当前位置 博文首页 > 肖永威的专栏:Pandas高级数据分析快速入门之四——数据可视化篇
Pandas高级数据分析快速入门之一——Python开发环境篇
Pandas高级数据分析快速入门之二——基础篇
Pandas高级数据分析快速入门之三——数据挖掘与统计分析篇
Pandas高级数据分析快速入门之四——数据可视化篇
Pandas高级数据分析快速入门之五——机器学习特征工程篇
Pandas高级数据分析快速入门之六——机器学习预测分析篇
Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案。
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats # 科学计算包
def stats_linear_regression(df):
user_df = df.loc[df['carduser_id']== 2085603 ].reset_index(drop=True)
Days = user_df['days'].values
Days = Days[1:]
k = []
for i in range(len(Days)):
k.append(i)
#Days = Days.reshape(-1,1)
x = np.array(k)
y = Days
# 科学计算包中统计方法,用于计算散点回归线趋势的斜率、截距
slope, intercept, r_value, p_value, std_err = stats.linregress(x, y)
print('slope is ' + str(slope))
# 画图
plt.rcParams['figure.figsize']= 10,5 #设置图例尺寸
plt.rcParams['font.sans-serif']=['SimHei'] #设置为中文黑体,如果设置楷体则为 KaiTi
plt.rcParams['axes.unicode_minus']=False
plt.scatter(x, y, color='b',label='间隔时间')
plt.plot(x, slope*x + intercept, color='r',label='趋势回归线')
plt.legend() #绘制图例,右上角标识图
plt.show() #显示图形
# plt.savefig("temp.png")
数据及代码,接上文[1]。
其中,绘图通用、基本部分为设置图片尺寸和中文兼容设置,详见代码中的注释。
提示:示例代码中plt.savefig(“temp.png”),很容易的把图像保存到文件中,如果直接生产文件时,可以不使用plt.show()函数(界面不显示)。
stats_linear_regression(trade_df)
slope is -0.11791958041958041
Pandas绘图是基于Matlibplot和Numpy,二次封装,以实现简化绘图工作。
plt.rcParams['figure.figsize']= 12,6
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签 KaiTi
plt.rcParams['axes.unicode_minus']=False
df=trade_df[['balance','recharge','volumn','amount']] # 交易数据来自上篇文章内容
df.hist()
plt.show()
接续上一锻炼“2.1”代码。
df.plot(kind='density',subplots=True,layout=(2,2),sharex=False,fontsize=8)
plt.show()
使用上篇文章[1]的月份交易汇聚数据,详见其代码顺序执行即可。
user_df = ms_df.loc[ms_df['carduser_id']==2085603].reset_index(drop=True)
# 月份转序列化
user_df[['年月']] = user_df['yearmonth'].apply(lambda x: str(x)[0:4] + '-' + str(x)[4:6])
df = user_df[['balance','recharge','amount','年月']]
df = df.set_index('年月')
df.plot()
注:代码中,额外增加把年月转换为字符串后,做为横坐标的序列,而不是原有数字,避免为直接数值大小的使用。
user_df = ms_df.loc[ms_df['carduser_id']==2085603].reset_index(drop=True)
# 月份转序列化
user_df[['年月']] = user_df['yearmonth'].apply(lambda x: str(x)[0:4] + '-' + str(x)[4:6])
df = user_df[['balance','recharge','amount','年月']]
df = df.set_index('年月')
df.plot.bar()
user_df = ms_df.loc[(ms_df['carduser_id']==2085603) & (ms_df['year']==2021)].reset_index(drop=True)
# 月份转序列化
user_df[['年月']] = user_df['yearmonth'].apply(lambda x: str(x)[0:4] + '-' + str(x)[4:6])
df = user_df[['balance','recharge','amount','年月']]
df = df.set_index('年月')
df.plot.pie(subplots=True,figsize=(10, 8),autopct='%.2f%%',radius = 1.2,startangle = 250,legend=False,colormap='viridis')
user_df = ms_df.loc[(ms_df['carduser_id']==2085603) & (ms_df['year']==2021)].reset_index(drop=True)
# 月份转序列化
user_df[['年月']] = user_df['yearmonth'].apply(lambda x: str(x)[0:4] + '-' + str(x)[4:6])
df = user_df[['balance','recharge','amount','年月']]
df = df.set_index('年月')
df.plot.barh()
import matplotlib.pyplot as plt
cols_name = ['carduser_id','yearmonth','sumamount','recharge','amount','goods','volumn','tradecount','balance','month','year']
cols_name.remove('carduser_id') #客户号不参与相关计算,没有意义
correlations = ms_df[cols_name].corr(method='pearson',min_periods=1) #计算变量之间的相关系数矩阵
plt.rcParams['figure.figsize']= 12,10
fig = plt.figure() #调用figure创建一个绘图对象
ax = fig.add_subplot(111)
cax = ax.matshow(correlations,cmap = 'viridis', vmin=-1, vmax=1) #绘制热力图,从-1到1
fig.colorbar(cax) #将matshow生成热力图设置为颜色渐变条
ticks = np.arange(0,len(correlations),1) #生成0-9,步长为1
ax.set_xticks(ticks) #生成刻度
ax.set_yticks(ticks)
ax.set_xticklabels(cols_name) #生成x轴标签
ax.set_yticklabels(cols_name)
plt.show()