转载 绘图和可视化 《利用Python进行数据分析》第8章 读书笔记

<font size=7></font>

绘图和可视化回归 第八章

import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn
plt.plot(np.arange(10))
plt.show()

• 1
• 2
• 3
• 4
• 5

Figure和Subplot

fig=plt.figure()
ax1=fig.add_subplot(2,2,1)
ax2=fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,3)

• 1
• 2
• 3
• 4

plt.plot(np.random.randn(50).cumsum(),'k--')

• 1

[

_=ax1.hist(np.random.randn(100),bins=20,color='k',alpha=0.3)
ax2.scatter(np.arange(30),np.arange(30)+3*np.random.randn(30))
plt.show()

• 1
• 2
• 3

fig,axes=plt.subplots(2,3)
axes

• 1
• 2

array([[

调整subplot周围的间距

# subplots_adjust(left=None,bottom=None,right=None,top=None,wpace=None,hspace=None)
fig,axes=plt.subplots(2,2,sharex=True,sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(np.random.randn(500),bins=50,color='k',alpha=0.5)

plt.subplots_adjust(wspace=0,hspace=0)
plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

颜色、标记和线型

ax.plot(x,y,'g--')
ax.plot(x,y,linestyle='--',color='g')

• 1
• 2

plt.plot(np.random.randn(30).cumsum(),'ko--')
plt.show()

• 1
• 2

#还可以写成更明确的方式
plt.plot(np.random.randn(30).cumsum(),color='k',linestyle='dashed',marker='o')

• 1
• 2

[

#在线形图中，非实际数据点默认是按线型方式插值的。可以通过drawstyle选项修改
data=np.random.randn(30).cumsum()
plt.plot(data,'ko--',label='Default')

• 1
• 2
• 3

[

plt.plot(data,'k-',drawstyle='steps-post',label='steps-post')
plt.legend(loc='best')
plt.show()

• 1
• 2
• 3

刻度、标签和图例

设置标题、轴标签、刻度以及刻度标签

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum())

• 1
• 2
• 3

[

#要修改X轴的刻度，最简单的办法就是使用set_xticks和set_xticklabels
ticks=ax.set_xticks([0,250,500,750,1000])
labels=ax.set_xticklabels(['one','two','three','four','five'],rotation=30,fontsize='small')
ax.set_xlabel('Stages')
ax.set_title('My first matplotlib plot')
plt.show()

• 1
• 2
• 3
• 4
• 5
• 6

添加图例

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(),'k',label='one')
ax.plot(randn(1000).cumsum(),'k--',label='two')
ax.plot(randn(1000).cumsum(),'k.',label='three')
ax.legend(loc='best')
plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7

注解以及在Subplot上绘图

#text可以将文本绘制在图表的指定坐标（x,y)
ax.text(x,y,'Hello world',family='monospace',fontsize=10)

• 1
• 2

#在图表中添加一个图形，需要创建一个块对象shp,然后通过ax.add_patch(shp)将其添加到subplot中
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
rect=plt.Rectangle((0.2,0.75),0.4,0.15,color='k',alpha=0.3)
circ=plt.Circle((0.7,0.2),0.15,color='b',alpha=0.3)
pgon=plt.Polygon([[0.15,0.15],[0.35,0.4],[0.2,0.6]],color='g',alpha=0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

将图标保存到文件

plt.savefig('figpath.png',dpi=400,bbox_inches='tight')
#savefig并非一定要写入磁盘，也可以写入任何文件型的对象，比如StringIO
from io import StringIO
plt.savefig(buffer)
plot_data=buffer.getvaule()
#这对在Web上提供动态生成的图片是很实用的

• 1
• 2
• 3
• 4
• 5
• 6

matplotlib配置

#将全局的图形默认大小设置为10x10
plt.rc('figure',figsize=(10,10))
#将配置写成字典
font_opinions={'family':'monospace','weight':'bold','size':'samll'}
plt.rc('font',**font_options)

• 1
• 2
• 3
• 4
• 5

pandas中的绘图函数

提醒，关于这部分内容参考最新的pandas在线文档是最好的学习方式

线型图

#Series和DataFrame都有一个用于生成各类图表的plot方法，默认情况下，它们所生成的是线型图
from pandas import Series,DataFrame
s=Series(randn(10).cumsum(),index=np.arange(0,100,10))
s.plot()
plt.show()

