Python数据可视化的例子

2023-08-18 15:37| 来源: 网络整理| 查看: 265

对于时间序列数据而言，一般都会使用折线图反映数据背后的趋势。通常折线图的横坐标指代日期数据，纵坐标代表某个数值型变量，当然还可以使用第三个离散变量对折线图进行分组处理。接下来仅使用Python中的matplotlib模块和pandas模块实现折线图的绘制。尽管seaborn模块中的tsplot函数也可以绘制时间序列的折线图，但是该函数非常不合理，故不进行介绍。

1．matplotlib模块

折线图的绘制可以使用matplotlib模块中的plot函数实现。关于该函数的语法和参数含义如下：

plt.plot(x, y, linestyle, linewidth, color, marker, markersize, markeredgecolor, markerfactcolor, markeredgewidth, label, alpha) x：指定折线图的x轴数据。y：指定折线图的y轴数据。linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认为实线。linewidth：指定折线的宽度。marker：可以为折线图添加点，该参数是设置点的形状。markersize：设置点的大小。markeredgecolor：设置点的边框色。markerfactcolor：设置点的填充色。markeredgewidth：设置点的边框宽度。label：为折线图添加标签，类似于图例的作用。为了进一步理解plot函数中的参数含义，这里以某微信公众号的阅读人数和阅读人次为例（数据包含日期、人数和人次三个字段）：在这里插入图片描述

绘制2017年第四季度微信文章阅读人数的折线图，代码如下： import pandas as pd import matplotlib.pyplot as plt #设置绘图风格 plt.style.use('ggplot') #处理中文乱码 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] #坐标轴负号的处理 plt.rcParams['axes.unicode_minus']=False # 读取数据 wechat = pd.read_excel(r'wechat.xlsx') # 绘制单条折线图 plt.plot(wechat.Date, # x轴数据 wechat.Counts, # y轴数据 linestyle = '-', # 折线类型 linewidth = 2, # 折线宽度 color = 'steelblue', # 折线颜色 marker = 'o', # 折线图中添加圆点 markersize = 6, # 点的大小 markeredgecolor='black', # 点的边框色 markerfacecolor='brown', # 点的填充色 ) #对于X轴，只显示x中各个数对应的刻度值 plt.xticks(fontsize=8, ) #改变x轴文字值的文字大小 # 添加y轴标签 plt.ylabel('人数') # 添加图形标题 plt.title('每天微信文章阅读人数趋势') # 显示图形 plt.show()

在这里插入图片描述如上图所示，在绘制折线图的同时，也添加了每个数据对应的圆点。读者可能会注意到，代码中折线类型和点类型分别用一个减号-（代表实线）和字母o（代表空心圆点）表示。是否还有其他的表示方法？这里将常用的线型和点型汇总到下表中。在这里插入图片描述虽然上面的图形可以反映有关微信文章阅读人数的波动趋势，但是为了进一步改进这个折线图，还需要解决两个问题：

