【Python】分析图标可视化visualization - 详解 1期

一、引言

• 在大数据时代，优秀的数据可视化图表分析能帮助开发者、业务决策者快速洞察数据规律，了解业务全貌
• 📈本文详细介绍可视化图表的常见案例和分析操作
• 由于图表案例较多，会分两期来写
• 2期地址点这里

二、环境和包准备

# 环境：Jupyter 3.6+ 
%matplotlib inline          # 启用Jupyter内嵌绘图模式
import numpy as np          
import pandas as pd         
import matplotlib as mpl         # 绘图系统底层配置,如字体、样式等
import matplotlib.pyplot as plt  # 基础绘图库，支持折线图/柱状图等可视化
import seaborn as sns            # 基于matplotlib的高级统计可视化库
import datetime as dt            
import statsmodels.api as sm     # 统计建模库，如线性模型/时间序列等
import statsmodels.formula.api as smf  # 公式化建模接口
from patsy import dmatrices            # 模型公式解析器
import scipy                           # 科学计算库，优化/积分/信号处理等
import scipy.stats as stats  # 统计分布与假设检验工具
import rpy2                  # Python与R语言交互接口
import rpy2.robjects as robjects  # R对象转换与执行环境

三、图表和代码可视化visualization

3.1 LAYOUT 矩阵图

3.1.1 示例-1

# matplotlib的图像都位于Figure对象
fig = plt.figure(num = 1,figsize=[8,4.5]) # num means figure_id
# subplot用于绘图
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

3.1.2 示例-2

# 另一种声明var的方式
fig, axes = plt.subplots(2,3,sharex= True,sharey=True)
plt.subplots_adjust(wspace = 0, hspace = 0)# will lead to overlapping of aix label

axes[0,0].set_xticks([0,0.2,0.4,0.6,0.8,1])
axes[1,0].set_xlabel('Stages')

3.1.3 示例-3

from matplotlib.ticker import NullFormatter

# 固定随机状态
np.random.seed(19680801)


# # 随机定义数据
# x = np.random.randn(1000)
# y = np.random.randn(1000)

nullfmt = NullFormatter()         # no labels

# 定义X,Y轴
left, width = 0.1, 0.65
bottom, height = 0.1, 0.65
bottom_h = left_h = left + width + 0.02

rect_scatter = [left, bottom, width, height]
rect_histx = [left, bottom_h, width, 0.2]
rect_histy = [left_h, bottom, 0.2, height]

# 矩形图
plt.figure(1, figsize=(8, 8))

axScatter = plt.axes(rect_scatter)
axHistx = plt.axes(rect_histx)
axHisty = plt.axes(rect_histy)

# no labels
axHistx.xaxis.set_major_formatter(nullfmt)
axHisty.yaxis.set_major_formatter(nullfmt)

plt.show()

3.1.4 示例-4 色彩处理

# 使用Seaborn获得多种颜色分布

current_palette = sns.color_palette('hls',8)
sns.palplot(current_palette)
palette_2 = sns.color_palette('magma',8)
sns.palplot(palette_2)
palette_2[3]

3.2 LINES 线形图

3.2.1 示例-1

mpl.style.use('seaborn')

fig = plt.figure(num = 1,figsize=[8,4.5])
ax1 = fig.add_subplot(1,1,1)

ax1.plot([1.5,3.5,-2,1.6],color = (0.620005, 0.18384, 0.497524))

3.2.2 示例-2

mpl.style.use('seaborn')

fig = plt.figure(num = 1,figsize=[8,4.5])
ax1 = fig.add_subplot(1,1,1)

ax1.plot([1.5,3.5,2,1.6])
ax1.plot([1,2,3,4],'k--') # k表示黑色，-表示虚线
ax1.plot([1.1,2.1,3.1,4.1],'ko-') # k表示黑色，-表示虚线或linestyle = ’虚线’

3.2.3 示例-3 复杂线形图 含标记

# 使用样式和回滚
# mpl.style.use("违约")  # 标注
mpl.style.use('seaborn')

# 原理说明：设置一个阈值将一个系列分成两个。 然后标记不同的颜色。
# 这是另一个点，plot（x,y）是标准形式。如果没有索引，则可以忽略x。

fig = plt.figure(figsize=[3,3])
ax1 = fig.add_subplot(1,1,1)

a = {x:round(x/100 +1,2) for x in range(0,100,1)}

data_1 = pd.Series(a)
data_2 = data_1[:51]
data_3 = data_1[50:]


x = [50]*4
y = [1,2,3,4]

# 一步步按操作来就行了
ax1.plot(data_2,'r')
ax1.plot(data_3,'b')
plt.plot(x,y)

3.2.4 示例-4

# def sgn(value):  
#     if value < 4:  
#         return 20  
#     else:  
#         return 15
# y = np.array([])  
# for v in x:  
#     y = np.append(y,np.linspace(sgn(v),sgn(v),1))  


f = lambda i : 20 if i < 4 else 15
plt.figure(figsize=(6,4))

x = np.linspace(0, 8, num = 100)  
y = list(map(f,x))

l=plt.plot(x,y,'b',label='type')  
plt.legend()  
plt.show()

