DataWhale第四次打卡

DataWhale第四次打卡

本次学习的是可视化，可视化部分是之前真的没有学习过的，之前还是有一些numpy 和 pandas 的基础，学习matplottlib真的是从零开始了，这两天的学习算是打个基础先，然后将常用的图表学会了就好了，之后的运用以后再学习吧。

第二章

第四部分 数据可视化

• 在可视化开始前需要导入哪个库？

import matplotlib.pyplot as plt
import seaborn as sns

ps:seaborn包：方便绘图前聚合和汇总数据

• 调整图画格式的
  plt.figure( )

figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

	num:图像编号或名称，数字为编号 ，字符串为名称
	figsize:指定figure的宽和高，单位为英寸；
	dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80      1英寸等于2.5cm,A4纸是 21*30cm的纸张 
	facecolor:背景颜色
	edgecolor:边框颜色
	frameon:是否显示边框

2.4.1 柱状图

柱状图：bar

• ①df.plot.bar()
• ②df.plot(kind=“bar”)
• ③sns.countplot(x=“x轴的字段”，hue=“需要分组计算的数据”,data=“数据源”）

①和②都可以加入参数"stacked=True"来表示堆积柱状图

data5=data.groupby(["Pclass","Survived"])["Survived"].count().unstack()

data5.plot.bar(stacked=True)
plt.title("Pclass_Survived")

这里需要留意的，对于进行了2次拆分的数据来说，需要加入**unstack()**来变回一个dataframe,不然就是一个Series

sns的用法

sns.countplot(x="Pclass", hue="Survived", data=data)

该方法可以省略groupy by汇总的过程

2.4.2 折线图

折线图：line

• df.plot( )
• df.plot.line( )
• df.plot(kind=“line”)

当折线图的x轴为类型数据时，需要通过xticks=[ ] 来赋值x轴数据

data5_2.plot(xticks=data5_2.index)

data5_2.plot(kind="line",xticks=data5_2.index)

2.4.3 直方图（待补充）

2.4.4 密度图（待补充）

2.4.5散点图/点图（待补充）

感觉两天时间就够我学习前两个图表，后面几种的表格还是需要自己另外花时间去学习的。

还有matplotlib和seaborn分别可以做什么图还是需要去梳理。