如何将微信文章的阅读人数和阅读人次同时呈现在图中。对于x轴的刻度标签，是否可以只保留月份和日期，并且以7天作为间隔。 import pandas as pd import matplotlib.pyplot as plt #设置绘图风格 plt.style.use('ggplot') #处理中文乱码 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] #坐标轴负号的处理 plt.rcParams['axes.unicode_minus']=False # 读取数据 wechat = pd.read_excel(r'wechat.xlsx') # 绘制两条折线图 # 导入模块，用于日期刻度的修改 import matplotlib as mpl # 绘制阅读人数折线图 plt.plot(wechat.Date, # x轴数据 wechat.Counts, # y轴数据 linestyle = '-', # 折线类型，实心线 color = 'steelblue', # 折线颜色 label = '阅读人数' ) # 绘制阅读人次折线图 plt.plot(wechat.Date, # x轴数据 wechat.Times, # y轴数据 linestyle = '--', # 折线类型，虚线 color = 'indianred', # 折线颜色 label = '阅读人次' ) # 获取图的坐标信息 ax = plt.gca() # 设置日期的显示格式 date_format = mpl.dates.DateFormatter("%m-%d") ax.xaxis.set_major_formatter(date_format) # 设置x轴显示多少个日期刻度 # xlocator = mpl.ticker.LinearLocator(10) #注释掉电脑将显示默认刻度数 # 设置x轴每个刻度的间隔天数 xlocator = mpl.ticker.MultipleLocator(7) ax.xaxis.set_major_locator(xlocator) # 为了避免x轴刻度标签的紧凑，将刻度标签旋转45度 plt.xticks(rotation=45) # 添加y轴标签 plt.ylabel('人数') # 添加图形标题 plt.title('每天微信文章阅读人数与人次趋势') # 添加图例 plt.legend() #设置横纵坐标的刻度范围 # plt.xlim((0, 10200)) #x轴的刻度范围被设为a到b plt.ylim((0, 4000)) #y轴的刻度范围被设为a'到b' # 显示图形 plt.show()

结果：在这里插入图片描述上图所示，恰到好处地解决了之前提出的两个问题。上面的绘图代码可以分解为两个核心部分：

运用两次plot函数分别绘制阅读人数和阅读人次的折线图，最终通过plt.show()将两条折线呈现在一张图中。日期型轴刻度的设置，ax变量用来获取原始状态的轴属性，然后基于ax对象修改刻度的显示方式，一个是仅包含月日的格式，另一个是每7天作为一个间隔。 2．pandas模块

如果使用pandas模块绘制折线图，调用的仍然是plot方法，接下来以2015—2017年上海每天的最高气温数据为例，绘制每月平均最高气温的三条折线图：在这里插入图片描述具体代码如下：

import pandas as pd import matplotlib.pyplot as plt #设置绘图风格 plt.style.use('ggplot') #处理中文乱码 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] #坐标轴负号的处理 plt.rcParams['axes.unicode_minus']=False # 读取天气数据 weather = pd.read_excel(r'weather.xlsx') # 统计每月的平均最高气温 data = weather.pivot_table(index = 'month', columns='year', values='high') # 绘制折线图 data.plot(kind = 'line', style = ['-','--',':'] # 设置折线图的线条类型 ) # 修改x轴和y轴标签 plt.xlabel('月份') plt.ylabel('气温') # 添加图形标题 plt.title('每月平均最高气温波动趋势') # 显示图形 plt.show()

在这里插入图片描述如上图所示，图中表示的是各年份中每月平均最高气温的走势，虽然绘图的核心部分（plot过程）很简单，但是前提需要将原始数据集转换成可以绘制多条折线图的格式，即构成三条折线图的数据分别为数据框的三个字段。为了构造特定需求的数据集，使用了数据框的pivot_table方法，形成一张满足条件的透视表。下图所示就是数据集转换的前后对比。在这里插入图片描述作图参考链接： Python数据可视化——matplotlib.pyplot中plt的参数详解 Python用插值法绘制平滑曲线 python的折线图以及折线图转折点 marker 样式的设置折线图转折点 marker 样式的设置：

marker表示的意思是对标记设置关键字参数的样式 markeredgecolor 或 mec 标记边缘颜色 markeredgewidth 或 mew 标记边缘宽度 markerfacecolor 或 mfc 标记面颜色 markerfacecoloralt 或 mfcalt markersize 或 ms 标记大小其中marker可取值为： '.': point marker ',': pixel marker 'o': circle marker 'v': triangle_down marker '^': triangle_up marker '': triangle_right marker '1': tri_down marker '2': tri_up marker '3': tri_left marker '4': tri_right marker 's': square marker 'p': pentagon marker '*': star marker 'h': hexagon1 marker 'H': hexagon2 marker '+': plus marker 'x': x marker 'D': diamond marker 'd': thin_diamond marker '|': vline marker '_': hline marker

【本文地址】

公司简介

联系我们