3.2.5 示例-5 高阶专业操作

import datetime as dt

# 原始数据
input_data = r'https://raw.githubusercontent.com/wesm/pydata-book/2nd-edition/examples/spx.csv'

data_i = pd.read_csv(
    input_data,
    index_col=0,          # 将第一列设为索引
    parse_dates=True      # 自动解析日期格式
)
# 提取SPX500指数数据列
spx = data_i['SPX']

# 创建图形对象，设置画布尺寸
fig = plt.figure(figsize=[7.25, 4.0])
# 添加子图（1行1列第1个位置）
ax1 = fig.add_subplot(1, 1, 1)

# 绘制SPX指数曲线，黑色实线样式
spx.plot(ax=ax1, style='k-')

# 定义金融危机关键事件列表（日期+事件描述）
crisis_date = [
    (dt.datetime(2007, 10, 11), 'Peak of Bull Market'),
    (dt.datetime(2008, 3, 12), 'Bear Stearns Fails'),
    (dt.datetime(2008, 9, 15), 'Lehman Bankruptcy')
]

# 遍历关键事件添加标注
for date, label in crisis_date:
    ax1.annotate(
        label,
        xy=(date, spx.asof(date) + 50),      # 箭头终点坐标（事件发生时的指数值+50）
        xytext=(date, spx.asof(date) + 200), # 文本起始坐标（指数值+200）
        arrowprops=dict(facecolor='black'),  # 黑色箭头样式
        horizontalalignment='left',          # 文本左对齐
        verticalalignment='top'              # 文本顶部对齐
    )

# 设置坐标轴范围
ax1.set_xlim(['1/1/2007', '1/1/2011'])  # X轴显示2007-2011年
ax1.set_ylim([600, 1800])               # Y轴显示600-1800点区间

# 设置图表标题
ax1.set_title('Important dates in 2008-2009 financial crisis')

# 保存高清图片
plt.savefig('sample_1.png',
             dpi=300,            # 输出分辨率（300dpi适合印刷）
             bbox_inches='tight'  # 自动裁剪空白边缘
)

3.2.6 示例-6 顶级专业操作

# -*- coding: utf-8 -*-  
"""
金融危机可视化分析模块
功能：绘制2007-2011年标普指数走势及关键事件标注
"""

# 模块导入区
import datetime as dt  # 时间处理模块
import pandas as pd    # 数据处理库
import matplotlib.pyplot as plt  # 可视化核心模块
import seaborn as sns  # 颜色主题扩展库

# 数据准备区
input_data = r'D:/spx.csv'  # 原始数据路径
data_i = pd.read_csv(
    input_data,
    index_col=0,        # 将第一列设为日期索引
    parse_dates=True    # 自动解析日期格式
)
spx = data_i['SPX']     # 提取标普500指数序列

# 可视化初始化
fig = plt.figure(figsize=[15, 8])  # 创建15x8英寸画布
ax1 = fig.add_subplot(1, 1, 1)     # 创建单子图布局

# 时间分段处理
# 根据金融危机四个阶段划分数据区间：
# 阶段1：牛市顶峰前（2007-01-01 至 2007-10-11）
# 阶段2：贝尔斯登事件前（2007-10-12 至 2008-03-12）
# 阶段3：雷曼破产前（2008-03-13 至 2008-09-15）
# 阶段4：危机后期（2008-09-16 至 2011-01-01）
spx1 = spx[spx.index <= dt.datetime(2007, 10, 11)]
spx2 = spx[(spx.index <= dt.datetime(2008, 3, 12)) & (spx.index >= dt.datetime(2007, 10, 11))]
spx3 = spx[(spx.index <= dt.datetime(2008, 9, 15)) & (spx.index >= dt.datetime(2008, 3, 12))]
spx4 = spx[(spx.index >= dt.datetime(2008, 9, 15))]

# 颜色配置
CRISIS_PALETTE = sns.color_palette('hls', 8)  # 使用8色调色板

# 分阶段绘制曲线
ax1.plot(spx1, color=CRISIS_PALETTE[0], label='Pre-Crisis')
ax1.plot(spx2, color=CRISIS_PALETTE[1], label='Bear Stearns Period')
ax1.plot(spx3, color=CRISIS_PALETTE[2], label='Lehman Pre-Collapse')
ax1.plot(spx4, color=CRISIS_PALETTE[3], label='Post-Lehman Era')

# 关键事件标注
crisis_date = [
    (dt.datetime(2007, 10, 11), 'Peak of Bull Market'),
    (dt.datetime(2008, 3, 12), 'Bear Stearns Fails'),
    (dt.datetime(2008, 9, 15), 'Lehman Bankruptcy')
]

for date, label in crisis_date:
    # 获取事件发生时点的最新有效价格
    event_price = spx.asof(date) 
    
    # 创建箭头标注
    ax1.annotate(
        label,
        xy=(date, event_price + 50),      # 箭头终点坐标
        xytext=(date, event_price + 200), # 文本起始位置
        arrowprops=dict(
            facecolor='black', 
            arrowstyle='->', 
            connectionstyle='arc3'
        ),
        horizontalalignment='left',      # 文本左对齐
        verticalalignment='top'          # 文本顶部对齐
    )