• 1
• 2
• 3
• 4
• 5

#该Series的索引值会被传给matplotlib,并用以绘制X轴。可以通过use_index=False禁用。X轴的刻度和界限可以通过xticks和xlim选项进行调节
#Y轴就用yticks和ylim
#pandas的大部分糊涂方法都有一个可选的ax参数，它可以是一个matplotlib的subplot对象，能使你在网络布局中更为灵活地处理subplot的位置
#DataFrame的plot方法会在一个subplot中为各列绘制一条线，并自动创建图例
df=DataFrame(randn(10,4).cumsum(0),columns=['A','B','C','D'],index=np.arange(0,100,10))
df.plot()
plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7

柱状图

在生成线型图的代码中加上kind=’bar’(垂直柱状图）或kind=’barh’(水平柱状图）即可生成柱状图，这时，Series和DataFrame的索引会被用作X（bar）或Y（barh）刻度

fig,axes=plt.subplots(2,1)
data=Series(np.random.rand(16),index=list('abcdefghijklmnop'))
data.plot(kind='bar',ax=axes[0],color='k',alpha=0.7)
data.plot(kind='barh',ax=axes[1],color='k',alpha=0.7)
plt.show()

• 1
• 2
• 3
• 4
• 5

#对于DataFrame,柱状图会将每一行的值分为一组
df=DataFrame(np.random.rand(6,4),index=['one','two','three','four','five','six'],columns=['A','B','C','D'])
df

• 1
• 2
• 3

df.plot(kind='bar')
plt.show()

• 1
• 2

df.plot(kind='barh',stacked=True)
plt.show()

• 1
• 2

#柱状图还有一个非常不错的用户：利用value_counts图形化显示Series中各值出现频率，比如s.value_counts().plot(kind='bar')
#小栗子
import pandas as pd
tips=pd.read_csv('ch08/tips.csv')
party_counts=pd.crosstab(tips.day,tips['size'])#如果通过tips.size,取到的是一整列的和
party_counts

• 1
• 2
• 3
• 4
• 5
• 6

party_counts=party_counts.ix[:,2:5]
#然后进行规格化，使得各行的和为1（必须转成浮点数）
party_pcts=party_counts.div(party_counts.sum(1).astype(float),axis=0)
party_pcts

• 1
• 2
• 3
• 4

party_pcts.plot(kind='bar',stacked=True)
plt.show()

• 1
• 2

#通过该数据集可以看出，聚会规模则周末会变大

• 1

直方图和密度图

tips['tip_pct']=tips['tip']/tips['total_bill']
tips['tip_pct'].hist(bins=50)
plt.show()

• 1
• 2
• 3

#密度图 kind='kde'
tips['tip_pct'].plot(kind='kde')
plt.show()

• 1
• 2
• 3

#接下来看一个由两个不同的标准正态分布组成的双峰分布
comp1=np.random.normal(0,1,size=200)#N(0,1)
comp2=np.random.normal(10,2,size=200)# (10,4)
values=Series(np.concatenate([comp1,comp2]))
values.hist(bins=100,alpha=0.3,color='k',normed=True)
values.plot(kind='kde',style='k--')
plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7

散布图

scatterplot观察两个一维数组序列之间关系的有效手段

macro=pd.read_csv('ch08/macrodata.csv')
data=macro[['cpi','m1','tbilrate','unemp']]
#选择其中几列，计算对数差
trans_data=np.log(data).diff().dropna()
trans_data[-5:]

• 1
• 2
• 3
• 4
• 5

plt.scatter(trans_data['m1'],trans_data['unemp'])
plt.title('Cahnges in log %s vs. log %s '%('m1','unemp'))
plt.show()

• 1
• 2
• 3

pd.scatter_matrix(trans_data,diagonal='kde',alpha=0.3)
plt.show()

• 1
• 2

绘制地图：图形化显示海地地震危机数据

import pandas as pd
data=pd.read_csv('ch08/Haiti.csv')
data.head()

