第六章-Python数据可视化--2

**

数值型变量的可视化

**

本篇是数据可视化系列中的第二篇，承接上文，本文主要介绍如何使用matplotlib模块、pandas模块和seaborn模块绘制直方图、核密度图、箱线图、小提琴图、折线图以及面积图。

一.直方图和核密度曲线

1.matplotlib模块

plt.hist(x,bins=10,range=None,normed=False,weights=None,
         cumulative=False,bottom=None,histtype='bar',
         align='mid',orientation='vertical',rwidth=None,
         log=False,color=None,label=None,stacked=False)

1
2
3
4
5

x ： 指定要绘制直方图的数据。
bins : 指定直方图条形的个数。
range ： 指定直方图数据的上下界，默认包含绘图数据的最大值和最小值。
normed ： 是否将直方图的频数转换为频率。 （如果报错的话，就用desnity替代）
weights ： 该参数可为每一个数据点设置权重。
cumulative ： 是否可以计算累计频数或频率。
bottom ： 可以为直方图的每个条形添加基准线，默认为0.
histtype ： 指定直方图的类型，默认为bar ， 除此之外还有barstacked、step、stepfilled。
align ： 设置直方图的摆向方向，默认为垂直方向。
rwidth ： 设置直方图条形的宽度。
log ： 是否需要对绘图数据进行log变换。
color ： 设置直方图的填充色。
edgecolor ： 设置直方图边框色。
label ： 设置直方图的标签，通过legend展示图例。
stacked ： 当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放。

2.pandas模块

对于matplotlib模块的直方图，如果想加入核密度图就会很吃力，pandas可以很好的将两者结合在一起。

3.seaborn模块
尽管这幅图满足了两种图形的合成，但是表达的是所有乘客的年龄分布，如果老板想看按性别分组，研究不同性别下年龄分布的差异，前两个模块都会很复杂实现起来，这里就推荐使用seaborn中的displot函数。

sns.distplot(a,bins=None,hist=True,kde=True,rug=False,fit=None,hist_kws=None,
             kde_kws=None,rug_kws=None,fit_kws=None,color=None,vertical=False,
             norm_hist=False,axlabel=None,label=None,ax=None)

1
2
3
4

a ： 指定绘图数据，可以是序列、一维数组或是列表。
bins ： 指定直方图条形的个数。
hist ： bool类型，是否绘制直方图，默认为Ture。
kde ： bool类型，是否绘制核密度图，默认为True。
rug ： bool类型的参数，是否绘制须图（如果数据比较密集，该参数比较有用），默认为False。
fit ： 指定一个随机分布对象（需调用scipy模块中的随机分布函数），用于绘制随机分布的概率曲线。
hist_kws ： 以字典的形式传递直方图的其他修饰属性，如填充色、边框色、宽度等。
kde_kws ： 以字典的形式传递核密度图的其他修饰属性，如线的颜色、线的类型等。
rug_kws ： 以字典的形式传递须图的其他修饰属性，如线的颜色、线的宽度等。
fit_kws ： 以字典的形式传递概率密度曲线的其他修饰属性，如线条颜色、形状、宽度等。
color ： 指定图形的颜色，除了随机分布曲线的颜色。
vertical ： bool类型，是否将图形垂直显示，默认为True。
norm_hist ： bool类型，是否将频数改为频率，默认为False。
axlabel ： 用于显示轴标签。
ax ： 指定子图的位置。

二.箱线图

箱线图是另一种体现数据分布的图形，从图中可以得到数据的下须值（Q1-1.5IQR）、下四分位数（Q1）、中位数（Q2）、均值，上四分位（Q3）数和上须值（Q3+1.5IQR）。同样的，matplotlib、pandas、seaborn模块均可完成。

1.matplotlib

plt.boxplot(x,notch=None,sym=None,vert=None,whis=None,positions=None,
            widths=None,patch_artist=None,meanline=None,showmeans=None,
            boxprops=None,labels=None,flierprops=None,medianprops=None,
            meanprops=None,capprops=None,whiskerprops=None)

1
2
3
4
5

x ： 指定要绘制箱线图的数据。
north ： 是否要以凹口的形式展现箱线图，默认为凹口。
sym ： 指定异常点的形状，默认为+号显示。
vert ： 是否需要将箱线图垂直摆放，默认为垂直摆放。
whis ： 指定上下须与上下四分位的距离，默认为1.5倍的四分位差。
position ： 指定箱线图的位置，默认为[0 , 1 , 2 …]。
widths ： 指定箱线图的宽度，默认为0.5.
patch_artist ： bool类型，是否填充箱体的颜色，默认false。
meanline ： bool类型，是否用线的形式表示均值，默认为False。
showmeans ： bool类型，是否显示均值，默认为False。
showcaps ： bool类型，是否显示箱线图顶端和末端的两条线（即上下须），默认为True。
showbox ： bool类型，是否显示箱线图的箱体，默认为True。
showfilers ： 是否显示异常值，默认为True。
boxprops ： 设置箱体的属性，如边框色、填充色等。
labels ： 为箱线图添加标签，类似图例。
filerprops ： 设置异常值的属性，如异常点的形状、大小、填充色等。
medianprops ： 设置中位数的属性，如线的类型、粗细等。
meanprops ： 设置均值的属性，如点的大小、颜色等。
capprops ： 设置箱线图顶端和末端线条的属性，如颜色、粗细等。
whiskerprops ： 设置须的属性，如颜色、粗细、线的类型等。

