辽宁专业网站建设大全_疫情最新消息2023年12月_seo及网络推广招聘_百度关键词相关性优化软件

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 labelaxes[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 + 0.02rect_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=[