '宽度', '长度2', '宽度2']

# 显示前几行数据
print(df.head())

绘制特征之间的散点图

plt.figure(figsize=(10, 6))
plt.scatter(df['长度'], df['宽度'], c=iris.target, cmap='viridis')
plt.xlabel('花萼长度 (cm)')
plt.ylabel('花萼宽度 (cm)')
plt.title('鸢尾花花萼长度与宽度的散点图')
plt.colorbar(label='种类')
plt.show()

绘制饼图

plt.rcParams['font.family'] = 'Arial Unicode MS'
df['类别'] = iris.target
df_sum=pd.DataFrame(df.groupby('类别').size(),columns=['数量'])
df_sum.plot.pie(y='数量')

绘制散点图

# 导入必要的库
from sklearn import datasets
import pandas as pd
import matplotlib.pyplot as plt

# 设置字体以支持中文显示
plt.rcParams['font.family'] = 'Arial Unicode MS'

# 加载鸢尾花数据集
iris = datasets.load_iris()

# 创建DataFrame并设置列名
df = pd.DataFrame(iris.data, columns=['SL', 'SW', 'PL', 'PW'])
df.columns = ['花萼长度', '花萼宽度', '花瓣长度', '花瓣宽度']

# 绘制散点图 - 展示花萼长度与宽度的关系
plt.figure(figsize=(10, 6))
plt.scatter(df['花萼长度'], df['花萼宽度'], c=iris.target, cmap='viridis')
plt.xlabel('花萼长度 (cm)')
plt.ylabel('花萼宽度 (cm)')
plt.title('鸢尾花花萼长度与宽度的散点图')
plt.colorbar(label='种类')
plt.show()

条形图：展示每种鸢尾花品种的平均特征值，例如平均花萼长度。

通过鸢尾花的目标（种类）创建类别列

df[‘种类’] = pd.Categorical.from_codes(iris.target, iris.target_names)

计算每个品种的平均特征值

mean_values = df.groupby(‘种类’).mean()

绘制条形图 - 展示不同品种的平均花萼长度

plt.figure(figsize=(10, 6))
mean_values['花萼长度'].plot(kind='bar', color=['#4CAF50', '#FF9800', '#2196F3'])
plt.title('不同鸢尾花品种的平均花萼长度')
plt.xlabel('鸢尾花品种')
plt.ylabel('平均花萼长度 (cm)')
plt.xticks(rotation=0)
plt.show()

代码解析：

散点图：

使用 plt.scatter() 绘制花萼长度与花萼宽度的关系，并根据鸢尾花品种（iris.target）进行颜色映射。
cmap=‘viridis’ 用来指定颜色图，plt.colorbar() 添加颜色图例，显示各个颜色对应的品种。

条形图：

使用 groupby(‘种类’) 将鸢尾花数据按种类分类，并计算每种花的平均特征值。
mean_values[‘花萼长度’].plot(kind=‘bar’) 用于绘制条形图，显示不同品种鸢尾花的平均花萼长度。
color 参数指定了不同品种的颜色，xticks(rotation=0) 保持x轴标签不旋转。

结论：

散点图提供了特征之间的相关性和品种的分布信息，有助于发现不同品种的分布模式。
条形图则突出展示了不同品种鸢尾花的平均特征值，直观对比它们在某个维度（如花萼长度）上的差异。
这两个可视化方法相结合，有助于从多个角度深入理解鸢尾花数据集中的特征关系和品种差异。