数据可视化报告
- 第一回：数据展示初相识
- 生成画布 plt.figure()
- 保存画布 plt.savefig()
- 第二回：艺术图表见乾坤
- 绘制折线图 plt.plot()
- 绘制柱状图 plt.bar()
- 绘制饼图 plt.pie()
- Matplotlib 画廊
- 第三回：布局格式定方圆
- 坐标值 pd.Series()、pd.DataFrame()
- 轴刻度 plt.xticks()、plt.yticks()
- 轴标题 plt.xlabel()、plt.ylabel()
- 第四回：文字图例尽眉目
- 标题 plt.title()
- 图例 plt.legend()
- 数据标签 plt.text()
- 第五回：样式色彩秀芳华
- 图表的样式
- 数据标记点的样式
- 第六回：鸿雁在云鱼在水
- 关系图 seaborn.relplot()
- 分布图 seaborn.displot()
- 分类图 seaborn.catplot()
Python 做数据可视化时面临两大痛点：
- 绘图时现用现查，用过即忘，效率极低。
- 只会复制粘贴，不知其所以然，面对复杂图表一筹莫展。
我们介绍 Matplotlib 和 Seabron：
- 从图形，布局，文本，样式等多维度系统梳理 Matplotlib、Seabron 的绘图方法，构建对于绘图方法的整体理解。
- 从绘图 API 层级，接口等方面阐明 Matplotlib、Seabron 的设计理念，摆脱只会复制粘贴的尴尬处境。
Matplotlib 是一个 Python 2D 绘图库，在后面绘图的过程中并不是使用 Matplotlib 库本身，而是用 Matplotlib 库下面的一个模块 —— pyplot。
from matplotlib import pyplot as plt
# 导入 matplotlib 库下的 pyplot 模块并且将其简化为 plt
第一回：数据展示初相识
一张图是由画布、图表以及图表元素组成。
- 画布是整个图形的基础，画布的操作分成俩步 — 生成和保存。
- 图表是整个图形的核心内容，不同图表适合不同场景。
- 图表元素：图表标题、坐标轴刻度、坐标轴标题、图例和数据标签 — 其中，图表标题、坐标轴刻度、坐标轴标题是每张图都要具备的。当图中出现多个条件时，添加图例；当图中出现数值比较时，添加数据标签
读到这里，对数据可视化就有大致印象了。
依照代码实现逻辑，应该是先有画布，再有图表，具备这两者就能生成一张最简单的图，而要让这张图传递更丰富的信息，则需要添加图表元素。
生成画布 plt.figure()
# 生成画布，并设置画布的大小
plt.figure( figsize = (6, 6) )生成画布用到的是 pyplot 模块下的 figure 函数，即 plt.figure()。
其中的参数 figsize 可以控制画布的长和宽，一般用元组的形式进行赋值。
保存画布 plt.savefig()
生成的图形保存到本地，可以用 plt.savefig() 对画布进行保存，这里只需要设置它的路径参数。
plt.savefig('./xxx.png')
# 保存画布，并设置保存路径
第二回：艺术图表见乾坤
常见图表：
- 折线图：呈现数据变化趋势
- 柱状图：让数值大小的比较更明显
- 饼图：呈现各部分相对于整体的占比
绘制折线图 plt.plot()
绘制折线图用到 plt.plot() 函数，该函数中有两个参数 x 和 y 分别表示 x、y 坐标值。
直接将 x 和 y 坐标值传入 plt.plot() 函数，该函数就会自动将两个对象中的元素按照顺序匹配成坐标点，并绘制成折线图。
# 生成画布，并设置画布的大小
plt.figure(figsize=(6, 6))
# 设置 x/y 坐标值
x = pd.Series(['第一季度', '第二季度', '第三季度', '第四季度'])
y = pd.Series([59, 70, 68, 56])
# 绘制折线图，并调整线条颜色为湖蓝色
plt.plot(x, y, color='dodgerblue')
绘制柱状图 plt.bar()
和折线图一样，绘制柱状图也需要设置（x,y）坐标值，不同的是柱状图绘图函数 plt.bar()的参数是 x 和 height，height 表示柱子的高，对应 y 坐标值。
# 生成画布，并设置画布的大小
plt.figure(figsize=(6, 6))
