可视化
导入数据
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%config InlineBackend.figure_format = 'retina' # 设置图像清晰度
data = pd.read_csv('WorldIndex.csv')
data.head()
data.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 177 entries, 0 to 176
Data columns (total 5 columns):
Country 177 non-null object
Continent 177 non-null object
Life_expectancy 169 non-null float64
GDP_per_capita 169 non-null float64
Population 176 non-null float64
dtypes: float64(3), object(2)
memory usage: 7.0+ KB
df = data.dropna()
df.info()
##这行的意思是删除缺失行。
###不过dropna是什么意思
<class 'pandas.core.frame.DataFrame'>
Int64Index: 164 entries, 0 to 175
Data columns (total 5 columns):
Country 164 non-null object
Continent 164 non-null object
Life_expectancy 164 non-null float64
GDP_per_capita 164 non-null float64
Population 164 non-null float64
dtypes: float64(3), object(2)
memory usage: 7.7+ KB
# 重新定义列名
df.columns = ['country', 'continent', 'life', 'gdp', 'popu']
直方图
plt.hist(df.life, bins=20, rwidth=0.9) # bins 设置区间数，rwidth设置柱子相对宽度
plt.show()
output_8_0.png
箱图
绘制人均寿命的箱图，使用boxplot函数
plt.boxplot(df.life)
plt.show()
output_10_0.png
###绘制人均gdp箱图
plt.boxplot(df.gdp)
plt.show()
output_11_0.png
条形图
value_counts() 应该就是统计的函数
# 统计每个州的国家数
conti_count = df.continent.value_counts()
conti_count
Africa 48
Europe 41
Asia 36
North America 19
South America 11
Oceania 9
Name: continent, dtype: int64
# 获取各大州名称
conti = list(conti_count.index)
conti
['Africa', 'Europe', 'Asia', 'North America', 'South America', 'Oceania']
list()本例中使用的是list函数
x = np.arange(len(conti))
x
### 这个len（）函数是干嘛的呢
array([0, 1, 2, 3, 4, 5])
# 条形图
plt.bar(x, conti_count)
# 设置横坐标
plt.xticks(x, conti, rotation=70) # rotation 旋转横坐标标签
plt.show()
### 此例中使用的是plt.bar,plt.xticks等函数
output_17_0.png
饼图 plt.pie
绘制各大洲国家数量占比
plt.pie(conti_count, labels=conti, autopct='%1.1f%%') # autopct 显示占比
plt.axis('equal') # 调整坐标轴的比例
plt.show()
output_19_0.png
plt.pie() 和plt.axis() 这两个函数怎么理解呢？ 这些函数，是不是只要使用过一次，理解其基本用法，就可以啦。至少现在可以不用太在意原理？
散点图
人均寿命和gdp之间的关系
plt.plot(df.gdp, df.life)
plt.show()
此处所用到的函数，是plt.plot. 相当于把两列数据分别定义成x，y轴。
下面是把线描绘成点，只是加入颜色，就能变为点吗？
plt.plot(df.gdp, df.life, 'g.') # 'g.' 表示用绿色的点绘制
plt.show()
plt.scatter(df.gdp, df.life)
plt.show()
### 此处使用的是plt.scatter函数，相当于是专门的散点图函数。在描绘点，这方面比plt.plot更到位
output_25_0.png
矩阵图 pd.scatter_matrix()函数
多个变量时，可以使用
pd.scatter_matrix(df)
plt.show()
Paste_Image.png
相当于同时把几列数据同时绘制了
数据图表
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.scatter(df.gdp, df.life)
plt.xlabel('人均GDP（美元）') # x轴名称
plt.ylabel('人均寿命（年）') # y轴名称
plt.title('各国健康和经济水平关系（2015）') # 图标题
plt.show()
output_30_0.png
png
此处用到的函数颇多
- 显示中文的rcParams
- 散点图plt.scatter
- plt.x/ylabel,以及plt.title(标题）
plt.scatter(df.gdp, df.life)
plt.xscale('log') # 对x轴采用对数刻度
plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('各国健康和经济水平关系（2015）')
plt.show()
png
output_32_0.png
？？？ 此处的对数变换是什么概念。 就是一种数据的表达方式吗？
###设置刻度显示方式
plt.scatter(df.gdp, df.life)
plt.xscale('log')
plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')
tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab) # 重置x坐标刻度
plt.show()
png
此处使用了tick_val,和tick_lab，是什么意思，不太懂。
设置各数据点的大小
跟人口成正比
size = df.popu / 1e6 * 2 # 数据点大小，正比于人口数
plt.scatter(x=df.gdp, y=df.life, s=size) # 参数s设置点的大小
plt.xscale('log')
plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')
tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)
plt.show()
png
此例就只是增加了size这个参数，然后放在了scatter函数中了。
赋予不同洲，不同的颜色
map_dict = {
'Asia':'red',
'Europe':'green',
'Africa':'blue',
'North America':'yellow',
'South America':'yellow',
'Oceania':'black'
}
colors = df.continent.map(map_dict) # 将国家按所在州对于不同的颜色
size = df.popu / 1e6 * 2
plt.scatter(x=df.gdp, y=df.life, s=size, c=colors, alpha=0.5) # 参数c设置颜色，alpha设置透明度
plt.xscale('log')
plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')
tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)
plt.show()
output_40_0.png
png
此处新增知识点：
- map_dic ，应该是定义了一个字典，地图字典
- scatter函数的参数中，增加了颜色c，和透明度alpha。
- map字典是赋值给了colors的。
添加文本网格
map = {
'Asia':'red',
'Europe':'green',
'Africa':'blue',
'North America':'yellow',
'South America':'yellow',
'Oceania':'black'
}
colors = df.continent.map(map_dict)
size = df.popu / 1e6 * 2
plt.scatter(x=df.gdp, y=df.life, s=size, c=colors, alpha=0.5)
plt.xscale('log')
plt.xlabel('人均GDP（美元）')
plt.ylabel('人均寿命（年）')
plt.title('全球健康和收入水平关系（2015）')
tick_val = [1000,10000,100000]
tick_lab = ['1k','10k','100k']
plt.xticks(tick_val, tick_lab)
plt.text(1550, 73, 'India') # 在图中添加文本
plt.text(5700, 81, 'China')
plt.grid(True) # 添加网格
plt.show()
png
此处新增知识点：
- 指定位置添加文字，plt.text(x,y,"文本")
- 添加背景网格函数plt.grid(True)
？？？ plt.grid()这种函数是不是布尔函数啊，就是只有true和false的参数。
作业
绘制人均GDP数据的直方图，要求：
设置图片标题和坐标轴名称
只显示人均GDP在2万美元以内的数据
设置区间数bins为30
颜色设置成绿色
plt.hist(df.gdp,bins=30,rwidth=0.9,color='g')
plt.rcParams['font.sans-serif']=['SimHei']
plt.xlabel("人均GDP(美元)")
plt.ylabel("年龄(岁)")
plt.xlim([0,20000])
plt.show()
png
