Visualización del análisis de datos de Python, resumido con un artículo: matplotlib, Pandas, seaborn

Las herramientas de visualización de datos de Python se basan principalmente en matplotlib, pandas y seaborn.

1. Utilice matplotlib para la visualización de datos

1.1 Conceptos básicos

• Lienzo / Tablero de pintura
• Sistema de coordenadas / intervalo de dibujo
  

1.2 Pasos principales: tres pasos para dibujar una imagen

Tome el gráfico de líneas como ejemplo

1. Definir puntos de coordenadas (preparar datos)
2. plot(x, y) Dibujar un gráfico (el predeterminado es un gráfico de líneas)
3. plt.show() Gráfico de visualización
   Nota: No importa cuántos, xey en el gráfico corresponden uno a uno y aparecen en pares .

1.3 Introducción detallada:

Recuerde:
si no especifica la 画板figure()suma 子图subplot, se creará un tablero de dibujo figure(1)y un subgrafo de forma predeterminadasubplot(1,1,1)

1. Construye el lienzo

Crear lienzo + establecer el tamaño del lienzo : plt.figure()
¡también puede pasar el parámetro de tamaño del lienzo figsize = (8, 6)para ajustar el tamaño del lienzo!

2. Establecer un sistema de coordenadas (determinar el área de dibujo)

Hay varios métodos diferentes:

2.1 Segmentación del lienzo + retorno a todos los sistemas de coordenadas

plt.subplots()

El método de pasadas posteriores axes[x,y]se traza para indicar un sistema de coordenadas que

2.2 Segmentación del lienzo + posición designada del sistema de coordenadas (para regresar)

ax= fig.add_subplot()
plt.subplot2grid()
plt.subplot()

El primer método pertenece a la programación de objetos, los tres últimos pertenecen a la programación funcional

Los siguientes tres ejemplos de código:

• plt.subplot2grid()

plt.subplot2grid((2,2),(0,0)) 
plt.subplot2grid((2,2),(0,1)) 
plt.subplot2grid((2,2),(1,1)) 

Controlar la posición del sistema de coordenadas por coordenadas

• subplot()

plt.subplot(2,2,1)
plt.subplot(2,2,2)
plt.subplot(2,2,4)

Por control digital de las coordenadas de posición de

combate:

for i in range(len(crops)):  # crops 为 10 张堆叠的图片 , 大小：(10, 224, 224, 3)
    plt.subplot(2,5,i+1)   
    plt.imshow(crops[i, :, :, :])

resultado:

• subplots()

plt.subplots(2,2)

Devuelve todos los sistemas de coordenadas (2x2)

3. Establecer el eje de coordenadas

Establecer el título del eje

plt.xlabel("str")
plt.ylabel("str")
plt.title('str')

Los parámetros labelpadtambién pueden establecer el título a la distancia del eje;
se stringpueden configurar otros parámetros de entrada

Establecer la escala del eje

Personalizar en qué escalas se muestra el valor de la escala

plt.xticks(ticks,labels)
plt.yticks(ticks,labels)

Consejo: Usted puede ocultar los valores del eje x / y
por el que pasa en una lista vacía para garantizar la seguridad de datos .

plt.xticks([])
plt.yticks([])

Establecer el rango del eje de coordenadas

plt.xlim()
plt.ylim()

Simplemente pase el punto de inicio y el punto final como parámetros directamente.

O utilice un método más simple:
axis[xmin, xmax, ymin, ymax]por ejemplo,

plt.axis([0, 6, 0, 20])

Tenga en cuenta que, aunque la entrada aquí tiene la forma de una lista, en realidad se convertirá internamente en una forma de matriz numerosa para que sea más fácil para nosotros procesar los datos.

otros ajustes

-Apagar la pantalla del eje:plt.axis('off')

-Línea de cuadrícula abierta : plt.grid(b = 'True')
también se puede pasar axis参数, especifique para abrir solo el eje especificado

- la leyenda
de plt.plot()los parámetros de la etiqueta entrante , como el que label = ‘str’
se plt.legend()muestra en ese momento
...

5. Dibuja un gráfico

plt.plot(x,y)
-Tabla de líneas: -Histograma: plt.bar(x,y)
-Tabla de dispersión: -Mapa de calor plt.scatter(x,y)
: plt.imshow(x,cmap)
…

• Parámetros opcionales utilizados en el dibujo de diagramas 2d:
  

6. Visualización de iconos

plt.show()

1.4 Preguntas frecuentes

• Es solucionar el problema de no mostrar la imagen.

%matplotlib inline

• Resolver chino confuso

plt.rcParams['font.sans-serif']='SimHei'

1.5 Implementación de código mínima

import numpy as np
import matplotlib.pyplot as plt

Un sistema de coordenadas

Como se mencionó anteriormente, algunas operaciones se pueden omitir

x = np.linspace(1, 20, 100)

y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1)
plt.plot(x, y2)

Múltiples sistemas de coordenadas

x = np.linspace(1, 20, 100)

y1 = np.sin(x)
y2 = np.cos(x)

plt.subplot(2,2,1)
plt.plot(x, y1)
plt.subplot(2,2,4)
plt.plot(x, y2)

2. Utilice Pandas para la visualización de datos

PandasEl dibujo es un matplotlibpaquete hecho sobre la
sintaxis básica es:
df.plot(x='列名1', y='列名2', kind='图形类型', label=‘图例名称’)

gráfico de líneas

from numpy.random import randn
np.random.seed(1)

df = pd.DataFrame(np.random.randn(20,3),index=np.linspace(0,19,20), columns=list('ABC'))

df.plot()

Gráfico de barras

from numpy.random import randn
np.random.seed(1)

df = pd.DataFrame(np.random.randn(5,3)+10,index=np.linspace(0,4,5), columns=list('ABC'))

df.plot.bar()

Histograma

from numpy.random import randn
np.random.seed(1)

df = pd.DataFrame({
    
    'A':np.random.randn(100),'B':np.random.randn(100)+1,'C':np.random.randn(100)+2})

df.hist(bins=20)

Diagrama de caja

from numpy.random import randn
np.random.seed(1)

df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
df.plot.box()

Gráfico de dispersión

from numpy.random import randn
np.random.seed(1)

df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
df.plot.scatter(x='a', y='b')

Gráfico circular

from numpy.random import randn
np.random.seed(1)

df = pd.DataFrame(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], columns=['x'])
df.plot.pie(subplots=True)

3. Utilice seaborn para la visualización de datos

Utilice Seaborn para la visualización de datos

para resumir

• Gráfico unidimensional: diagrama de caja de
  datos unidimensional (no directamente significativo)
  
• Gráficos bidimensionales Gráficos de
  dispersión, gráficos lineales, histogramas, gráficos de barras
• Diagrama tridimensional:
  diagrama de burbujas

Continuará ~

Adjunto: la elección de gráficos visuales

Conceptos básicos visuales: cómo elegir gráficos visuales