python數據分析（數據可視化）

時間 2021-08-14

標籤 python api 數組 ide 函數工具網站 url spa .net 欄目 Python 简体版

原文原文鏈接

數據分析初始階段，一般都要進行可視化處理。數據可視化旨在直觀展現信息的分析結果和構思，令某些抽象數據具象化，這些抽象數據包括數據測量單位的性質或數量。本章用的程序庫matplotlib是創建在Numpy之上的一個Python圖庫，它提供了一個面向對象的API和一個過程式類的MATLAB
API，他們能夠並行使用。本文涉及的主題有：python

matplotlib簡單繪圖
對數圖
散點圖
圖例和註解
三維圖
pandas繪圖
時滯圖
自相關圖
Plot.ly

一、matplotlib繪圖入門

代碼：api

import matplotlib.pyplot as plt
    import numpy as np
    x=np.linspace(0,20)  #linspace()函數指定橫座標範圍
    plt.plot(x,.5+x)
    plt.plot(x,1+2*x,'--')
    plt.show()
[/code]

  
運行結果：

![](https://img-
blog.csdn.net/20171128161535484?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)  

![]()  

經過show函數將圖形顯示在屏幕上，也能夠用savefig()函數把圖形保存到文件中。

##  二、對數圖

所謂對數圖，實際上就是使用對數座標繪製的圖形。對於對數刻度來講，其間隔表示的是變量的值在數量級上的變化，這與線性刻度有很大的不一樣。對數圖又分爲兩種不一樣的類型，其中一種稱爲雙對數圖，它的特色是兩個座標軸都採用對數刻度，對應的matplotlibh函數是matplotlib.pyplot..loglog()。半對數圖的一個座標軸採用線性刻度，另外一個座標軸使用對數刻度，它對應的matplotlib
API是semilogx()函數和semilogy()函數，在雙對數圖上，冪律表現爲直線；在半對數圖上，直線則表明的是指數律。

摩爾定律大意爲集成電路上晶體管的數量每兩年增長一倍。在https://en.wikipedia.org/wiki/Transistor_count#Microprocessors頁面有一個數據表，記錄了不一樣年份微處理器上晶體管的數量。咱們爲這些數據製做一個CSV文件，名爲transcount.csv,其中只包含晶體管數量和年份值。

  

代碼：

  

```code
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    df=pd.read_csv('H:\Python\data\\transcount.csv')
    df=df.groupby('year').aggregate(np.mean)  #按年份分組，以數量均值聚合
    #print grouped.mean()
    years=df.index.values  #獲得全部年份信息
    counts=df['trans_count'].values
    #print counts
    poly=np.polyfit(years,np.log(counts),deg=1)  #線性擬合數據
    print "poly:",poly
    plt.semilogy(years,counts,'o')
    plt.semilogy(years,np.exp(np.polyval(poly,years)))  #polyval用於對多項式進行評估
    plt.show()
    #print df
    #df=df.groupby('year').aggregate(np.mean)
[/code]

  
運行結果：

![](https://img-
blog.csdn.net/20171128161548635?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)  

![]()  

實線表示的是趨勢線，實心圓表示的是數據點。

  

##  三、散點圖

散點圖能夠形象展現直角座標系中兩個變量之間的關係，每一個數據點的位置實際上就是兩個變量的值。泡式圖是對散點圖的一種擴展。在泡式圖中，每一個數據點都被一個氣泡所包圍，它由此得名；而第三個變量的值正好能夠用來肯定氣泡的相對大小。

在https://en.wikipedia.org/wiki/Transistor_count#GPU頁面上，有個記錄GPU晶體數量的數據表，咱們用這些晶體管數量年份數據新建表gpu_transcount.csv。藉助matplotlib
API提供的scatter()函數繪製散點圖。

代碼：

```code
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    df=pd.read_csv('H:\Python\data\\transcount.csv')
    df=df.groupby('year').aggregate(np.mean)
    gpu=pd.read_csv('H:\Python\data\\gpu_transcount.csv')
    gpu=gpu.groupby('year').aggregate(np.mean)
    df=pd.merge(df,gpu,how='outer',left_index=True,right_index=True)
    df=df.replace(np.nan,0)
    print df
    
    years=df.index.values
    counts=df['trans_count'].values
    gpu_counts=df['gpu_counts'].values
    cnt_log=np.log(counts)
    plt.scatter(years,cnt_log,c=200*years,s=20+200*gpu_counts/gpu_counts.max(),alpha=0.5)  #表示顏色，s表示標量或數組
    plt.show()
[/code]

