数据分析——数据可视化

前言：python数据分析的基础知识，简单总结，主要是为了方便本身写的时候查看（大家可能看不太清楚T^T），发现有用的方法，随时补充，欢迎指正

数据分析专栏：

1. 数据分析——python基础
2. 数据分析——numpy
3. 数据分析——pandas
4. 数据分析——数据可视化
5. 数据分析——数据处理实例

文章目录

• 数据可视化
• 一、饼图
• 二、条形图
• 三、直方图与核密度曲线
• 四、箱线图
• 五、小提琴图
• 六、折线图
• 七、散点图
• 八、气泡图
• 九、热力图

数据可视化

一、饼图

一、matplotlib模块
	pie(x,#绘图数据
		labels=None,#添加标签
		autopct='%.lf%%')#设置百分百格式
	plt.show()
	
二、pandas模块
	Series.plot(kind='pie'#选择画图类型
				autopct='%.lf%%',#设置百分百格式
				。。。
				//用的时候查一查
				)

二、条形图

一、matplotlib模块
垂直条形图：
	plt.bar(left,#x轴数据
		height,#y轴数据
		width=0.8,#条形图宽度
		。。。
		//用的时候查一查，多用天然就会了
		)
水平条形图：
	plt.barh(bottom=range(x.shape[0]#y轴的刻度
			width=x.num,#指定y轴数值
			tick_label=x.name,#指定y轴刻度标签
			)
堆叠条形图
	+bottom参数便可
水平交错条形图
	将刻度标签向右偏移便可
	plt.xticks(np.arange(5)+0.2,names)
	
二、pandas模块
    条形图：
	x.plot(kind='bar',#选择绘制的图的类型
			width=0.8,
			ax=axes[0]#竖向
			ax=axes[1]#横向
		    stacked=True#表示叠加值
			)
			
	画交错图：
	df=pd.DataFrame(np.random.randint(5,10,size=(10,4)),columns=['a','b','c','d'])
	plt=df.plot(kind='bar')
	
			
三、seaborn模块这里不做过多介绍

三、直方图与核密度曲线

一、matplotlib模块
	plt.hist(x,#绘图数据
			bins=10,#直方条形个数
			)
			
二、pandas模块
	df.plot(kind='hist',
			bins=20,)
	//画核密度曲线
	df.plot(kind='kde',
			color='red')
			
三、seaborn模块
	sns.distplot(a,//数据
				bins=10,
				hist=True,
				kde=True)

四、箱线图

一、matplotlib模块
	plt.boxplot(x,//数据
				notch=None，
				)

二、seaborn模块
	绘制分组箱线图
	sns.boxplot(x,y
				data=None,#数据
				hue=None,#指定分组变量)

五、小提琴图

sns.violinplot(x,y,#x，y轴
				hue,#指定分组变量
				data=None#数据
				)

六、折线图

一、matplotlib模块
	plt.plot(x,y,#xy轴数据
			label#标签
			)
二、pandas模块
	data.plot(kind='line',
			style=['-','--',':']#画图格式
			)

七、散点图

一、matplotlib模块
	scatter(x,y,#数据
			s=20#大小
			)
二、pandas模块
	num.plot(x,y#标签
			kind='scatter'
			title='name'
			)
三、seaborn模块
	sns.Implot(x,y,#数据标签
				hue='name'#指定分组变量
				data='data_name'#数据
				)

八、气泡图

改变散点图的s（大小）便可

九、热力图

seaborn模块
sns.heatmap(data='df'#绘图数据
			cmap='PuBuGn'#填充色
			)