6.Pandas 数据可视化图-1

第三章 数据可视化

前言

图形查看数据更为直观清晰。

一、数据可视化

        数据可视化是指通过图表、图形、地图、仪表盘等视觉形式，将复杂的数据转化为直观易懂的信息，帮助人们快速理解数据中的模式、趋势、关系和异常。它是数据分析和沟通的重要工具，广泛应用于商业、科研、教育、媒体等领域。

二、使用步骤

1.pyplot

1.1引入库

代码如下（示例）：

import pandas as pd
from IPython.core.pylabtools import figsize
from matplotlib import pyplot as plt

1.2  设置汉字字体

plt.rcParams['font.sans-serif'] = ['SimHei']   #避免中文乱码
plt.rcParams['axes.unicode_minus'] = False     #设定符号，避免出错

1.3 数据准备

df = pd.read_excel(r'D:\python学习\house2017.xlsx')
df

输出结果：

1.4 设置索引列

df.set_index('id', inplace=True)
df

1.5  调用绘图函数

plt.scatter(df['面积'],df['总价'])

2.使用seaborn绘图

2.1 安装导入seaborn

conda install seaborn

2.2 设置背景风格

seaborn自带风格：
暗底有网格 ：          darkgrid
白底有网格 ：          whitegrid
暗底无网格 ：          dark
白底无网格 ：           white
matplotlib默认：        ticks

import seaborn as sns
sns.set_style('white',{'font.sans-serif':['simhei','Arial']})   #设置风格为暗色网格,设置字体格式

2.3 调用绘图方法

sns.scatterplot(x=df['面积'],y=df['总价'])

2.4 确认调整统计口径

散点图

sns.scatterplot(x='面积',y='总价',data=df)

柱状图

sns.barplot(x='建筑结构',y = '总价',data=df)

2.5 通过hue等参数指定更多特征

sns.scatterplot(x='面积',y='总价',hue = '建筑类型',data=df)

2.6 优化边框、配色等

去掉轴线 despine left=True 删除左边，另一边 right=True offset=n 设置坐标轴偏移量

sns.scatterplot(x='面积',y='总价',hue = '建筑类型',data=df)
sns.despine()

sns.scatterplot(x='面积',y='总价',hue = '建筑类型',data=df)
sns.despine(offset=10)

2.7 查看配色方案

sns.color_palette() 

sg = sns.color_palette('Greens',10) #指定颜色和数量
sns.set_palette(sg)           #通过自定义调色板，改变显示的颜色

2.8  优化子图排列

matplotlib.subplots

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

# 假设这里已经有了正确的DataFrame对象df，包含'面积'、'总价'、'建筑类型'、'建筑结构'等列数据
# 创建子图布局，这里应该使用plt.subplots而不是plt.subplot，plt.subplots会返回画布fig和子图对象组成的元组
fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(16, 4))

# 去除子图的边框（默认设置），这里可以根据需要调整参数来保留某些边框等
sns.despine()

# 在ax1子图上绘制散点图
sns.scatterplot(x='面积', y='总价', data=df, ax=ax1)
 
# 在ax2子图上绘制柱状图
sns.barplot(x='建筑类型', y='面积', data=df, ax=ax2)

# 在ax3子图上绘制柱状图
sns.barplot(x='建筑结构', y='面积', data=df, ax=ax3)

# 显示图形
plt.show()

三、案例

案例数据：superstore_dataset2011-2015 （超市数据集 2011-2015 年），这是一个常用于数据分析和可视化的公开数据集，通常包含某超市在 2011 年至 2015 年期间的销售记录。

3.1 案例数据介绍

import pandas as pd
df= pd.read_csv(r'D:\superstore_dataset2011-2015.csv')
df.head()

3.2 理解字段含义和分析缺失情况

df.info()

这些字段可以帮助我们从多个维度分析销售数据，包括时间趋势、地理分布、客户细分和产品表现等。

非空值比较接近，因此数据价值也就较高

3.3 找出销量前五的国家和地区 哪个地区销售额最高？什么类别的商品销量最好？ 其中有什么规律？

1.提取相应的需分析的属性字段

data=df[ ['订单号','国家地区','商品门类','总额'] ]   #通过花式索引提取相关数据列
data

2.得到不重复的国家和地区

unique函数： 用于获取 Series 或 DataFrame 列中的唯一值，返回一个包含所有唯一值的数组。

isin函数：用于判断元素是否存在于指定的可迭代对象中，返回布尔型 Series 或 DataFrame。

区别与联系

• unique()用于去重，返回唯一值列表
• isin()用于筛选，返回布尔掩码
• 常结合使用：先用unique()查看有哪些唯一值，再用isin()筛选特定值的行

国家地区数量：

len(data['国家地区'].unique())

商品门类数量：

len(data['商品门类'].unique())

3.属性规划分类，分为科技、办公、文化、家具等类

data['商品门类'].replace(["Advantus Light Bulb, Black"],'科技',inplace=True)
data

4.分组排名问题

属性字段的类型转换，原始数据大多为文本类型

data2['总额'] = data2['总额'].astype('float')

data2.groupby('国家地区')['总额'].sum()

5. 汇总结果排序sort_values()

data2.groupby('国家地区')['总额'].sum().sort_values(ascending=False)

6.切片取值

data2.groupby('国家地区')['总额'].sum().sort_values(ascending=False)[:5]

data2.groupby('国家地区')['总额'].sum().sort_values(ascending=False)[-6:-1]

7. 取出销售前五的国家详细数据 Series.isin()

data2[data2['国家地区'].isin(['United States','Australia','France','China','Germany'])]

3.4 柱状图

以销售前五的国家为例

1.指定柱形图的统计口径

指定误差线 ci参数：指定为浮点数：显示误差线并表示置信区间，大小由该浮点数确定；指定为”sd“：显示误差线并表示标准离差；指定为None：不显示误差线¶

palette='spring',（输入一个不存在的可以看全部）选择颜色面板，alpha透明度设置

import seaborn as sns
sns.set_style('whitegrid',{'font.sans-serif':['Simhei','Arial']})

sns.barplot(x='