分析一下此箱线图：
图中上下两条横线代表上下须，箱体的上下两条横线代表上下四分位数，箱体中的虚线是中位数，箱体内的点为均值，上下须两端的点代表异常值。

通过均值和中位数对比得知数据微微右偏。
（如果数据近似正态分布，则众数=中位数=均值，右偏，众数<中位数＜均值，左偏，众数＞中位数＞均值。

上面是二手房整体单价的箱线图，不常见，常用的是分组箱线图，即二手房单价按照其他分组变量进行对比分析。

seborn模块类似，用时自己查就可以，这里不做详细介绍。

三.小提琴图

小提琴图相当于数值型数据的核密度图与箱线图融合一起，matplotlib的小提琴图不包含一个完整的箱线图，所以这里直接使用seaborn中的violinplot函数绘制小提琴图。

sns.violinplot(x=None,y=None,hue=None,data=None,order=None,hue_order=None,
bw=‘scott’,cut=2,scale=‘area’,scale_hue=True,gridsize=100,
width=0.8,inner=‘box’,split=‘box’,split=False,dodge=True,orient=None,
linewidth=None,color=None,palette=None,saturation=0.75,ax=None
)

x ： x轴数据。
y ： y轴数据。
hue ： 指定一个分组变量。
data ： 指定绘制小提琴图的数据集。
hue_order ： 传递一个字符串列表，用于分类变量的排序。
bw ： 制定核密度估计的带宽，带宽越大，密度曲线越平滑。
scale ： 用于调整图的左右宽度，如果为area ， 表示每个小提琴图的左右部分拥有相同的面积；如果为count ， 则表示根据样本数量来调节宽度；如果为width ， 则表示每个小提琴图左右两部分拥有相同的宽度。

scale_hue ： bool类型，当使用hue参数时，是否对hue变量的每个水平做标准化处理，默认为True。
width ： 使用hue参数时，用于控制小提琴图的宽度。
inner ： 指定小提琴图内部数据点的形态。如果为box，则表示绘制微型的箱线图；如果为quartiles，则表示绘制四分位的分布图；如果为point或stick，则表示绘制点或小竖条。

split ： bool类型，使用hue参数时，将小提琴图从中间分为两个不同的部分，默认为False。
dodge ： bool类型，当使用hue参数时，是否绘制水平交错的小提琴图，默认为True。
orient ： 指定小提琴图的呈现方向，默认垂直。
linewidth：指定小提琴图的所有线条宽度，。
color ： 指定小提琴图的颜色，该参数与palette一起使用的时候无效。
palette ： 指定hue变量的区分色。
saturation ： 指定颜色的透明度。
ax ： 指定子图的位置。

四.折线图

同样还是三个模块均可绘制，但seaborn中的tsplot函数用起来不方便，因此这里仅介绍matplotlib和pandas实现折线图的方法。

1.matplotlib

plt.plot(x , y , linestyle , linewidth , color , marker , 
         markersize , markerergecolor , markerfactcolor ,
         markeredgewidth , label , alpha)

1
2
3
4

x ： 指定折线图的x轴数据。
y ： 指定折线图的y轴数据。
linestyle ： 指定折线图的类型，实线、虚线、点虚线、点点线等等，默认为实现。
linewidth ： 指定折线的宽度。
marker ： 可以为折线图添加点，该参数是设置点的形状。
markersize ： 点的大小。
markeredgecolor ： 点的边框色。
markerfactcolor ： 点的填充色。
markeredgewidth ： 点的边框宽度。
label ： 为折线图添加标签，类似于图例的作用。

这里用‘-’ 表示实线，用’o’ 表示空心圆点，当然还有很多中其他的表示，这里不一一列举，用的时候直接查，然后往里面套就行。

但是上面一幅图其实是只显示了阅读人数，想要实现一张图里阅读人数和阅读人次两条曲线的比较，可以使用如下方法：

2.pandas

虽然plot 部分看起来很简单，但前提是要将表中的数据进行处理，将三条折线图的数据分别为数据框的三个字段才行，这里用到了数据框pivot_table方法，将原始的数据处理成满足条件的一张透视表。

关于pivot_table 函数的用法，其实很简单，随便搜一搜就会了！