• 1
• 2
• 3

data[['INCIDENT DATE','LATITUDE','LONGITUDE']][:10]

• 1

#CATEGORY字段含有一组以逗号分隔的代码，这些代码表示消息的类型
data['CATEGORY'][:6]

• 1
• 2

0 1. Urgences | Emergency, 3. Public Health, 1 1. Urgences | Emergency, 2. Urgences logistiqu… 2 2. Urgences logistiques | Vital Lines, 8. Autr… 3 1. Urgences | Emergency, 4 1. Urgences | Emergency, 5 5e. Communication lines down, Name: CATEGORY, dtype: object

data.describe()

• 1

#清除错误位置信息并移除缺失分类信息
data=data[(data.LATITUDE>18)&(data.LATITUDE<20)&(data.LONGITUDE>-75)
&(data.LONGITUDE<-70)&(data.CATEGORY.notnull())]

• 1
• 2
• 3

def to_cat_list(catstr):
    stripped=(x.strip() for x in catstr.split(','))
    return [x for x in stripped if x]
def get_all_categories(cat_series):
    cat_sets=(set(to_cat_list(x)) for x in cat_series)
    return sorted(set.union(*cat_sets))
def get_english(cat):
    code,names=cat.split('.')
    if '|' in names:
        names=names.split('|')[1]
    return code,names.strip()    
get_english('2.  Urgences logistique |Vital Lines')

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

(‘2’, ‘Vital Lines’)

#做一个将编码跟名称映射起来的字典，我们用编码进行分析
all_cats=get_all_categories(data.CATEGORY)
#生成器表达式
english_mapping=dict(get_english(x) for x in all_cats)
english_mapping['2a']

• 1
• 2
• 3
• 4
• 5

‘Food Shortage’

english_mapping['6c']

• 1

‘Earthquake and aftershocks’

#抽取出唯一的分类编码，构造一个权零DataFrame
from pandas import DataFrame
def get_code(seq):
    return [x.split('.')[0] for x in seq if x]
all_codes=get_code(all_cats)
code_index=pd.Index(np.unique(all_codes))
dummy_frame=DataFrame(np.zeros((len(data),len(code_index))),index=data.index,columns=code_index)
dummy_frame.head()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

5 rows × 45 columns

#将各行中适当的项设置为1，然后再与data进行连接
for row,cat in zip(data.index,data.CATEGORY):
    codes=get_code(to_cat_list(cat))
    dummy_frame.ix[row][codes]=1     
data=data.join(dummy_frame.add_prefix('category_'))
data.head()

• 1
• 2
• 3
• 4
• 5
• 6

5 rows × 55 columns

from mpl_toolkits.basemap import Basemap
def basic_haiti_map(ax=None,lllat=17.25,urlat=20.25,lllon=-75.0,urlon=-71.0):
    #创建极球面投影Basemap实例
    m=Basemap(ax=ax,projection='stere',lon_0=(urlon+lllon)/2,
              lat_0=(urlat+lllat)/2,llcrnrlat=lllat,
              urcrnrlat=urlat,llcrnrlon=lllon,urcrnrlon=urlon,resolution='f')
    #绘制海岸线，州界、国界以及地图边界
    m.drawcoastlines()
    m.drawstates()
    m.drawcounties()
    return m
#对于每一个分类，在数据集中找到对应的坐标，并在适当的subplot中绘制一个Basemap,转换坐标，然后通过Basemap的plot方法绘制点
fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(12,10))
fig.subplots_adjust(hspace=0.05,wspace=0.05)
to_plot=['2a','1','3c','7a']
lllat=17.25
urlat=20.25
lllon=-75
urlon=-71
for code,ax in zip(to_plot,axes.flat):
    m=basic_haiti_map(ax,lllat=lllat,urlat=urlat,lllon=lllon,urlon=urlon)
    cat_data=data[data['category_%s' % code]==1]
    #计算地图的投影坐标
    x,y=m(list(cat_data.LONGITUDE),list(cat_data.LATITUDE))
    m.plot(x,y,'k.',alpha=0.5)
    ax.set_title('%s:%s' % (code,english_mapping[code]))
plt.show()