pythons数据可视化分析

 

前言

如果你想要用 Python 进行数据分析，就需要在项目初期开始进行探索性的数据分析，这样方便你对数据有一定的了解。其中最直观的就是采用数据可视化技术，这样，数据不仅一目了然，而且更容易被解读。

常用的 10 种视图，这些视图包括：
散点图、折线图、直方图、条形图、箱线图、饼图、热力图、蜘蛛图、二元变量分布和成对关系。

折线图

折线图是以折线的上升或下降来表示统计数量的增减变化的统计图，可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。折线图也是最常用和最基础的可视化图形，足以满足我们日常 80% 的需求。

我们以2001-2019年劳动力与就业人员数据为例

                                                                折线图函数

参数	作用
x	X轴数据，传入参数值时不要写参数名x
y	Y轴数据，传入参数值时不要写参数名y
color	图形颜色，接收颜色英文名、颜色英文名首字母、十六进制颜色代码等
linestyle	线条样式，’-’是实线，’--’是虚线，…
marker	点的样式，’*’是星号，’o’是圆点，…
format_string	可以通过一串字符控制图形样式，如’r--o’表示红色、虚线、圆点

#准备折线图
plt.figure(figsize=(12,6),dpi=1080)
plt.xlabel('年份（年）')
plt.ylabel('劳动力人数（万人）')
plt.xticks(range(2001,2020,1),labels=values[:,0])
plt.title('2002-2019年劳动力人数折线图 ')
plt.plot(values[:,0],values[:,3],linestyle='-',c='m',alpha=0.8,marker='D')
plt.plot(values[:,0],values[:,4],linestyle='--',c='m',alpha=0.5,marker='D')
plt.legend(['城镇就业人口','乡村就业人口'])
plt.show()