今日锦囊
特征锦囊：怎么用matplotlib画出漂亮的分析图表
???? Index
数据集引入
折线图
饼图
散点图
面积图
直方图
条形图
关于用matplotlib画图，先前的锦囊里有提及到，不过那些图都是比较简陋的（《特征锦囊：常用的统计图在Python里怎么画?》），难登大雅之堂，作为一名优秀的分析师，还是得学会一些让图表漂亮的技巧，这样子拿出去才更加有面子哈哈。好了，今天的锦囊就是介绍一下各种常见的图表，可以怎么来画吧。
???? 数据集引入
首先引入数据集，我们还用一样的数据集吧，分别是 Salary_Ranges_by_Job_Classification以及 GlobalLandTemperaturesByCity。（具体数据集可以后台回复 plot获取）
-
# 导入一些常用包
-
import pandas as pd
-
import numpy as np
-
import seaborn as sns
-
-
%matplotlib inline
-
import matplotlib.pyplot as plt
-
import matplotlib as mpl
-
plt.style.use(
'fivethirtyeight')
-
-
#解决中文显示问题，Mac
-
from matplotlib.font_manager
import FontProperties
-
-
# 查看本机plt的有效style
-
print(plt.style.available)
-
# 根据本机available的style，选择其中一个，因为之前知道ggplot很好看，所以我选择了它
-
mpl.style.use([
'ggplot'])
-
-
# [
'_classic_test',
'bmh',
'classic',
'dark_background',
'fast',
'fivethirtyeight',
'ggplot',
'grayscale',
'seaborn-bright',
'seaborn-colorblind',
'seaborn-dark-palette',
'seaborn-dark',
'seaborn-darkgrid',
'seaborn-deep',
'seaborn-muted',
'seaborn-notebook',
'seaborn-paper',
'seaborn-pastel',
'seaborn-poster',
'seaborn-talk',
'seaborn-ticks',
'seaborn-white',
'seaborn-whitegrid',
'seaborn',
'Solarize_Light2']
-
-
# 数据集导入
-
-
# 引入第
1 个数据集 Salary_Ranges_by_Job_Classification
-
salary_ranges = pd.read_csv(
'./data/Salary_Ranges_by_Job_Classification.csv')
-
-
# 引入第
2 个数据集 GlobalLandTemperaturesByCity
-
climate = pd.read_csv(
'./data/GlobalLandTemperaturesByCity.csv')
-
# 移除缺失值
-
climate.dropna(axis=
0, inplace=True)
-
# 只看中国
-
# 日期转换, 将dt 转换为日期，取年份, 注意
map的用法
-
climate[
'dt'] = pd.to_datetime(climate[
'dt'])
-
climate[
'year'] = climate[
'dt'].
map(lambda value: value.year)
-
climate_sub_china = climate.loc[climate[
'Country'] ==
'China']
-
climate_sub_china[
'Century'] = climate_sub_china[
'year'].
map(lambda x:
int(x/
100 +
1))
-
climate.head()
???? 折线图
折线图是比较简单的图表了，也没有什么好优化的，颜色看起来顺眼就好了。下面是从网上找到了颜色表，可以从中挑选～
-
# 选择上海部分天气数据
-
df1 = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Shanghai')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.set_index(
'dt')
-
df1.head()
-
# 折线图
-
df1.plot(colors=[
'lime'])
-
plt.title(
'AverageTemperature Of ShangHai')
-
plt.ylabel(
'Number of immigrants')
-
plt.xlabel(
'Years')
-
plt.show()
上面这是单条折线图，多条折线图也是可以画的，只需要多增加几列。
-
# 多条折线图
-
df1 = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Shanghai')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.rename(columns={
'AverageTemperature':
'SH'})
-
df2 = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Tianjin')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.rename(columns={
'AverageTemperature':
'TJ'})
-
df3 = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Shenyang')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.rename(columns={
'AverageTemperature':
'SY'})
-
# 合并
-
df123 = df1.merge(df2, how=
'inner', on=[
'dt'])\
-
.merge(df3, how=
'inner', on=[
'dt'])\
-
.set_index([
'dt'])
-
df123.head()
-
# 多条折线图
-
df123.plot()
-
plt.title(
'AverageTemperature Of 3 City')
-
plt.ylabel(
'Number of immigrants')
-
plt.xlabel(
'Years')
-
plt.show()
???? 饼图
接下来是画饼图，我们可以优化的点多了一些，比如说从饼块的分离程度，我们先画一个“低配版”的饼图。
df1 = salary_ranges.groupby('SetID', axis=0).sum()
-
# “低配版”饼图
-
df1[
'Step'].plot(kind=
'pie', figsize=(
7,
7),
-
autopct=
'%1.1f%%',
-
shadow=True)
-
plt.axis(
'equal')
-
plt.show()
-
# “高配版”饼图
-
colors = [
'lightgreen',
'lightblue'] #控制饼图颜色 [
'lightgreen',
'lightblue',
'pink',
'purple',
'grey',
'gold']
-
explode=[
0,
0.2] #控制饼图分离状态，越大越分离
-
-
df1[
'Step'].plot(kind=
'pie', figsize=(
7,
7),
-
autopct =
'%1.1f%%', startangle=
90,
-
shadow=True, labels=None, pctdistance=
1.12, colors=colors, explode = explode)
-
