基础python数据挖掘笔记数据分析(基础matplotlib，numpy，pandas的使用)

数据挖掘与数据分析学习

一、Jupyter Notebook 使用

1.启动

• 最好是在conda的base环境里启动

jupyter notebook
# 或
ipython notebook

2.cell使用

• 一对 In Out 会话被视作一个代码单元，称为 cell

• jupyter支持两种模式：——附：快捷键

  • shift+enter，执行本单元代码，并跳转到下一单元

  • ctrl+enter，执行完本单元代码，留在本单元

  • 命令模式：(ecs/鼠标在本单元格之外)

    • A，在当前 cell 的上面添加 cell

    • B，在当前 cell 的下面添加 cell

    • 双击 D：删除当前 cell

    • y or m 切换 code 和 markdow

  • 编辑模式：(enter/鼠标直接点)

    • 多光标操作：Ctrl 键点击鼠标

    • 回退：Ctrl+Z

    • 补全代码：变量、方法后跟 Tab 键

    • 为一行或多行代码添加/取消注释：Ctrl+/

二、matplotlib

• 最流行的Pyton底层绘图库，主要做数据可视化图表

• 三层结构：

  • 1)容器层
    • 画板层 Canvas
    • 画布层 Figure(指整个图形（可以通过plt.figure()设置画布的大小和分辨率等）) : plt.figure()
    • 绘图区/坐标系 axes(坐标轴) ：plt.subplot()
      • 2)辅助显示层(坐标轴，图例等辅助显示层都是建立在axes之上)
      • 3)图像层

• matplotlib.pyplot模块

  • 它的函数作用于当前图形的坐标系

    import matplotlib.pyplot as plt
    

1.作用

• 能将数据进行可视化，更直观的呈现
• 使数据更加客观，更具有说服力

2.常见图形种类及其意义

1. 折线图plot

   • 反应某事物，某指标随时间的变化状况

2. 散点图scatter：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。

   • 判断变量之间是否存在数量关联趋势，展示离群点（分布规律）

3. 柱状图bar：排列在工作表的列或行中的数据可以绘制到柱状图中。

   • 绘制连离散的数据，能够一眼看出名个数据的大小，比较数据之间的差别（统计/对比）

4. 直方图histotogram：由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。

   • 绘制连续性的数据展示一组或者多组数据的分布状况（统计）

5. 饼图pie：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

   • 分类数据的占比情况（占比）

3.折线图(plot)与基础绘图功能

01.基础绘制

#创建画布
plt.figure()
#绘制图像
plt.plot([x轴数据][y轴数据])
#显示图像
plt.show()

02.设置画布属性与图片保存

plt.figure(figsize=(长，宽),dpi=)
	"""
	figsize:指定图的长度
	dpi:图像的清晰度
	返回fig对象
	"""
plt.savefig(path) #path:保存路径

• plt.show()会释放figure资源，如果在显示图像之后保存图片只能保存空图片

1`准备数据

• 对x，y的数据进行基础的处理

  # 1、准备数据
  x = range(60)  # 准备60个x轴数据点
  y_shanghai = [random.uniform(15,18) for i in x] #random.uniform 是均匀分布的意思
  

  # 温度变化折线图
  import matplotlib.pyplot as plt
  import random
  
  # 1、准备数据
  x = range(60)
  y_shanghai = [random.uniform(15,18) for i in x]
  y_beijing = [random.uniform(1,3) for i in x]
  
  
  # 2、创建画布
  plt.figure(figsize=(20,8),dpi=80)
  
  # 3、绘制图像
  plt.plot(x, y_shanghai)
  
  # 4、显示图像
  plt.show()
  

  

2`添加自定义x,y刻度

plt.xticks(x,**kwargs)
# x:x要显示的刻度
plt.yticks(y,**kwargs)
# y:y要显示的刻度

# 温度变化折线图
import matplotlib.pyplot as plt
import random

# 1、准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]


# 2、创建画布
plt.figure(figsize=(20,8),dpi=80)

# 3、绘制图像
plt.plot(x, y_shanghai)

# 修改x y刻度
x_label = ["11分{}秒".format(i) for i in x]
plt.xticks(x[::5],x_label[::5])
plt.yticks(range(0,40,5))

# 4、显示图像
plt.show()

3`中文问题解决

• 我们发现上图中的中文全都替换为方框

• 加两行代码

  plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
  plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
  

