python数据分析实战：数据可视化的一些基本操作

数据可视化 1.散点图

import matplotlib;
from pandas import read_csv;
import matplotlib.pyplot as plt;
'''
遇到不懂的问题？Python学习交流群：821460695满足你的需求，资料都已经上传群文件，可以自行下载！
'''
data = read_csv("D:\\PA\\5.1\\data.csv")
 
font = {
    'family' : 'SimHei'
}
matplotlib.rc('font', **font);
 
plt.plot(data['广告费用'], data['购买用户数'], '.')
 
#plt.plot(data['广告费用'], data['购买用户数'], 'o')
 
#plt.plot(data['广告费用'], data['购买用户数'], 'o', color='yellow')
#plt.plot(data['广告费用'], data['购买用户数'], 'o', color=(1, 1, 0))
#plt.plot(data['广告费用'], data['购买用户数'], 'o', color='#FFFF00')
plt.xlabel('广告费用');
 
plt.ylabel('购买用户数');
plt.grid(True);
 
plt.show();

2.折线图

import pandas;
from pandas import read_csv;
from matplotlib import pyplot as plt;
 '''
遇到不懂的问题？Python学习交流群：821460695满足你的需求，资料都已经上传群文件，可以自行下载！
'''
data = read_csv('D:\\PA\\5.2\\data.csv');
#对日期格式进行转换
data['购买日期']=pandas.to_datetime(data['日期']);
 
#'-'    顺滑的曲线
plt.plot(data['购买日期'], data['购买用户数'], '-');
 
#plt.title('购买用户数时间序列图');
 
#plt.show();
 
#设置颜色
plt.plot(data['购买日期'], data['购买用户数'], '-', color='r');
#设置线条粗细
plt.plot(data['购买日期'], data['购买用户数'], '-', color='r', lineWidth=10);
 
#'--'   虚线
plt.plot(data['购买日期'], data['购买用户数'], '--');
#'-.'   线加点
plt.plot(data['购买日期'], data['购买用户数'], '-.');
#':'    由点组成的曲线
plt.plot(data['购买日期'], data['购买用户数'], ':');
#'.'    散点图
plt.plot(data['购买日期'], data['购买用户数'], '.');
#','    像素点的散点图
plt.plot(data['购买日期'], data['购买用户数'], ',');
#'o'    大点的散点图
plt.plot(data['购买日期'], data['购买用户数'], 'o');
#'v'    下三角标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], 'v');
#'^'    上上角标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], '^');
#'');
#'1'    伞形下的标记散点图
#'2'    伞形上的标记散点图
#'3'    伞形左的标记散点图
#'4'    伞形右的标记散点图
plt.plot(data['购买日期'], data['购买用户数'], '4');
#'s'    正方形标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], 's');
#'p'    五角形标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], 'p');
#'*'    五角星标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], '*');
#'h'    多边形标记的散点图
#'H'    hexagon2 marker
plt.plot(data['购买日期'], data['购买用户数'], 'h');
#'+'    plus marker
#'x'    x marker
#'D'    diamond marker
#'d'    thin_diamond marker
plt.plot(data['购买日期'], data['购买用户数'], 'D');
#'|'    vline marker
#'_'    hline marker
plt.plot(data['购买日期'], data['购买用户数'], '|');
 
plt.title('购买用户数时间序列图');
 
plt.show();

3.饼图

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
)['号码'].agg({
    '用户数':numpy.size
});
 
#pip install matplotlib
 
font = {
    'family' : 'SimHei'
}
 
matplotlib.rc('font', **font);
 
plt.pie(gb['用户数'], labels=gb['通信品牌'], autopct='%.2f%%');
 
plt.show()

4.柱形图

# -*- 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=['手机品牌']
)['月消费（元）'].agg({
    '月消费': numpy.sum
});

index = numpy.arange(gb['月消费'].size);

#竖向柱形图
plt.bar(index, gb['月消费'], 1, color='G');
plt.show();

plt.bar(index, gb['月消费'], 1, color='G');
plt.xticks(index + 1/2, gb.index);
plt.show();

#横向柱形图
plt.barh(index, gb['月消费'], 1, color='G');
plt.yticks(index + 1/2, gb.index);
plt.show();

5.直方图

import matplotlib;
from pandas import read_csv;
from matplotlib import pyplot as plt;
 '''
遇到不懂的问题？Python学习交流群：821460695满足你的需求，资料都已经上传群文件，可以自行下载！
'''
font = {
    'family' : 'SimHei'
};
matplotlib.rc('font', **font);
 
data = read_csv('D:\\PA\\5.5\\data.csv');
 
plt.hist(data['购买用户数']);
plt.show();
 
plt.hist(data['购买用户数'], bins=20);
plt.show();
 
plt.hist(data['购买用户数'], bins=20, cumulative=True);
plt.show();