数据科学入门教程：使用Matplotlib可视化数量数据-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00316/article/details/148360122

数据科学入门教程：使用Matplotlib可视化数量数据

Data-Science-For-Beginners 10 Weeks, 20 Lessons, Data Science for All! 项目地址: https://gitcode.com/gh_mirrors/da/Data-Science-For-Beginners

引言

在数据科学领域，数据可视化是探索和理解数据的关键步骤。本文将基于数据科学入门教程中的"可视化数量"章节，深入讲解如何使用Python的Matplotlib库创建有效的数量可视化图表。

准备工作

首先，我们需要导入必要的库并加载鸟类数据集：

import pandas as pd
import matplotlib.pyplot as plt

# 加载数据集
birds = pd.read_csv('data/birds.csv')
birds.head()

这个数据集包含了明尼苏达州各种鸟类的多项特征，包括名称、科学分类、保护状态以及各种尺寸测量值。

选择合适的图表类型

在可视化数量数据时，选择正确的图表类型至关重要：

折线图：展示数据随时间或有序类别的变化趋势
条形图：比较不同类别的数值
散点图：展示两个变量之间的关系和分布
饼图：显示各部分占总体的比例

翅膀跨度可视化实战

基础折线图

我们首先尝试用折线图展示鸟类的最大翅膀跨度：

wingspan = birds['MaxWingspan'] 
wingspan.plot()

这个简单的图表立即揭示了一个问题：存在明显的异常值，某些鸟类的翅膀跨度达到了2300厘米（23米），这显然不合理。

改进可视化

为了更清晰地展示数据，我们添加标签并调整x轴刻度：

plt.title('最大翅膀跨度(厘米)')
plt.ylabel('翅膀跨度(CM)')
plt.xlabel('鸟类')
plt.xticks(rotation=45)
x = birds['Name'] 
y = birds['MaxWingspan']

plt.plot(x, y)
plt.show()

由于鸟类名称太多，x轴标签变得难以阅读。我们可以改用散点图并仅标记异常值：

plt.title('最大翅膀跨度(厘米)')
plt.ylabel('翅膀跨度(CM)')
plt.tick_params(axis='both',which='both',labelbottom=False,bottom=False)

for i in range(len(birds)):
    x = birds['Name'][i]
    y = birds['MaxWingspan'][i]
    plt.plot(x, y, 'bo')
    if birds['MaxWingspan'][i] > 500:
        plt.text(x, y * (1 - 0.05), birds['Name'][i], fontsize=12)
    
plt.show()

数据清洗

通过可视化，我们发现"鹰(Bald eagle)"和"草原隼(Prairie falcon)"的数据可能存在录入错误（多了一个0）。我们可以过滤掉这些异常值：

plt.title('最大翅膀跨度(厘米)')
plt.ylabel('翅膀跨度(CM)')
plt.xlabel('鸟类')
plt.tick_params(axis='both',which='both',labelbottom=False,bottom=False)
for i in range(len(birds)):
    x = birds['Name'][i]
    y = birds['MaxWingspan'][i]
    if birds['Name'][i] not in ['Bald eagle', 'Prairie falcon']:
        plt.plot(x, y, 'bo')
plt.show()

使用条形图分析类别分布

条形图非常适合展示分类数据的数量分布。让我们分析不同类别鸟类的数量：

category_count = birds.value_counts(birds['Category'].values, sort=True)
plt.rcParams['figure.figsize'] = [6, 12]
category_count.plot.barh()

这个水平条形图清晰地展示了"鸭子/鹅/水禽"类别的鸟类数量最多，这与明尼苏达州"万湖之州"的称号相符。

数据比较：叠加条形图

我们可以使用叠加条形图比较鸟类的最小和最大长度：

minLength = birds['MinLength']
maxLength = birds['MaxLength']
category = birds['Category']

plt.barh(category, maxLength)
plt.barh(category, minLength)

plt.show()

这个图表展示了每个类别中鸟类长度的范围，揭示了一个有趣的现象：体型越大的鸟类，其长度范围通常也越大。