《数据可视化》数据分析实验报告

• 实验题目

数据可视化

• 实验目的

掌握数据分析中基本的绘图⽅法，包括：

1. 使⽤ matplotlib 、 Pandas 、 Seaborn 和 plotly 包绘制图形。

2. 掌握散点图、折线图、柱状图、直⽅图、箱线图等图形的绘制、分析。

三、实验内容与实现

实验要求1:

1. 绘制吉林省C、D两个模型按点击日期的点击数散点图。

2. 绘制全国每个模型按模型日期的成交数散点图。

3. 请选择任一绘图方法，给出计算、绘图的语句，连同输出结果截图及简要的分析写入实验报告。

程序代码：

1.

# 引⼊包

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

from plotly.offline import iplot, init_notebook_mode

import plotly.express as px

# 设置plotly

init_notebook_mode(connected=True)

#中文显示问题

plt.rcParams['font.sans-serif']=['Simhei']

#符号显示问题

plt.rcParams['axes.unicode_minus'] = False # 显示负号

# 加载数据

dfModelData = pd.read_csv('./labs/model_data.csv', header=0,

parse_dates=['model_date', 'click_date'],

dtype={'p_id': 'str_'})

# 获取吉林省所有模型的统计数据

dfJLModel = dfModelData.groupby(['model_id', 'p_id', 'model_date']).sum(

 ).reset_index().query("p_id=='0090'")

# 获取CD模型数据

dfJLModelC = dfJLModel.groupby(['model_id', 'model_date']).sum(

 ).reset_index().query("model_id=='C'")

dfJLModelD = dfJLModel.groupby(['model_id', 'model_date']).sum(

 ).reset_index().query("model_id=='D'")

plt.figure(figsize=(10, 6))

#中文显示问题

plt.rcParams['font.sans-serif']=['Simhei']

#符号显示问题

plt.rcParams['axes.unicode_minus'] = False # 显示负号

plt.scatter(dfJLModelC.model_date, dfJLModelC.clicks, marker='o', c='orange', label='C')

plt.scatter(dfJLModelD.model_date, dfJLModelD.clicks, marker='o', c='red', label='D')

plt.xlabel('⽇期')

plt.ylabel('数量')

plt.legend()

plt.xticks(rotation=45)

plt.show()

2.

px.scatter(dfModelData.groupby(['model_id', 'model_date']).sum(

 ).reset_index(), x='model_date', y='succs', color='model_id',

size='succs', title='全国各模型成交数统计', width=1000, height=600)

实验结果：

1.

2.

简要分析:

使用plotly绘制散点图，从上述图中可以看出每个模型的成交数分布。每个模型使⽤了不同的颜色加以区分，同时根据具体的成交数多少绘制了大小不等的点。模型F从数量上看成交数较多，说明F模型的效果相较其它模型要好一些

实验要求2:

1. 绘制吉林省C、D两个模型按点击日期的点击数折线图。

2. 绘制全国每个模型按模型日期的成交数折线图。

3. 请选择任一绘图方法，给出绘图的语句，连同输出结果截图写入实验报告。

程序代码：

1.

ax = dfJLModelC.plot(kind='line', x='model_date', y='clicks', marker='o', color='orange', label='C', figsize= (20, 8))

dfJLModelD.plot(kind='line', x='model_date', y='clicks', marker='o', color='blue', label='D',ax=ax)

plt.xlabel('date')

plt.ylabel('数量')

plt.xticks(rotation=45)

plt.title('吉林省CD模型点击数折线图')

plt.show()

2.

dfModelDataA = dfModelDataALL.groupby(['model_id', 'model_date']).sum(

 ).reset_index()

px.line(dfModelDataA, x='model_date', y='succs', color='model_id',

title='全国各模型成交数统计', width=1000, height=600)

实验结果：

1.

2.

简要分析：

从图中看到B模型的成交量基本最少，A、F模型处于优势状态。

实验要求3：

请选⽤任⼀绘图⽅法绘制A模型各省市成交数对⽐条形图。

程序代码：

# 获取A模型数据

dfModelA = dfModelData.groupby(['model_id','p_name']).sum(

 ).reset_index().query("model_id=='A'")

px.bar(data_frame=dfModelA,

x='p_name', y='succs',

title='A模型各省市成交数对⽐条形图',

width=800, height=500)

实验结果：

简要分析：

A模型成交数对比图可以直观看到：广东、河北、山东、北京、浙江为前五城市。

实验要求4:

1. 使用任一法绘制A模型成交数直方图。

程序代码：

px.histogram(data_frame=dfModelA, x='succs', nbins=30,

marginal='box', title='A模型成交数直⽅图', width=800, height=600)

实验结果：

简要分析：

从结果可以看出，[200,299]这三段的点击数最多，2000以上有两个异常值。

5.实验要求5：

1. 请选⽤任⼀⽅法绘制A模型各省市点击数箱线图。

程序代码：

dfModelAA = dfModelData.groupby(['model_id','p_name','model_date']).sum().reset_index().query("model_id=='A'")

px.box(data_frame=dfModelAA, x='p_name', y='clicks', width=800, height=600)

实验结果：

简要分析：从上图可以看出，广东的最大值为14.99k，最小值为1213，中位数为4381。对比所有城市，广东的中位数是最大的。

四、实验心得

  在本次实验中，我学习了如何使用matplotlib、Pandas、Seaborn和plotly等包来绘制数据可视化图形。通过实践，我掌握了散点图、折线图、柱状图、直方图和箱线图等常见图形的绘制方法和分析技巧。

  在绘制散点图时，我可以通过scatter函数将数据点按照坐标位置绘制出来，从而观察变量之间的关系和趋势。折线图可以通过plot函数绘制，对于时间序列数据的可视化非常有用。柱状图可以通过bar函数绘制，可以直观地比较不同类别之间的差异。直方图可以通过hist函数绘制，用于展示数据的分布情况。箱线图可以通过boxplot函数绘制，可以显示数据的中位数、四分位数和异常值，有助于发现数据的异常情况。

  在实验过程中，我发现数据可视化对于数据分析非常重要。通过图形化展示数据，我可以更好地理解数据的特征和规律，从而做出更准确的分析和决策。同时，选择合适的图形形式和颜色搭配也是很重要的，可以使得图形更加清晰和易于理解。

  总的来说，本次实验让我对数据可视化有了更深入的了解和掌握。通过练习和实践，我相信我可以更好地应用数据可视化技术来分析和解释数据。