數據可視化

1.散點圖

這里有我自己整理了一套最新的python系統學習教程，包括從基礎的python腳本到web開發、 爬蟲、數據分析、數據可視化、機器學習等。 小編這里推薦加小編的python學習群：895,817, 687import matplotlib; from pandas import read_csv; import matplotlib.pyplot as plt;data = read_csv("D:\\PA\\5.1\\data.csv")font = {'family' : 'SimHei' } matplotlib.rc('font', **font);plt.plot(data['廣告費用'], data['購買用戶數'], '.')#plt.plot(data['廣告費用'], data['購買用戶數'], 'o')#plt.plot(data['廣告費用'], data['購買用戶數'], 'o', color='yellow') #plt.plot(data['廣告費用'], data['購買用戶數'], 'o', color=(1, 1, 0)) #plt.plot(data['廣告費用'], data['購買用戶數'], 'o', color='#FFFF00') plt.xlabel('廣告費用');plt.ylabel('購買用戶數'); plt.grid(True);plt.show();

2.折線圖

import pandas; from pandas import read_csv; from matplotlib import pyplot as plt;data = read_csv('D:\\PA\\5.2\\data.csv'); #對日期格式進行轉換 data['購買日期']=pandas.to_datetime(data['日期']);#'-' 順滑的曲線 plt.plot(data['購買日期'], data['購買用戶數'], '-');#plt.title('購買用戶數時間序列圖');#plt.show();#設置顏色 plt.plot(data['購買日期'], data['購買用戶數'], '-', color='r'); #設置線條粗細 plt.plot(data['購買日期'], data['購買用戶數'], '-', color='r', lineWidth=10);#'--' 虛線 plt.plot(data['購買日期'], data['購買用戶數'], '--'); #'-.' 線加點 plt.plot(data['購買日期'], data['購買用戶數'], '-.'); #':' 由點組成的曲線 plt.plot(data['購買日期'], data['購買用戶數'], ':'); #'.' 散點圖 plt.plot(data['購買日期'], data['購買用戶數'], '.'); #',' 像素點的散點圖 plt.plot(data['購買日期'], data['購買用戶數'], ','); #'o' 大點的散點圖 plt.plot(data['購買日期'], data['購買用戶數'], 'o'); #'v' 下三角標記的散點圖 plt.plot(data['購買日期'], data['購買用戶數'], 'v'); #'^' 上上角標記的散點圖 plt.plot(data['購買日期'], data['購買用戶數'], '^'); #'<' 左角標記的散點圖 plt.plot(data['購買日期'], data['購買用戶數'], '<'); #'>' 右角標記的散點圖 plt.plot(data['購買日期'], data['購買用戶數'], '>'); #'1' 傘形下的標記散點圖 #'2' 傘形上的標記散點圖 #'3' 傘形左的標記散點圖 #'4' 傘形右的標記散點圖 plt.plot(data['購買日期'], data['購買用戶數'], '4'); #'s' 正方形標記的散點圖 plt.plot(data['購買日期'], data['購買用戶數'], 's'); #'p' 五角形標記的散點圖 plt.plot(data['購買日期'], data['購買用戶數'], 'p'); #'*' 五角星標記的散點圖 plt.plot(data['購買日期'], data['購買用戶數'], '*'); #'h' 多邊形標記的散點圖 #'H' hexagon2 marker plt.plot(data['購買日期'], data['購買用戶數'], 'h'); #'+' plus marker #'x' x marker #'D' diamond marker #'d' thin_diamond marker plt.plot(data['購買日期'], data['購買用戶數'], 'D'); #'|' vline marker #'_' hline marker plt.plot(data['購買日期'], data['購買用戶數'], '|');plt.title('購買用戶數時間序列圖');plt.show();

3.餅圖

import numpy; import matplotlib; from pandas import read_csv; import matplotlib.pyplot as plt;data = read_csv('D:\\PA\\5.3\\data.csv');gb = data.groupby(by=['通信品牌'],as_index=False )['號碼'].agg({'用戶數':numpy.size });#pip install matplotlibfont = {'family' : 'SimHei' }matplotlib.rc('font', **font);plt.pie(gb['用戶數'], labels=gb['通信品牌'], autopct='%.2f%%');plt.show()

4.柱形圖

# -*- coding: utf-8 -*- import numpy; import matplotlib; from pandas import read_csv; from matplotlib import pyplot as plt; font = {'family' : 'SimHei' }; matplotlib.rc('font', **font); data = read_csv('D:\\PA\\5.4\\data.csv'); gb = data.groupby(by=['手機品牌'] )['月消費（元）'].agg({'月消費': numpy.sum }); index = numpy.arange(gb['月消費'].size); #豎向柱形圖 plt.bar(index, gb['月消費'], 1, color='G'); plt.show(); plt.bar(index, gb['月消費'], 1, color='G'); plt.xticks(index + 1/2, gb.index); plt.show(); #橫向柱形圖 plt.barh(index, gb['月消費'], 1, color='G'); plt.yticks(index + 1/2, gb.index); plt.show();

5.直方圖

import matplotlib; from pandas import read_csv; from matplotlib import pyplot as plt;font = {'family' : 'SimHei' }; matplotlib.rc('font', **font);data = read_csv('D:\\PA\\5.5\\data.csv');plt.hist(data['購買用戶數']); plt.show();plt.hist(data['購買用戶數'], bins=20); plt.show();plt.hist(data['購買用戶數'], bins=20, cumulative=True); plt.show();

總結

以上是生活随笔為你收集整理的python数据分析实战：数据可视化的一些基本操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。