python資料可視化簡易版

• 最近白天在整機器學習和演算法導論，做預判分析的時候發現，經常用到幾個畫圖代碼，老是弄混，睡不著，深夜上線整理一波，順便加強一下記憶叭，寫多少是多少，不行就白天接著補，，
• 今天先整理一波常規畫圖操作，其實后來學了pandas里的 seaborn 庫的時候，才發現有更好看的圖

import matplptlib.pypplot as plt
import pandas as pd 
# 讀取一個分類明確的資料集csv檔案,檔案里資料分了四類
# 資料長這樣子，先大致head（）前五行看一下吧
# dataset,x,y
  I,10.0,8.04
  I,8.0,6.95
  I,13.0,7.58
  I,9.0,8.81
  I,11.0,8.33

oh=pd.read_csv('anscombe.csv')
print(oh)
# 取資料子集
oh_1=oh[oh['dataset'] == 'I']
oh_2=oh[oh['dataset'] == 'II']
oh_3=oh[oh['dataset'] == 'III']
oh_4=oh[oh['dataset'] == 'IV']
plt.plot(oh_1['x'],oh_1['y'])
plt.show()
# 如果想用它畫圓點，可以給plt.plot傳遞一個‘o’引數
plt.plot(oh_1['x'],oh_1['y'],'o')
plt.show()
# 現在有四個 子資料集，要把他們放在一起，所以先創建一個畫布
# 就弄一個2x2的畫布吧
fig=plt.figure()
axis1=fig.add_subplot(2,2,1)
axis2=fig.add_subplot(2,2,2)
axis3=fig.add_subplot(2,2,3)
axis4=fig.add_subplot(2,2,4)
#  哈哈然后出圖吧
axes1.plot(oh_1['x'],oh_1['y'],'o')
axes2.plot(oh_2['x'],oh_2['y'],'o')
axes3.plot(oh_3['x'],oh_3['y'],'o')
axes4.plot(oh_4['x'],oh_4['y'],'o')
#向各個子圖添加標簽，并使用tight_layout方法確保各個坐標軸彼此分開
axes1.set_title('oh_1')
axes2.set_title('oh_2')
axes3.set_title('oh_3')
axes4.set_title('oh_4')
#為整幅圖添加一個大標題
fig.suptitle('anscomble data')
plt.show()
#緊湊布局
fig.tight_layout()

• 單變數畫圖
  單變數做頻數分析的時候，畫圖是最直觀的，樣本頻數特別小的，我一般也就合并到別的小樣本里了，直方圖就夠用，選一個變數多一點的檔案吧

import pandas as pd
tips=pd.read_csv('tips.csv')
print(tips)
# tips檔案 資料 截一下前五行
#  就長這樣吧
"""  "total_bill","tip","sex","smoker","day","time","size"
      16.99,1.01,"Female","No","Sun","Dinner",2
      10.34,1.66,"Male","No","Sun","Dinner",3
      21.01,3.5,"Male","No","Sun","Dinner",3
      23.68,3.31,"Male","No","Sun","Dinner",2   
      24.59,3.61,"Female","No","Sun","Dinner",4
"""
#  大概就是對 餐桌文化，比如不同性別，消費時間，餐桌級別等不同群體的消費賬單做個分析，totalbill 即消費賬單，
# ok 畫圖吧

import matplotlib.pyplot as plt
fig=plt.figure()
#  畫布啊畫布！ 
axes1=fig.add_subplot(1,1,1) 
# 畫布一行一列，放第一個
axes1.hist(tips['total_bill'],bins=10)
# 直方圖運算式，y軸衡量的是totalbill，x軸以10為組距
axes1.set_title('histogram of total bill')
axes1.set_xlabel('Frequency')
axes1.set_ylabel('total bill')
plt.show()

• 雙變數
  雙變數畫圖，兩兩對比，妙不可言，就還是用剛才的那個消費賬單資料吧

• 1）散點圖

scatter_plot=plt.figure()
axes1=plt.add_subplot(1,1,1)
axes1.scatter(tips['total_bill'],tips['tip'])
# 再搞一下標簽就很完美
axes1.set_xlabel('total bill')
axes1.set_ ylabel('tip')
plt.show()

• 箱線圖

boxplot=plt.figure()
axes1=boxplot.add_subplot(1,1,1)
axes1.boxplot(
#  箱線圖的第一引數是資料
#  由于要繪制多塊資料，因此必須把每塊資料放入串列中
    [tips[tips['sex']=='Female']['tip'],
     tips[tips['sex']=='Male']['tip']],
#串列中第一個資料表示分類類別，第二表示y軸資料
     labels=['Female','Male']
#展示標簽
)
axes1.set_xlabel('sex')
axes1.set_ylabel('Tip')
axes1.set_title('boxplot of tips by sex')
plt.show()

其實同樣是畫箱線圖，呼叫seaborn庫 代碼更便捷，可調節的款式也比較多，留給下次睡不著整理吧，，

• 多變數資料
  其實多變數說白了就是再雙變數的基礎上，區分了顏色，大小，形狀，增加了資訊量，最繁瑣的辦法就是用函式創建一個帶顏色的變數，
  比如在性別上區分顏色，

def recode_sex(sex):
    if sex =='Famale':
        return 0
    else:
        return 1
tips['sex_color']=tips['sex'].apply(recode_sex)
# apply 是對列呼叫函式的好方法，這行代碼 賦值給tips資料集一個帶顏色引數的新列 ' sex_color '   

# 下面開始畫圖吧
# 創建畫布
scatter_plot=plt.figure()
axes1=scatter_plot.add_subplot(1,1,1)
axes1.scatter(
  x=tips['total_bill'], 
  y=tips['tips'],
  s=tips['size']*10,
# 增加一個‘size’ 變數，用大小*10倍的大小區分
  c=tips['sex_color']
  alpha=0.5
# 增加點透明度，以表示重疊的點
)
# 最后添加標題
axes1.set_title('total bill vs tip colored by sex and sized by size')
axes1.set_xlabel('total bill')
axes1.set_ylabel('tip')
plt.show()