forked from rucliyang/Intro2ds
-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathchap05-plot.py
138 lines (110 loc) · 3.83 KB
/
chap05-plot.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
# 设置工作路径
import os
os.getcwd()
os.chdir("D:\\viscode")
# 读入数据
import pandas as pd
import math
df1 = pd.read_csv("cellphone.csv")
df2 = df1[df1["MSales"] > 0][df1["Comments"] > 0] #取MSales和Comments大于0的数据
df2["MSales"] = df2["MSales"].apply(math.log) #对MSales取对数
df2["Comments"] = df2["Comments"].apply(math.log) #对Comments取对数
# 1.基础统计图形
# 基础绘图（散点图）
import matplotlib.pyplot as plt
plt.plot(df1['MSales'], df1['Comments'], color = "red") #指定颜色为红色
plt.show()
# 添加图形元素的方式
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set(xlim=[0, 5000], ylim=[0, 5000], title="Example",
ylabel="Y-Axis", xlabel="X-Axis") #添加坐标轴名称和标题
plt.plot(df1['MSales'], df1['Comments'])
plt.show()
# 参数和属性
plt.scatter('MSales', 'Comments', data = df2)
plt.show()
plt.scatter(df2['MSales'], df2['Comments'])
#添加坐标轴名称和标题
plt.title("Test")
plt.xlabel("MSales")
plt.ylabel("Comments")
plt.show()
# 点参数
plt.scatter('MSales', 'Comments', data = df2[1:20],
color = "red", #颜色
marker = "+", #点型
s = 200) #大小
plt.show()
plt.scatter('MSales', 'Comments', data = df2[1:20],
color = "red", #颜色
marker = "o", #点型
s = 100) #大小
plt.show()
# 线参数
plt.plot('MSales', 'Comments', data = df2[1:20],
linestyle = "-", #线型
linewidth = 1, #宽度
color = "red", #颜色
marker = "o") #点型
plt.show()
# 图例
plt.scatter('MSales', 'Comments',
data = df2[df2['Place'] == '广东 广州'][1:20],
color = "red", marker = "o", label = "广州")
plt.scatter('MSales', 'Comments',
data = df2[df2['Place'] == '浙江 杭州'][1:20],
color = "blue", marker = "o", label = "杭州")
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.legend(loc = "upper left")
plt.show()
# 文字说明
plt.plot([1,2,3])
plt.text(1, 2, r'$\mu=100, \sigma=15$')
plt.show()
plt.plot([1,2,3])
plt.annotate('test', xy=(1, 2), xytext=(1.5, 2.2),
arrowprops = dict(facecolor = 'black', shrink = 0.05))
plt.show()
# ggplot示例
import ggplot as gg
p = gg.ggplot(df2, aes(x='MSales', y='Comments'))
p = p + geom_point()
print(p)
# 2.可视化与数据分析
# 简单数据分析
import numpy as np
df3 = df1[df1['Place'] == '广东 广州'].append(df1[df1['Place'] == '浙江 杭州'])
np.mean(df3['MSales']) #求MSales变量均值
np.std(df3['MSales']) #求MSales变量标准差
np.median(df3['MSales']) #求MSales变量中位数
np.percentile(df3['MSales'], 25) #求MSales变量分位数
df3.groupby(by='Place').count() #根据Place分组，计算频数
df3.groupby(by='Place').mean() #根据Place分组，计算均值
# 单变量的分布
# 画出连续型变量MSales的直方图
plt.hist(df1['MSales'], bins = 50, density=True, histtype='bar')
plt.show()
plt.hist(df2['MSales'], bins=20, density=True, histtype='bar')
plt.show()
# 画出离散型变量Place的条形图和饼图
dffreq = df3.groupby(by='Place').count()['Summary'] #频数分布表
#fig, (ax1, ax2) = plt.subplots(1, 2, sharex=False, sharey=False)
plt.bar(np.arange(len(dffreq)), dffreq, color='lightblue', align='center') #条形图
ax2.pie(dffreq, labels = dffreq.index) #饼图
plt.show()
# 两变量的关系
# 两个连续变量的关系：散点图
# 连续变量和离散变量的关系
# 画出变量MSales在不同Place组中的箱线图
v1 = df3[df3['Place'] == '广东 广州']['MSales']
v2 = df3[df3['Place'] == '浙江 杭州']['MSales']
plt.boxplot((v1, v2), labels=('广州','杭州'))
plt.show()
# 两个离散变量的关系
# 画出马赛克图
from statsmodels.graphics.mosaicplot import mosaic
mosaic(df3, ['Place', 'Protection'])
plt.show()