学习笔记之第十三章 数据可视化（十三）

第13章 数据可视化

13.1 数据可视化是什么

13.2 数据可视化的基本流程

13.2.1 整理数据

• 数据可视化的基础还是数据，你要将数据图表化，首先要整理数据，明确要把哪些数据图表化。

13.2.2 明确目的

13.2.3 寻找合适的表现形式

13.3 图表的基本组成元素

• 画布：画布就是字面意思，你首先需要找到一块“布”，即绘图界面，然后在这块“布”上绘制图表。
• 坐标系：画布是图表的最大概念，在一块画布上可以建立多个坐标系，坐标系又可以分为直角坐标系、球坐标系和极坐标系三种，其中直角坐标系最常用。
• 坐标轴：坐标轴是在坐标系中的概念，主要有x轴和y轴（一般简单的可视化均为二维），一组x/y值用来唯一确定坐标系上的一个点。
• 坐标轴标题：坐标轴标题就是x轴和y轴的名称
• 图表标题：图表标题是用来说明整个图表核心主题的
• 数据标签：数据标签用于展示图表中的数值
• 数据表：数据表在图表下方，它以表格的形式将图表中坐标轴的值展示出来。
• 网格线：网格线是坐标轴的延伸，通过网格线可以更加清晰地看到每一点大概在什么位置，值大概是多少。
• 图例：图例一般位于图表的下方或右方，用来说明不同的符号或颜色所代表的不同内容与指标，有助于认清图。
• 误差线：误差线主要用来显示坐标轴上每个点的不确定程度，一般用标准差表示，即一个点的误差为该点的实际值加减标准差。

13.4 Excel与Python可视化

13.5 建立画布和坐标系

#导入matplotlib库中的pyplot并起别名为plt
import matplotlib.pyplot as plt

#让图表直接在jupyter notebook中展示出来
%matplotlib inline

#解决中文乱码问题
plt.rcParams["font.sans-serif"] = "SimHei"

#解决负号无法正常显示的问题
plt.rcParams["axes.unicode_minus"] = False

#在默认设置下 matplotlib 做出来的图表不是很清晰，
#个时候可以将图表设置成矢量图格式显示，这样看起来就会很清晰了
%config InlineBackend.figure_format = "svg"

#导入需要的库以后就可以正式开始建立画布了
fig = plt.figure()

fig = plt.figure(figsize = (8,6))

13.5.2 用add_subplot函数建立坐标系

• 利用add_subplot函数建立坐标系时需要先有画布，再在画布上绘制坐标系。

fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)

• 输出结果
  

13.5.3 用plt.subplot2grid函数建立坐标系

• 用plt.subplot2grid函数建立坐标系时不需要先建立画布，只需要导入plt库即可。导入plt库以后可以直接调用plt库的subplot2grid方法建立坐标系

plt.subplot2grid((2,2),(0,0))

• 输出结果
  

import numpy as np
x = np.arange(6)
y = np.arange(6)

#将图表的整个区域分成2行2列，且在（0，0）显示折线图
plt.subplot2grid((2,2),(0,0))
plt.plot(x,y)

#将图表的整个区域分成2行2列，且在（0，0）显示柱状图
plt.subplot2grid((2,2),(0,1))
plt.bar(x,y)

• 输出结果
  

13.5.4 用plt.subplot函数建立坐标系

• 与plt.subplot2grid函数类似，plt.subplot也是plt库的一个函数，也表示将区域分成几份，并指明在哪一块区域上绘图，两者的区别只是表现形式不一样

import numpy as np
x = np.arange(6)
y = np.arange(6)

#将图表的整个区域分成2行2列，且在（0，0）显示折线图
plt.subplot(2,2,1)
plt.plot(x,y)

#将图表的整个区域分成2行2列，且在（0，0）显示柱状图
plt.subplot(2,2,4)
plt.bar(x,y)

• 输出结果
  

13.5.5 用plt.subplots函数建立坐标系

• plt.subplots函数也是plt库的一个函数，它与subplot2grid函数和subplot函数的不同之处是，subplot2grid函数和subplot函数每次只返回一个坐标系，而subplots函数一次可以返回多个坐标系。

fig,axes = plt.subplots(2,2)

• 输出结果
  

import numpy as np
x = np.arange(6)
y = np.arange(6)

#在(0,0)坐标系中绘制折线图
axes[0,0].plot(x,y)

#在(1,1)坐标系中绘制柱状图
axes[1,1].bar(x,y)

13.5.6 几种创建坐标系方法的区别

• 第一种创建坐标系的方法 add_subplot 属于对象式编程，所有的操作都是针对某个对象进行的，比如先建立一块画布，然后在这块画布上建立坐标系，进而在坐标系上绘图。
• 而后三种建立坐标系的方法属于函数式编程，都是直接调用 plt 库里面的某个函数或者方法达到创建坐标系的目的。对象式编程的代码比较烦琐，但是便于理解；函数式编程虽然代码简洁，但是不利于新人掌握整体的绘图原理，所以建议大家刚开始的时候多使用对象式编程，当大家对整个绘图原理很熟悉时，再尝试使用函数式编程。
• 这两种编程方式不仅体现在创建坐标系中，在接下来的一些操作中也会有涉及，有的时候两者会交叉使用，也就是在一段代码中既有函数式编程，也有对象式编程。

13.6 设置坐标轴

13.6.1 设置坐标轴的标题

x = [1,2,3,4,5,6,7,8,9]
y = [866,2335,5710,6482,6120,1605,3813,4228,4631]
plt.plot(x,y)

• 输出结果