【第七周：Python（四）】7周成为数据分析师

本课程共七个章节，课程地址：7周成为数据分析师（完结）_哔哩哔哩_bilibili

1. 数据分析思维
2. 业务知识
3. Excel
4. 数据可视化
5. SQL
6. 统计学
7. Python

第七周：Python（P86-P143） 

1. Python的数据科学环境（P86）
2. Python基础（P87-P97）
3. 数据分析常用包：Numpy和Pandas（P98-P112）
4. Python连接数据库（P113-P114）
5. 数据分析案例（P115-P124）
6. 数据可视化：Matplotlib和Seaborn（P125-P138）
7. 数据分析平台（P139-P143）

目录

第七周：Python（P86-P143） 

六、数据可视化：Matplotlib和Seaborn

（一）Pandas自带的可视化

• 折线图 plot
• 柱形图/条形图 bar
• 直方图 hist
• 箱线图 box
• 密度图 kde
• 面积图 area
• 散点图 scatter
• 散点图矩阵 scatter_matrix
• 饼图 pie

（二）Matplotlib

• 饼图 plt.pie()
• 折线图 plt.plot()
• 图表元素
• 同时画多条折线图
• 添加图例
• 绘制子图subplot

（三）Seaborn（高级图像）

分布

• distplot 概率分布图
• kdeplot 概率密度图
• jointplot 联合密度图（两个变量）
• pairplot 多变量图（多个变量）

分类

• boxplot 箱线图
• violinplot 提琴图
• barplot 柱形图
• factorplot 因子图

线性

• lmplot 回归图
• heatmap 热力图 

六、数据可视化：Matplotlib和Seaborn （一）Pandas自带的可视化

import pandas as pd
df = pd.read_csv('position_gbk.csv', encoding='gbk')
%matplotlib inline

• 折线图 plot
• 柱形图/条形图 bar
• 直方图 hist
• 箱线图 box
• 密度图 kde
• 面积图 area
• 散点图 scatter
• 散点图矩阵 scatter_matrix
• 饼图 pie

1. 折线图 plot

df.avg.plot()

# 统计不同薪资的出现次数
df.avg.value_counts().sort_index().plot()   

 

为什么要加 .sort_index()？    —— 使索引（即第一列）从低到高排序

  

2. 柱形图/条形图 bar

# 法1
df.avg.value_counts().sort_index().plot(kind='bar')

# 法2
df.avg.value_counts().sort_index().plot.bar()

• 堆积柱形图 

df.pivot_table(index='city', columns='education', values='avg', aggfunc='count').plot.bar(stacked=True)

• 百分比堆积柱形图

需要数据处理时用apply函数变化一下，没有直接的参数可以使用

• 变为横向（条形图）

df.pivot_table(index='city', columns='education', values='avg', aggfunc='count').plot.barh(stacked=True)   # h为水平轴的意思

3. 直方图 hist 

# 带网格
df.avg.hist()

# 不带网格
df.avg.plot.hist()   # 参数 bins：切多少个箱体

• 多重直方图：在一张图里展示多个直方图，要使用多列（education 和 avg） 

df.groupby('education').apply(lambda x:x.avg).unstack().T.plot.hist(alpha = 0.8)   # 透明度

• 堆叠多重直方图：

df.groupby('education').apply(lambda x:x.avg).unstack().T.plot.hist(alpha = 0.5, stacked=True, bins=30)

•  变为水平条形图：

df.groupby('education').apply(lambda x:x.avg).unstack().T.plot.hist(alpha = 0.5, stacked=True, bins=30, orientation = 'horizontal')

4. 箱线图 box 

# 箱体：列
df.groupby('education').apply(lambda x:x.avg).unstack().T.plot.box()

# 法2
df.boxplot(column = 'avg', by = 'education')

5. 密度图 kde  

df.avg.plot.kde()   # 薪资落在某个区间范围的概率（面积）

5. 面积图 area   

df.groupby('education').apply(lambda x:x.avg).unstack().T.plot.area()

df.pivot_table(index='avg', columns='education', aggfunc='count', values='positionId').plot.area()

 

• 百分比面积图 

# 加一个apply()函数计算百分比
df.pivot_table(index='avg', columns='education', aggfunc='count', values='positionId').apply().plot.area()

6. 散点图 scatter 

df.groupby('companyId').aggregate(['mean','count','max']).avg.plot.scatter(x='mean',y='count')

7. 散点图矩阵 scatter_matrix  

pd.plotting.scatter_matrix(matrix)

• 可以通过query条件过滤数据

pd.plotting.scatter_matrix(matrix.query('count