  
運行結果

  

```code
          trans_count    gpu_counts
    year                           
    1971         2300  0.000000e+00
    1972         3500  0.000000e+00
    1974         5400  0.000000e+00
    1975         3510  0.000000e+00
    1976         7500  0.000000e+00
    1978        19000  0.000000e+00
    1979        48500  0.000000e+00
    1981        11500  0.000000e+00
    1982        94500  0.000000e+00
    1983        22000  0.000000e+00
    1984       190000  0.000000e+00
    1985       105333  0.000000e+00
    1986        30000  0.000000e+00
    1987       413000  0.000000e+00
    1988       215000  0.000000e+00
    1989       745117  0.000000e+00
    1990      1200000  0.000000e+00
    1991       692500  0.000000e+00
    1993      3100000  0.000000e+00
    1994      1539488  0.000000e+00
    1995      4000000  0.000000e+00
    1996      4300000  0.000000e+00
    1997      8150000  3.500000e+06
    1998      7500000  0.000000e+00
    1999     16062200  1.533333e+07
    2000     31500000  2.500000e+07
    2001     45000000  5.850000e+07
    2002    137500000  8.500000e+07
    2003    190066666  1.260000e+08
    2004    352000000  1.910000e+08
    2005    198500000  3.120000e+08
    2006    555600000  5.325000e+08
    2007    371600000  4.882500e+08
    2008    733200000  7.166000e+08
    2009    904000000  9.155000e+08
    2010   1511666666  1.804143e+09
    2011   2010000000  1.370952e+09
    2012   2160625000  3.121667e+09
    2013   3015000000  3.140000e+09
    2014   3145000000  3.752500e+09
    2015   4948000000  8.450000e+09
    2016   4175000000  7.933333e+09
    2017   9637500000  8.190000e+09
[/code]

![]()  
![](https://img-
blog.csdn.net/20171128161557480?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)  

##  四、圖例和註解

要想作出讓人眼前一亮的神圖，圖例和註解確定是少不了的。通常狀況下，數據圖都帶有下列輔助信息。

  * 用來描述圖中各數據序列的圖例，matplotlib提供的legend()函數能夠爲每一個數據序列提供相應的標籤。 
  * 對圖中要點的註解。能夠藉助matplotlib提供的annotate()函數。 
  * 橫軸和縱軸的標籤，能夠經過xlabel()和ylabel()繪製出來。 
  * 一個說明性質的標題，一般由matplotlib的title函數來提供. 
  * 網格，對於輕鬆定位數據點很是有幫助。grid()函數能夠用來決定是否使用網格。 

代碼：

```code
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    df=pd.read_csv('H:\Python\data\\transcount.csv')
    df=df.groupby('year').aggregate(np.mean)
    gpu=pd.read_csv('H:\Python\data\\gpu_transcount.csv')
    gpu=gpu.groupby('year').aggregate(np.mean)
    df=pd.merge(df,gpu,how='outer',left_index=True,right_index=True)
    df=df.replace(np.nan,0)
    years=df.index.values
    counts=df['trans_count'].values
    gpu_counts=df['gpu_counts'].values
    #print df
    poly=np.polyfit(years,np.log(counts),deg=1) 
    plt.plot(years,np.polyval(poly,years),label='Fit')
    
    gpu_start=gpu.index.values.min()
    y_ann=np.log(df.at[gpu_start,'trans_count'])
    ann_str="First GPU\n %d"%gpu_start
    plt.annotate(ann_str,xy=(gpu_start,y_ann),arrowprops=dict(arrowstyle="->"),xytext=(-30,+70),textcoords='offset points')
    
    
    cnt_log=np.log(counts)
    plt.scatter(years,cnt_log,c=200*years,s=20+200*gpu_counts/gpu_counts.max(),alpha=0.5,label="Scatter")  #表示顏色，s表示標量或數組
    plt.legend(loc="upper left")
    plt.grid()
    plt.xlabel("Year")
    plt.ylabel("Log Transistor Counts",fontsize=16)
    plt.title("Moore's Law & Transistor Counts")
    plt.show()

運行結果：數組

![](https://img-
blog.csdn.net/20171128170153651?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)ide

五、三維圖

Axes3D是由matplotlib提供的一個類，能夠用來繪製三維圖。經過講解這個類的工做機制，就可以明白麪向對象的matplotlib
API的原理了，matplotlib的Figure類是存放各類圖像元素的頂級容器。函數

代碼：工具

from mpl_toolkits.mplot3d.axes3d import Axes3D
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    df=pd.read_csv('H:\Python\data\\transcount.csv')
    df=df.groupby('year').aggregate(np.mean)
    gpu=pd.read_csv('H:\Python\data\\gpu_transcount.csv')
    gpu=gpu.groupby('year').aggregate(np.mean)
    df=pd.merge(df,gpu,how='outer',left_index=True,right_index=True)
    df=df.replace(np.nan,0)
    fig=plt.figure()
    ax=Axes3D(fig)
    X=df.index.values
    Y=np.log(df['trans_count'].values)
    X,Y=np.meshgrid(X,Y)
    Z=np.log(df['gpu_counts'].values)
    ax.plot_surface(X,Y,Z)
    ax.set_xlabel('Year')
    ax.set_ylabel('Log CPU transistor counts')
    ax.set_zlabel('Log GPU transistor counts')
    ax.set_title('Moore Law & Transistor counts')
    plt.show()
[/code]