plt.axis(
'equal')
-
plt.legend(labels=df1.index, loc=
'upper right', fontsize=
14)
-
plt.show()
???? 散点图
散点图可以优化的地方比较少了，ggplot2的配色都蛮好看的，正所谓style选的好，省很多功夫！
-
# 选择上海部分天气数据
-
df1 = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Shanghai')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.rename(columns={
'AverageTemperature':
'SH'})
-
-
df2 = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Shenyang')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.rename(columns={
'AverageTemperature':
'SY'})
-
# 合并
-
df12 = df1.merge(df2, how=
'inner', on=[
'dt'])
-
df12.head()
-
# 散点图
-
df12.plot(kind=
'scatter', x=
'SH', y=
'SY', figsize=(
10,
6), color=
'darkred')
-
plt.title(
'Average Temperature Between ShangHai - ShenYang')
-
plt.xlabel(
'ShangHai')
-
plt.ylabel(
'ShenYang')
-
plt.show()
???? 面积图
-
# 多条折线图
-
df1 = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Shanghai')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.rename(columns={
'AverageTemperature':
'SH'})
-
df2 = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Tianjin')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.rename(columns={
'AverageTemperature':
'TJ'})
-
df3 = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Shenyang')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.rename(columns={
'AverageTemperature':
'SY'})
-
# 合并
-
df123 = df1.merge(df2, how=
'inner', on=[
'dt'])\
-
.merge(df3, how=
'inner', on=[
'dt'])\
-
.set_index([
'dt'])
-
df123.head()
-
colors = [
'red',
'pink',
'blue'] #控制饼图颜色 [
'lightgreen',
'lightblue',
'pink',
'purple',
'grey',
'gold']
-
df123.plot(kind=
'area', stacked=False,
-
figsize=(
20,
10), colors=colors)
-
plt.title(
'AverageTemperature Of 3 City')
-
plt.ylabel(
'AverageTemperature')
-
plt.xlabel(
'Years')
-
plt.show()
???? 直方图
-
# 选择上海部分天气数据
-
df = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Shanghai')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.set_index(
'dt')
-
df.head()
-
# 最简单的直方图
-
df[
'AverageTemperature'].plot(kind=
'hist', figsize=(
8,
5), colors=[
'grey'])
-
plt.title(
'ShangHai AverageTemperature Of 2010-2013') # add a title to the histogram
-
plt.ylabel(
'Number of month') # add y-label
-
plt.xlabel(
'AverageTemperature') # add x-label
-
plt.show()
???? 条形图
-
# 选择上海部分天气数据
-
df = climate.loc[(climate[
'Country']==
'China')&(climate[
'City']==
'Shanghai')&(climate[
'dt']>=
'2010-01-01')]\
-
.loc[:,[
'dt',
'AverageTemperature']]\
-
.set_index(
'dt')
-
df.head()
-
df.plot(kind=
'bar', figsize = (
10,
6))
-
plt.xlabel(
'Month')
-
plt.ylabel(
'AverageTemperature')
-
plt.title(
'AverageTemperature of shanghai')
-
plt.show()
-
df.plot(kind=
'barh', figsize=(
12,
16), color=
'steelblue')
-
plt.xlabel(
'AverageTemperature')
-
plt.ylabel(
'Month')
-
plt.title(
'AverageTemperature of shanghai')
-
plt.show()
今天的内容比较长了，建议收藏起来哦，下次有空的时候可以把它弄进自己的代码库，使用起来更加方便哦～
往 期 锦 囊
特征锦囊：特征无量纲化的常见操作方法
特征锦囊：怎么进行多项式or对数的数据变换?
特征锦囊：常用的统计图在Python里怎么画?
特征锦囊：怎么去除DataFrame里的缺失值？
特征锦囊：怎么把被错误填充的缺失值还原？
特征锦囊：怎么定义一个方法去填充分类变量的空值？
特征锦囊：怎么定义一个方法去填充数值变量的空值？
特征锦囊：怎么把几个图表一起在同一张图上显示？
特征锦囊：怎么把画出堆积图来看占比关系？
特征锦囊：怎么对满足某种条件的变量修改其变量值？
特征锦囊：怎么通过正则提取字符串里的指定内容?
特征锦囊：如何利用字典批量修改变量值？
特征锦囊：如何对类别变量进行独热编码？
特征锦囊：如何把“年龄”字段按照我们的阈值分段？
特征锦囊：如何使用sklearn的多项式来衍生更多的变量？
特征锦囊：如何根据变量相关性画出热力图？
特征锦囊：如何把分布修正为类正态分布？
特征锦囊：怎么找出数据集中有数据倾斜的特征？
特征锦囊：怎么尽可能地修正数据倾斜的特征？
特征锦囊：怎么简单使用PCA来划分数据且可视化呢？
特征锦囊：怎么简单使用LDA来划分数据且可视化呢？
特征锦囊：怎么来管理我们的建模项目文件？
特征锦囊：今天一起搞懂机器学习里的L1与L2正则化
特征锦囊：这份数据清洗checklist，让开发过程更加高效
???? GitHub传送门
https://github.com/Pysamlam/Tips-of-Feature-engineering
原创不易，如果觉得这种学习方式有用，希望可以帮忙随手转发or点下“在看”，这是对我的极大鼓励！阿里嘎多！????
转载：https://blog.csdn.net/Pysamlam/article/details/111087803
查看评论