使用python怎么實現一個可視化分析功能

這篇文章給大家介紹使用python怎么實現一個可視化分析功能，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

一、matplotlib庫

1、基本繪圖命令

import matplotlib.pyplot as plt
plt.figure(figsize=(5,4)) #設置圖形大小
plt.rcParams['axes.unicode_minus']=False #正常顯示負號
plt.rcParams['font.sans-self']=['Kai Ti'] #設置字體，這里是楷體，SimHei表示黑體

#基本統計圖
plt.bar(x,y);plt.pie(y,labels=x);plt.plot(x,y);
plt.hist(df.身高) #若參數density=True則是頻率直方圖

3、圖形參數設置

顏色： plt.plot(x,y,c=‘red') #參數c控制顏色
橫縱坐標軸范圍： plt.xlim(0,100),plt.ylim(0,8)
橫縱坐標軸名稱： plt.xlabel(),plt.ylabel()
橫縱坐標軸刻度： plt.xticks(range(len(x)),x)
線形和符號： plt.plot(x,y,linestyle='–',marker=‘o') #實線：'-' ;虛線：'–'; '.'指點線
附加參考線： plt.axvline(x=1)；plt.axhline(y=4)
文字標注： plt.text(3,5,‘peak point') #參數表示：坐標+文字
圖例： plt.plot(x,y,label=‘折線');plt.legend()
分面繪圖：

#一行兩圖
plt.subplot(121)
plt.bar(x,y)
plt.subplot(122)
plt.plot(x,y)
#一頁多圖
fig,ax=plt.subplots(2,2,figsize=(15,12)) # 2行2列放4個圖，figsize控制大小
ax[0,0].bar(x,y);ax[0,1].plot(x,y);
ax[1,0].pie(x,y);ax[1,1].plot(y,'.',linewidth=3)

具體的參數color、linestyle、圖例位置設置

顏色字符（color）

風格字符（linestyle）

loc 參數（以matplotlib添加圖例為例說明位置）

4、特殊統計圖的繪制

4.1 數學函數圖

import matplotlib.pyplot as plt   #加載基本繪圖包
plt.rcParams['font.sans-serif']=['SimHei']; #SimHei黑體
plt.rcParams['axes.unicode_minus']=False; #正常顯示圖中負號
import numpy as np #加載軟件包numpy
import math  #加載軟件包math
x=np.linspace(0,2*math.pi);x #生成[0,2*pi]序列 ，作為橫坐標取值
plt.plot(x,np.sin(x)) #y=sinx 正弦函數
plt.plot(x,np.cos(x)) #y=cosx 余弦函數
plt.plot(x,np.log(x)) #y=lnx #對數函數
plt.plot(x,np.exp(x)) #y=e^x 指數函數

數學函數也可以用pandas庫繪制，可詳見我的另一篇博客：文章鏈接

#極坐標圖
t=np.linspace(0,2*math.pi) 
x=3*np.sin(t); 
y=5*np.cos(t) 
plt.plot(x,y); 
plt.text(0,0,r'$\frac{x^2}{3^2}+\frac{y^2}{5^2}=1$',fontsize=20) #python借鑒的LATEX的格式，可以直接在圖中添加公式

4.2 氣泡圖

import pandas as pd
df=pd.read_excel('data.xlsx')
plt.scatter(df['身高'], df['體重'], s=df['支出']) #在散點圖的基礎上加上點的大小，例子中s=df['支出']就是將指各樣本點支出越多，點面積就越大

4.3 三維曲面圖

from mpl_toolkits.mplot3d import Axes3D 
fig = plt.figure() 
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.5) 
Y = np.arange(-4, 4, 0.5) 
X, Y = np.meshgrid(X, Y)
Z = (X**2+ Y**2)
ax.plot_surface(X, Y, Z) #該圖像就是表示函數z=x^2+y^2