  
運行結果：

![](https://img-
blog.csdn.net/20171128191646247?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)  

  

##  六、pandas繪圖

pandas的Series類和DataFrame類中的plot()方法都封裝了相關的matplotlib函數。若是不帶任何參數，使用plot方法繪製圖像以下：

代碼：

```code
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    df=pd.read_csv('H:\Python\data\\transcount.csv')
    df=df.groupby('year').aggregate(np.mean)
    gpu=pd.read_csv('H:\Python\data\\gpu_transcount.csv')
    gpu=gpu.groupby('year').aggregate(np.mean)
    df=pd.merge(df,gpu,how='outer',left_index=True,right_index=True)
    df=df.replace(np.nan,0)
    df.plot()
    df.plot(logy=True)  #建立半對數圖
    df[df['gpu_counts']>0].plot(kind='scatter',x='trans_count',y='gpu_counts',loglog=True)  #loglog=True  生成雙對數
    plt.show()

運行結果：網站

![](https://img-
blog.csdn.net/20171128193146878?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)url

![](https://img-
blog.csdn.net/20171128193158646?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)spa

![](https://img-
blog.csdn.net/20171128193210201?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center).net

七、時滯圖

時滯圖實際上就是一個散點圖，只不過把時間序列的圖像及相同序列在時間軸上後延圖像放一塊兒展現而已。例如，咱們能夠利用這種圖考察今年的CPU晶體管數量與上一年度CPU晶體管數量之間的相關性。能夠利用pandas字庫pandas.tools.plotting中的lag_plot()函數來繪製時滯圖，滯默認爲1。

代碼：

import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    from pandas.tools.plotting import lag_plot
    df=pd.read_csv('H:\Python\data\\transcount.csv')
    df=df.groupby('year').aggregate(np.mean)
    gpu=pd.read_csv('H:\Python\data\\gpu_transcount.csv')
    gpu=gpu.groupby('year').aggregate(np.mean)
    df=pd.merge(df,gpu,how='outer',left_index=True,right_index=True)
    df=df.replace(np.nan,0)
    lag_plot(np.log(df['trans_count']))
    plt.show()
[/code]

  
運行結果：

![](https://img-
blog.csdn.net/20171128194031264?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)  

##  八、自相關圖

自相關圖描述的是時間序列在不一樣時間延遲狀況下的自相關性。所謂自相關，就是一個時間序列與相同數據在不一樣時間延遲狀況下的相互關係。利用pandas子庫pandas.tools.plotting
中的autocorrelation_plot()函數，就能夠畫出自相關圖了。

代碼：

```code
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    from pandas.tools.plotting import autocorrelation_plot
    df=pd.read_csv('H:\Python\data\\transcount.csv')
    df=df.groupby('year').aggregate(np.mean)
    gpu=pd.read_csv('H:\Python\data\\gpu_transcount.csv')
    gpu=gpu.groupby('year').aggregate(np.mean)
    df=pd.merge(df,gpu,how='outer',left_index=True,right_index=True)
    df=df.replace(np.nan,0)
    autocorrelation_plot(np.log(df['trans_count']))  #繪製自相關圖
    plt.show()
[/code]

運行結果：

![](https://img-
blog.csdn.net/20171128195343794?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)  
從圖中能夠看出，較之於時間上越遠（即時間延遲越大）的數值，當前的數值與時間上越接近（及時間延遲越小）的數值相關性越大；當時間延遲極大時，相關性爲0；

##  九、Plot.ly

Plot.ly其實是一個網站，它不只提供了許多數據可視化的在線工具，同時還提供了可在用戶機器上使用的對應的python庫。能夠經過Web接口或以本地導入並分析數據，能夠將分析結果公佈到Plot.ly網站上。

安裝plotly庫：pip install plotly

先在plotly註冊一個帳號，而後產生一個api_key。最後能夠繪製箱形圖。

代碼：

```code
    import numpy as np
    import pandas as pd
    import plotly.plotly as py
    from plotly.graph_objs import *
    from getpass import getpass
    df=pd.read_csv('H:\Python\data\\transcount.csv')
    df=df.groupby('year').aggregate(np.mean)
    gpu=pd.read_csv('H:\Python\data\\gpu_transcount.csv')
    gpu=gpu.groupby('year').aggregate(np.mean)
    df=pd.merge(df,gpu,how='outer',left_index=True,right_index=True)
    df=df.replace(np.nan,0)
    api_key=getpass()	
    py.sign_in(username='dengjiaxing',api_key='qPCrc5EA7unk9PlhNwLG')
    counts=np.log(df['trans_count'].values)
    gpu_counts=np.log(df['gpu_counts'].values)
    data=Data([Box(y=counts),Box(y=gpu_counts)])
    plot_url=py.plot(data,filename='moore-law-scatter')
    print plot_url
[/code]

  
運行結果：

![](https://img-
blog.csdn.net/20171128205727808?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZGVuZ2ppYXhpbmcwMzIx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)