# 坐标轴设置
ax1.set_xlim(['1/1/2007', '1/1/2011'])  # X轴范围设置
ax1.set_ylim([600, 1800])               # Y轴范围设置
ax1.set_title('Important Dates in 2008-2009 Financial Crisis', 
             fontsize=14)  # 修正标题拼写错误

# 输出配置
plt.savefig(
    'sample_1.png',
    dpi=300,                # 印刷级分辨率
    bbox_inches='tight',    # 自动裁剪白边
    facecolor='white'       # 设置背景为白色
)

# 显示图形
plt.show()

3.3 BAR 柱状图

3.3.1 示例-1

# 创建 2x1 子图布局，返回图形对象和坐标轴数组
fig, axes = plt.subplots(2,1)

# 生成随机数据序列，索引为字母a-p
data = pd.Series(np.random.rand(16), index=list('abcdefghijklmnop'))

# 降序排序数据，便于条形图按数值大小顺序显示
data = data.sort_values(ascending=False)

# 在上方子图绘制垂直条形图
# kind: 指定图表类型为垂直条形图
# color='k' 设置黑色，alpha=0.7 调整透明度增强可读性
data.plot(kind='bar', ax=axes[0], color='k', alpha=0.7)

# 在下方子图绘制水平条形图
# barh 类型更适合展示长标签数据，与垂直条形图形成对比分析
data.plot(kind='barh', ax=axes[1], color='k', alpha=0.7)

# 最佳实践建议：添加以下配置代码（原代码未包含）
plt.tight_layout()  # 自动调整子图间距
plt.show()          # 显示图形MJupyter中可省略

3.3.2 示例-2 多布局

# 创建6行4列的随机DataFrame，索引为英文单词，列名为"Genus"分类
# 使用pd.Index设置列名层级（适用于多级索引场景）
df = pd.DataFrame(
    np.random.rand(6,4),
    index=['one','two','three','four','five','six'],
    columns=pd.Index(['A','B','C','D'], name='Genus')
)

# 初始化画布和4个子图，2*2 布局
fig = plt.figure(figsize=[16,6])  # 宽16，高6英寸的大尺寸画布
ax1 = fig.add_subplot(2,2,1)      # 左上子图（第1位置）
ax2 = fig.add_subplot(2,2,2)      # 右上子图（第2位置）
ax3 = fig.add_subplot(2,2,3)      # 左下子图（第3位置）
ax4 = fig.add_subplot(2,2,4)      # 右下子图（第4位置）

# 子图1：水平堆叠条形图（stacked=1实现堆叠效果）  要求和布局位置一一对应
# alpha=0.7增强堆叠部分的透明度区分度
df.plot(kind='barh', stacked=1, alpha=0.7, ax=ax1)

# 子图2：垂直并列条形图（默认stacked=0）
# alpha=0.5降低色块饱和度避免视觉压迫
df.plot(kind='bar', stacked=0, alpha=0.5, ax=ax2)

# 数据预处理：将原始数据转换为行方向百分比（行和为100%）
df_ptc = df.div(df.sum(1), axis=0)  # 网页4：DataFrame行标准化操作

# 子图3：百分比水平堆叠条形图
df_ptc.plot(kind='barh', stacked=1, alpha=0.7, ax=ax3)

# 子图4：数据重塑后的垂直条形图
# stack().unstack(0) 实现行列转置：将列变为索引，索引变为列
# 原数据形状(6,4) → 重塑后形状(4,6)，实现不同维度的数据对比
df.stack().unstack(0).plot(kind='bar', ax=ax4)

# 待优化项：坐标轴范围设置（示例）
# ax1.set_xlim(0, df.values.max()*1.2)  # 扩展20%留白
# ax4.set_xticks(range(4))              # 明确显示每个分类

plt.show()

3.3.3 示例-3

# 读取数据 加载餐饮小费数据集
file_path = r'D:/tips.csv'  
tips = pd.read_csv(file_path)  

party_counts = pd.crosstab(tips.day, tips.size)
party_counts = party_counts.loc[:, 2:5]  

# 计算各规模占比 
party_pct = party_counts.div(party_counts.sum(1).astype(float), axis=0)

# 绘制堆叠百分比条形图
# - kind='bar'：垂直条形图
# - stacked=1：堆叠显示不同规模占比
# - alpha=0.7 建议添加透明度增强可读性
party_pct.plot(kind='bar', stacked=True, alpha=0.7)

# 扩展建议
plt.title('不同日期用餐规模分布比例', fontsize=12)  # 添加主标题
plt.ylabel('比例', fontsize=10)                  # Y轴标签
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')  # 右侧外置图例
plt.xticks(rotation=45)  # 旋转日期标签防止重叠
plt.tight_layout()       # 自动调整子图间距

四、总结

总共整理了2期，关于【Python】分析图标可视化visualization的内容（2期地址点这里），希望有帮助。