  

4`添加网格显示

plt.grid(True,linestyle='--', alpha=0.5)

5`添加描述信息

• 添加x轴，y轴描述信息及标题

  plt.xlabel("x标题")
  plt.ylabel("y标题")
  plt.title("标题")
  

  

4.完善折线图

01多条折线

• 多次plot

补：设置图形风格z

颜色字符	风格字符
r红	-实线
g绿	- -虚线
b蓝	-.点划线
w白	：点虚线
c青	‘ ‘留空，空格
m洋红
y黄
k黑

02.添加图例

• 先要在绘制图像(plot())中添加label=“ 你想要的图例”
• 再加plt.legend(loc="你想要的location")

location string	location code
‘best’	0
‘upper right’	1
‘upper left’	2
‘lower left’	3
‘lower right’	4

# 3、绘制图像
plt.plot(x, y_shanghai, color="r",linestyle='-.',label="上海")#linestyle是线条风格
plt.plot(x, y_beijing, color="b",label="北京")

# 显示图例
plt.legend()

• 如果只在plt.plot()中设置label还不能显示出图例，还需要通过plt.legend()将图例先显示出来

  

03.综合代码

# 温度变化折线图
import matplotlib.pyplot as plt
import random

# 1、准备数据
x = range(60)  # 准备60个x轴数据点
y_shanghai = [random.uniform(15,18) for i in x] #random.uniform 是均匀分布的意思
y_beijing = [random.uniform(1,3) for i in x]

# 中文显示问题
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

# 2、创建画布
plt.figure(figsize=(20,8),dpi=80)

# 3、绘制图像
plt.plot(x, y_shanghai, color="r",linestyle='-.',label="上海")#linestyle是线条风格
plt.plot(x, y_beijing, color="b",label="北京")

# 显示图例
plt.legend()
# plt.legend(loc="lower left")
# plt.legend(loc=4)

# 修改x y刻度
#准备x的刻度说明
x_label = ["11分{}秒".format(i) for i in x]
plt.xticks(x[::5],x_label[::5])#[::5]代表设定步长为5
plt.yticks(range(0,40,5))

# 显示网格
plt.grid(linestyle='--', alpha=0.5)

# 添加描述 标题
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("上海、北京11点0分到12点之间的温度变化图示")

# 4、显示图像
plt.show()

• 结果与上图一致

04.创建多个绘图区——plt.subplots(面向对象的画图方法)

• 更换此方法创建画布

figure, axes = plt.subplots(nrows=几行, ncols=几列, **fig_kw)

• 会返回两个对象

  • figure
  • axes

• plt.函数名()相当于面向过程的画图方法，axes.set_方法名()相当于面向对象的画图方法

# 温度变化折线图
import matplotlib.pyplot as plt
import random

# 1、准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

# 中文显示问题
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

# 2、创建画布
# plt.figure(figsize=(20,8),dpi=80)
figure, axes = plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)

# 3、绘制图像
axes[0].plot(x, y_shanghai, color="r",linestyle='-.',label="上海")
axes[1].plot(x, y_beijing, color="b",label="北京")

# 显示图例
axes[0].legend()
axes[1].legend()
# plt.legend(loc="lower left")
# plt.legend(loc=4)

# 修改x y刻度
x_label = ["11分{}秒".format(i) for i in x]
axes[0].set_xticks(x[::5])
axes[0].set_xticklabels(x_label[::5])
axes[0].set_yticks(range(0,40,5))
axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(x_label[::5])
axes[1].set_yticks(range(0,40,5))

# 显示网格
axes[0].grid(linestyle='--', alpha=0.5)
axes[1].grid(linestyle='--', alpha=0.5)

# 添加描述 标题
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("上海11点0分到12点之间的温度变化图示")

axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("北京11点0分到12点之间的温度变化图示")

# 4、显示图像
plt.show()

05应用场景

• 反应某事物，某指标随时间的变化状况

06`拓展

• ply.plot()除了可以画折线图，也可以用于画各种数字函数图像
• 利用numpy中的np.linespace(a,b,n)
  • 即再[a,b]的区间范围里生成n个数，使自变量更加密集

例：

import matplotlib.pyplot as plt

import numpy as np

# 1、准备x、y数据
x = np.