# 设置坐标值
x = pd.Series(['第一季度', '第二季度', '第三季度', '第四季度'])
y = pd.Series([59, 70, 68, 56])
# 绘制柱状图，并调整颜色为深橘色，透明度为 60%
plt.bar(x, height=y, color='darkorange', alpha=0.6)
绘制饼图 plt.pie()
饼图和折线图、柱状图在图像特征方面差异蛮大的。
# 生成画布，并设置画布的大小
plt.figure(figsize=(6, 6))
# 设置扇形面积值
x = pd.Series([59, 70, 68, 56])
# 设置百分比小数的位数：保留百分比小数点后两位
autopct='%.2f%%'
# 设置百分比字体大小和颜色
textprops = {'fontsize': 12, 'color': 'black'}
# 设置饼图的“爆炸效果”：让扇形远离圆心
explode = [0.1, 0, 0, 0]
# 设置不同扇形的颜色
colors = ['cornflowerblue', 'salmon', 'yellowgreen', 'orange']
# 绘制饼图
plt.pie(x, autopct=autopct, textprops=textprops,
explode=explode, colors=colors)
Matplotlib 画廊
Matplotlib 画廊：https://matplotlib.org/stable/gallery/index.html
Matplotlib 还有很多图表，上面的画廊相当于速查表，有成品的图表和代码实现。
第三回：布局格式定方圆
在绘制图表时，先确定好坐标点，再经由绘图函数就能生成图表。
坐标值 pd.Series()、pd.DataFrame()
# 设置 x/y 坐标值，Series 对象
x = pd.Series(['第一季度', '第二季度', '第三季度', '第四季度'])
y = pd.Series([160, 200, 180, 155])
# 设置 x/y 坐标值，DataFrame 对象
x = pd.DataFrame(['第一季度', '第二季度', '第三季度', '第四季度'])
y = pd.DataFrame([160, 200, 180, 155])
设置好坐标值后，就可以绘制图表。
假设绘制折线图 plt.plot() ，该函数中有两个参数 x 和 y 分别表示 x、y 坐标值。
plt.figure(figsize=(6, 6))
# 生成画布，并设置画布的大小
# 设置坐标值
x = pd.Series(['第一季度', '第二季度', '第三季度', '第四季度'])
y = pd.Series([59, 70, 68, 56])
# 绘制折线图，并调整线条颜色为湖蓝色
plt.plot(x, y, color='dodgerblue')
轴刻度 plt.xticks()、plt.yticks()
设置 x、y 轴刻度的函数分别是 plt.xticks() 和 plt.yticks()。
# 设置坐标轴的刻度字体大小
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)轴标题 plt.xlabel()、plt.ylabel()
坐标轴标题主要对坐标轴刻度值的含义进行描述，设置 x 轴标题和 y 轴标题分别用到 plt.xlabel() 和 plt.ylabel() 函数。
# 设置坐标轴的标题名及字体大小
plt.xlabel('季度', fontsize=15)
plt.ylabel('研发费用（百万元）', fontsize=15)
第四回：文字图例尽眉目
看文章先从标题看起，看图同样也从标题看起。
标题 plt.title()
图表标题默认放在图表顶部，向读者传递图表的名称。设置图表标题用的是 plt.title() 函数，包含两个参数：
- label：标题名
- fontsize：标题的字体大小
plt.title('男女比例图', fontsize=20)
# 设置图表标题名及字体大小
图例 plt.legend()
设置图例用到 plt.legend()函数，其中的参数labels表示图例名称，对应图中的多个条件，通常传入可迭代对象，比如列表、Series 对象等。
plt.legend(['变化', '分布'])
数据标签 plt.text()
