數據分析——數據可視化

前言：python數據分析的基礎知識，簡單總結，主要是爲了方便本身寫的時候查看（大家可能看不太清楚T^T），發現有用的方法，隨時補充，歡迎指正

數據分析專欄：

1. 數據分析——python基礎
2. 數據分析——numpy
3. 數據分析——pandas
4. 數據分析——數據可視化
5. 數據分析——數據處理實例

文章目錄

• 數據可視化
• 一、餅圖
• 二、條形圖
• 三、直方圖與核密度曲線
• 四、箱線圖
• 五、小提琴圖
• 六、折線圖
• 七、散點圖
• 八、氣泡圖
• 九、熱力圖

數據可視化

一、餅圖

一、matplotlib模塊
	pie(x,#繪圖數據
		labels=None,#添加標籤
		autopct='%.lf%%')#設置百分百格式
	plt.show()
	
二、pandas模塊
	Series.plot(kind='pie'#選擇畫圖類型
				autopct='%.lf%%',#設置百分百格式
				。。。
				//用的時候查一查
				)

二、條形圖

一、matplotlib模塊
垂直條形圖：
	plt.bar(left,#x軸數據
		height,#y軸數據
		width=0.8,#條形圖寬度
		。。。
		//用的時候查一查，多用天然就會了
		)
水平條形圖：
	plt.barh(bottom=range(x.shape[0]#y軸的刻度
			width=x.num,#指定y軸數值
			tick_label=x.name,#指定y軸刻度標籤
			)
堆疊條形圖
	+bottom參數便可
水平交錯條形圖
	將刻度標籤向右偏移便可
	plt.xticks(np.arange(5)+0.2,names)
	
二、pandas模塊
    條形圖：
	x.plot(kind='bar',#選擇繪製的圖的類型
			width=0.8,
			ax=axes[0]#豎向
			ax=axes[1]#橫向
		    stacked=True#表示疊加值
			)
			
	畫交錯圖：
	df=pd.DataFrame(np.random.randint(5,10,size=(10,4)),columns=['a','b','c','d'])
	plt=df.plot(kind='bar')
	
			
三、seaborn模塊這裏不做過多介紹

三、直方圖與核密度曲線

一、matplotlib模塊
	plt.hist(x,#繪圖數據
			bins=10,#直方條形個數
			)
			
二、pandas模塊
	df.plot(kind='hist',
			bins=20,)
	//畫核密度曲線
	df.plot(kind='kde',
			color='red')
			
三、seaborn模塊
	sns.distplot(a,//數據
				bins=10,
				hist=True,
				kde=True)

四、箱線圖

一、matplotlib模塊
	plt.boxplot(x,//數據
				notch=None，
				)

二、seaborn模塊
	繪製分組箱線圖
	sns.boxplot(x,y
				data=None,#數據
				hue=None,#指定分組變量)

五、小提琴圖

sns.violinplot(x,y,#x，y軸
				hue,#指定分組變量
				data=None#數據
				)

六、折線圖

一、matplotlib模塊
	plt.plot(x,y,#xy軸數據
			label#標籤
			)
二、pandas模塊
	data.plot(kind='line',
			style=['-','--',':']#畫圖格式
			)

七、散點圖

一、matplotlib模塊
	scatter(x,y,#數據
			s=20#大小
			)
二、pandas模塊
	num.plot(x,y#標籤
			kind='scatter'
			title='name'
			)
三、seaborn模塊
	sns.Implot(x,y,#數據標籤
				hue='name'#指定分組變量
				data='data_name'#數據
				)

八、氣泡圖

改變散點圖的s（大小）便可

九、熱力圖

seaborn模塊
sns.heatmap(data='df'#繪圖數據
			cmap='PuBuGn'#填充色
			)