二、seaborn庫

1、常用統計圖

1.1 箱線圖

import seaborn as sns #加載軟件包seaborn
#箱線圖
sns.boxplot(x=df['身高'])
#豎著放的箱線圖，也就是將 x 換成 y
sns.boxplot(y=df['身高']) 
#分組繪制箱線圖
sns.boxplot(x='性別', y='身高',data=df) #將身高按性別分組后繪制

1.2 小提琴圖

sns.violinplot(x='性別', y='支出', data=df) #箱線圖的變種，可以加第三個類別參數hue

1.3 點圖

sns.stripplot(x='性別', y='身高', data=df, jitter=True) #分組的數據（定性+定量）畫的點圖,jitter參數為True表示將點分散開來，默認為false

1.4 條圖與計數圖

#條圖，即柱形圖
sns.barplot(x='性別', y='身高', data=df, ci=0, palette="Blues_d") #palette用于設置顏色
#計數圖
sns.countplot(x='性別', hue="開設", data=df) #都是分類變量

1.5 分組圖

#按性別、開設依次分組后計數,aspect指比例大小
sns.factorplot(x='性別', col="開設", col_wrap=3, data=df, kind="count", size=2.5, aspect=.8)

1.6 概率分布圖

#displot：直方圖+密度函數,bins表示分的組數，kde=False表示不畫出密度曲線,rug表示有數據的地方就標注出來
sns.distplot(df['身高'], kde=True, bins=20, rug=True)

#自定義漸進正態函數圖像
def norm_sim2(N=1000,n=10):
 xbar=np.zeros(N)
 for i in range(N):
  xbar[i]=np.random.uniform(0,1,n).mean()#[0,1]上均勻隨機數均值
 sns.distplot(xbar,bins=50)
 print(pd.DataFrame(xbar).describe().T)
norm_sim2(N=100000,n=50)

2、聯合圖

sns.jointplot(x='身高', y='體重', data=df)#畫的散點圖+單個變量的直方圖

3、配對圖

#針對多個變量,兩兩配對，畫在一起
sns.pairplot(df[['身高','體重','支出']]) #將各變量間關系共放一張圖上，在多元統計分析中很有用

三、ggplot庫

ggplot庫是采用的繪畫中圖層的思想，即一層一層往上疊加，先畫好坐標，再添線，再增加其他操作，最后用 + 號連接起來，操作起來更有邏輯章法，語句簡潔。ggplot新包是plotnine,與R語言的ggplot2對應，使用起來更方便，故直接import plotnine即可，里面的函數使用與ggplot是基本一樣的

1、圖層畫法+常用圖形

繪制直角坐標系和字體

GP=ggplot(aes(x='身高',y='體重'),data=df)

在此基礎上增加線圖

GP + geom_line()+ theme_grey(base_family = 'SimHei')#還可以再往上疊加，+geom_point()就是在折線圖基礎上加上散點圖

改為有三個變量的點圖，不同類型畫不同記號（shape）/顏色（color）

ggplot(df,aes(x='身高',y='體重',color='性別'))+geom_point()+ theme_grey(base_family = 'SimHei')

改為分面圖：
用pandas繪制分組統計圖還需要先groupby，ggplot一步到位更加簡便

ggplot(df,aes(x='身高',y='體重'))+geom_point()+facet_wrap('性別') + 
theme_grey(base_family = 'SimHei') #facet_wrap('性別')表示按性別分成兩組畫分面圖

此外，+theme_bw()等可以設置圖片背景、主題

2、快速繪圖

ggplot也可以像pandas一樣，在qplot函數中設置參數geom的取值而直接改變圖像類型

#快速繪制直方圖
qplot(x='身高',data=df, geom='histogram')+ theme_grey(base_family = 'SimHei')
#快速繪制柱形圖
qplot('開設',data=df, geom='bar')+ theme_grey(base_family = 'SimHei')
#默認散點圖
qplot('身高', '體重', data=df, color='性別') + theme_grey(base_family = 'SimHei')

關于使用python怎么實現一個可視化分析功能就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。