数据标签是指坐标点上方显示的标签，用于呈现每个坐标点的数据信息。
添加数据标签用到 plt.text()函数，它有几个参数，分别是 x、y、s、ha、va 以及 fontsize。
# 设置数据标签
plt.text('第一季度', 160, 160, ha='center', va='bottom', fontsize=12)
plt.text('第二季度', 200, 200, ha='center', va='bottom', fontsize=12)
plt.text('第三季度', 180, 180, ha='center', va='bottom', fontsize=12)
plt.text('第四季度', 155, 155, ha='center', va='bottom', fontsize=12)更通用的是，借助 zip() 函数实现。
# 设置数据标签
for a, b in zip(x, y):
plt.text(a, b, b, ha='center', va='bottom', fontsize=12)
第五回：样式色彩秀芳华
图表的样式
任何一个绘图函数都有很多参数，如折线图函数 plt.plot()
坐标值（x，y）是最少必备参数，如果我们想让图表展示的图表效果更惊艳，就也得学习一下后面的参数。
先看线条的宽度和颜色：
- linewidth 可以设置线条的宽度
- color 可以设置线条的的颜色，传入颜色对应的英文单词
# 生成画布，并设置画布的大小
plt.figure(figsize=(6, 6))
# 绘制折线图，只调整线条的样式，颜色是 red，简写为 r
plt.plot(x, y, linewidth=3, color='r')
线条宽度变宽，并且变成红色。
数据标记点的样式
以上是图表（线条）样式，另一个是数据标记点样式，需要用到的参数是 marker、markerfacecolor 和 markersize。
- marker：设置数据标记点的形状
- markersize：设置数据标记点的大小
- markerfacecolor：填充颜色
我们选择数据标记点的形状为圆（marker=‘o’）；大小为 10（markersize=10）；填充颜色为白色（markerfacecolor=‘w’）。
# 生成画布，并设置画布的大小
plt.figure(figsize=(6, 6))
# 绘制折线图，只调整数据标记点的样式
plt.plot(x, y, linewidth=3, color='r', marker='o',
markersize=10, markerfacecolor='w')
第六回：鸿雁在云鱼在水
我们研究的数据，都分成定性和定量俩类。
- 定性：又叫分类数据，如性别、游戏段位
- 定量：可用数字量化的数据，如身高体重
对于定性数据，我们常常需要分析不同类别的信息，例如分析《王者荣耀》中最强王者的男女比例等。
至于定量数据，我们比较感兴趣的是不同变量之间的关系或者变量的分布情况，比如身高和基因的关系、某品牌手机销售额的分布情况等。
在统计学中，我们把用来描绘数据基本情况的统计学方法称为描述性统计。
再将数据映射到坐标系上时，就会得到我们常说的统计图形。
而用于表现数据的关系、分布或者分类情况的，可以被称为描述性统计图形。
Seaborn 的图形分类也参考了上述概念，描述性统计图形有关系图、分布图、分类图这三类。
分别用于对应不同的数据类型和分析目的：
- 关系图：展示定量数据之间关系的趋势，如离散程度或者数据随时间变化的情况。
- 分布图：展示定量数据的分布信息，比如频数分布情况，数据的形态等。
- 分类图：展示定性数据之间的分布或关系之类的信息，比如不同类别数据的大小，分布情况等。
有这个框架在，描述性统计图形就一通百通了。
- 关系图：散点图、折线图，定量数据之间关系的趋势。
- 分布图：直方图、核密度估计图、经验累积分布图、轴须图，定量数据的分布信息。
- 分类图：箱型图、分布散点图、分簇散点图、增强箱型图、小提琴图、点图、计数图、条形图，定性数据之间的分布或关系之类的信息。
关系图 seaborn.relplot()
散点图又叫 X-Y 图，将所有的连续数据以点的形式展现在坐标系上。
可比较直观地观察变量 x 与变量 y 之间的相关性。
适合变量之间存在密切关系，但是这些关系又不像数学或物理公式那样能够精确表达的。
- 无关
：在散点图中，如果变量之间不存在线性关系，则表现为随机分布的离散的点。
- 正相关
：当变量 x 增大的时候，变量 y 也在增大；变量 x 减小的时候，y 也在减小。
- 负相关
：当变量 x 增大的时候，y 减小；当 x 减小的时候，y 增大。
在观察散点图的时候，还有一个概念需要我们理解 —— 离群点。
当变量间存在某种线性关系时，大部分的数据点会表现出 “报团取暖”，相对密集的形态，但总有几个不合群的，“高冷” 的数据点离集群较远，我们可以称这些点为离群点或异常点。
观察散点图步骤：
- X、Y 轴代表哪俩个变量
- 相关关系，是否有线性关系
- 离群点，有木有特殊意义
散点图函数：seaborn.relplot(x, y, data, hue, size, style, kind)
import pandas as pd
student_info = pd.read_csv('./学生信息.csv')
# 先把数据通过 pandas 读取成 DataFrame 类型后再传给 relplot 参数 dataimport seaborn as sns
sns.relplot(x='身高', y='体重', data=student_info, kind=scatter)
# data 是数据集，x、y 是数据集里面的连续数据
# kind 是关系图的类别，scatter 是散点图，line 是折线图，其实 kind 默认是散点图
可以看到，大部分数据点都比较集中，且身高越高，相应的体重也会越大，身高和体重应该是正相关关系。
student_info 数据集其实数据还有分类（男、女），我们可以分开显示。
sns.relplot(x='身高', y='体重', data=student_info, hue='性别')
# hue 可让图中添加一个维度，通过图中的不同颜色表示不同含义
男生和女生用不同的颜色标记了出来。从整体上看，该数据集中的男生身高还是普遍高于女生的。
我们还可以让数据展示的更显著，参数 size 可以让表示体重的点，随体重增大而增大。
sns.relplot(x='身高', y='体重', data=student_info, hue='性别', size=1)
# 1 代表第 2 个参数，即体重
我们发现，学生数据的分类，不仅有性别，还有班级。
sns.relplot(x='身高', y='体重', data=student_info, hue='性别', size='体重', style='班级')使用 style = 班级，这样不同班级点的不同形状区分数据，1班是圆、2班是方形。
关系图，除了散点图，还有折线图。
折线图也可以反映数据间的关系，只不过它一般使用时间维度作为 X 轴，数值维度作为 Y 轴。
当我们想要了解某一维度在时间上的规律或者趋势时，用折线图是个比较不错的选择。
relplot() 函数也是可以画出折线图的，基本的折线图只需要在必选参数的基础上，只要写成 kind=‘line’ 即可。
折线图函数：sns.relplot(x, y, data, kind=‘line’)
这也是 Seaborn 的一大优势，想要画某一大类下面的不同图形时，只需要调用这一大类的函数，少量修改其中的参数即可。
分布图 seaborn.displot()
根据 Seaborn 的划分，Distribution 类别中共有四种图形：直方图、核密度估计图、经验累积分布图和轴须图，它们都可以用来表示定量数据的分布情况。
P.S. 人的眼睛对颜色比对形状更敏感，因此，在做可视化时，我们可以优先考虑使用颜色来区分不同的数据。
直方图是描述性统计中很常见的一种图形，它牵涉到统计学中的频数这一概念。
频数，又称 “次数”。指变量值中代表某种特征的数值出现的次数。
在直方图中，我们会把连续数据进行分组，而后统计每个分组内数据的数量（即频数），接着，在平面直角坐标系中用 X 轴标记出每个分组的端点，用 Y 轴表示频数，这样，在坐标系中生成的每个矩形的高就代表了对应分组的频数。
如果从形状来看的话，直方图与柱状图会非常类似。
虽然相似，但从上面的对比图中也可以看出，柱状图的方块之间有间隔，然而直方图各个方块之间没有间隔，紧密相连（当然也有例外情况。在某个分布数据的频数极少或没有时，会出现断点，比如上图直方图中的最右侧方块）。
但它们两个最大的区别还是在数据类型上，柱状图用于画出定性数据（分类数据）的某些特征，直方图则是用于展示定量数据的分布情况。
我们还可以通过直方图来观察数据分布的大体形状，比如：数据分布是否对称，是右偏还是左偏等。
如果数据分布大体对称的话，图形会呈现出中间高，两边低，左右近似对称的特点，就像上图中间所示形状一样。
如果数据的 众数 < 中位数 < 平均数，那么分布大体就会呈现出右偏分布的情况，形状上类似上图左侧部分。
如果数据的 众数 > 中位数 > 平均数，那么分布大体就会呈现出左偏分布的情况，形状上类似上图右侧部分。
画直方图的函数：sns.displot(x, data, hue, kind=‘hist’) 。
这里，借用一下泰坦尼克号乘客的数据。
# 将'乘客性别'赋值给参数 hue
sns.displot(x='乘客年龄', data=titanic_info, hue='乘客性别', kind='hist')
根据图形显示，蓝色代表男性，橙色代表女性，图形中的灰色部分是颜色重合造成的。总体来看，男乘客的数量是要高于女乘客的，尤其是在青壮年（20 岁-40 岁）群体中，这一差异非常明显。
直方图一般用来统计连续数据分组后，每个组对应的频数，可以从形状上判断数据分布的大体形状，比如：数据分布是否对称，是右偏还是左偏等。
核密度估计图：sns.displot(kind=‘kde’)
经验累积分布图：sns.displot(kind=‘ecdf’)
分类图 seaborn.catplot()
Seaborn 给 Categorical（分类）中安排了八种图：分布散点图、分簇散点图、箱型图、增强箱型图、小提琴图、点图、条形图和计数图，他们都可以用来表示定性数据中不同类别之间的关系。
箱型图又称盒须图、盒式图或箱线图，它可以反映一组数据的分布特点，如分布是否对称，是否存在异常值，但其更适合对多组数据（分类数据）的分布特征进行比较。
当一个数据集同时包含分类变量和连续变量时，箱形图可以提供连续变量随着分类变量改变而变化的信息。
它使用了 5 个关键数值对分布进行概括，即一组数据的上相邻值、下相邻值、第一四分位数、中位数和第三四分位数。至于数据集中的异常值，则会被绘制成单独的点。
当我们把一组数据按照从大到小的顺序排序后，需要关注几个特殊的数据：第一四分位数（Q1）、中位数（Median）和第三四分位数（Q3），即处在 25%、50% 和 75% 位置上的数据。箱子的上下边框，就是第三四分位数（Q3）和第一四分位数（Q1）。
Q3 与 Q1 的差称为四分位差或四分位距，用 IQR 表示。
我们可以根据 IQR 来计算出上下内围栏的范围，内围栏（inter fence）是指与 Q1 和 Q3 的距离等于1.5 倍 IQR 的两个点，其中Q1 - 1.5IQR 为下内围栏，Q3 + 1.5IQR 为上内围栏。
上下内围栏一般不在箱线图中显示，但它们明确了数据的范围，在上下内围栏以外的数据，都是异常值。
去掉异常值后，找出上下内围栏之间的最大值和最小值，也就是图中所示的上相邻值和下相邻值。
通过观察箱型图，我们可以直观地了解到中位数，上相邻值和下相邻值这几个描述数据分布情况的关键值，也可以清晰地看到数据集中是否存在异常值。
如上图所示，假如中位数在箱子中间位置的话，就说明这些数据是对称分布的；箱子的长短也能体现分布情况，箱子较长意味着分布比较分散，若箱子很短，则数据分布得较为集中。
箱型图函数：sns.catplot(x, y, data, hue, order, kind=‘box’)
# 使用 sns.catplot()，横轴为类型，纵轴为价格
sns.catplot(x = '价格', y = '类型', kind='box', data=chart_df)
在生成的图片中，配饰和鞋子的中位数较高，食品的中位数最低，一定程度上说明配饰和鞋子的花费较高，食品的花费最低。看得出来，在如何变美这件事上花的钱要比吃饭多出不少。
比较长的箱子是配饰，说明配饰的价格数据比较分散，原因可能是在买普通饰品的同时也买过较贵的高端饰品。
衣服、配饰和鞋子的中位数都近似在箱子的中间位置，看来这三类的价格分布较为对称。
我们还能在图片中发现，衣服、日用品和食品的价格中都存在离群点，衣服类型中有两个，日用品和食品类型各一个。
kind 的其他值还可以是：
- ‘strip’ 对应的分布散点图
- ‘swarm’ 对应的分簇散点图
- ‘violin’ 对应的小提琴图
- ‘boxen’ 对应的增强箱型图
- ‘point’ 对应的点图
- ‘bar’ 对应的条形图
- ‘count’ 对应的计数图
最后，安利一款 Visual Python 软件（Python 图形化软件），不需要敲代码，直接操作可视化界面，随意 DIY 这个窗口，软件会自动生成 DIY 后的界面代码，欢迎试用～
