用Python绘图（数据分析与挖掘实战）

代码1：餐饮日销额数据异常值检测（箱型图）

import pandas as pd
import numpy as np
catering_sale = "D:\\360MoveData\\Users\\86130\\Documents\\Tencent Files\\2268756693\\FileRecv\\catering_sale.xls"
data = pd.read_excel(catering_sale,index_col='日期') #读取数据，指定“日期”列为索引列

print(data.describe()) #使用describe()方法查看数据的基本情况。
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示标签中文
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

plt.figure() #建立图像
p = data.boxplot(return_type='dict') #画箱型图，直接使用DataFrame的方法
x = p['fliers'][0].get_xdata() #‘flies’为异常值的标签
y = p['fliers'][0].get_ydata()
y.sort() #从小到大排序

for i in range(len(x)):
    if i>0:
        plt.annotate(y[i],xy=(x[i],y[i]),xytext=(x[i]+0.05-0.8/(y[i]-y[i-1]),y[i]))
    else:
        plt.annotate(y[i],xy=(x[i],y[i]),xytext=(x[i]+0.08,y[i]))
plt.title('学号3110号')
plt.show()

运行结果如下：

                销量
count   200.000000
mean   2755.214700
std     751.029772
min      22.000000
25%    2451.975000
50%    2655.850000
75%    3026.125000
max    9106.440000

 

代码2：“捞起生鱼片”的季度销售情况（直方图）

import pandas as pd
import numpy as np
catering_sale = "D:\\360MoveData\\Users\\86130\\Documents\\Tencent Files\\2268756693\\FileRecv\\catering_fish_congee.xls"  # 餐饮数据
data = pd.read_excel(catering_sale,names=['date','sale'])  # 读取数据，指定“日期”列为索引

bins = [0,500,1000,1500,2000,2500,3000,3500,4000]
labels = ['[0,500)','[500,1000)','[1000,1500)','[1500,2000)',
       '[2000,2500)','[2500,3000)','[3000,3500)','[3500,4000)'] 

data['sale分层'] = pd.cut(data.sale, bins, labels=labels)#cut:分层标记
print(data)
aggResult = data.groupby(by=['sale分层'])['sale'].agg([('sale',np.size)])#groupby:分组函数，可以实现分组操作和组内运算。
print(aggResult)
pAggResult = round(aggResult/aggResult.sum(), 2, ) * 100#round()是python自带的一个函数,用于数字的四舍五入。格式：round(number,digits)
print(pAggResult)

import matplotlib.pyplot as plt
plt.figure(figsize=(10,6))  # 设置图框大小尺寸
pAggResult['sale'].plot(kind='bar',width=0.8,fontsize=10,color='g')  # 绘制频率直方图
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.title('季度销售额频率分布直方图(学号3110)',fontsize=20)
plt.show()

运行结果如下：

       date  sale       sale分层
0  2014-04-02   900   [500,1000)
1  2014-04-03  1290  [1000,1500)
2  2014-04-04   420      [0,500)
3  2014-04-05  1710  [1500,2000)
4  2014-04-06  1290  [1000,1500)
..        ...   ...          ...
85 2014-06-26   840   [500,1000)
86 2014-06-27   840   [500,1000)
87 2014-06-28  1350  [1000,1500)
88 2014-06-29  1260  [1000,1500)
89 2014-06-30  2700  [2500,3000)

[90 rows x 3 columns]
             sale
sale分层
[0,500)        28
[500,1000)     20
[1000,1500)    12
[1500,2000)    12
[2000,2500)     8
[2500,3000)     3
[3000,3500)     4
[3500,4000)     3
             sale
sale分层
[0,500)      31.0
[500,1000)   22.0
[1000,1500)  13.0
[1500,2000)  13.0
[2000,2500)   9.0
[2500,3000)   3.0
[3000,3500)   4.0
[3500,4000)   3.0

 

代码3：不同菜品在某段时间的销售量分布情况（饼图）（条形图）

import pandas as pd
import matplotlib.pyplot as plt
catering_dish_profit = "D:\\360MoveData\\Users\\86130\\Documents\\Tencent Files\\2268756693\\FileRecv\\catering_dish_profit.xls"
data = pd.read_excel(catering_dish_profit) #读取数据
print(data.describe())
'''describe() 函数可以查看数据的基本情况，
   包括：
   count 非空值数、
   mean 平均值、
   std 标准差、
   max 最大值、
   min 最小值、
  （25%、50%、75%）分位数等。
'''

#绘制饼图
x = data['盈利']
labels = data['菜品名']
plt.figure(figsize=(8,6)) #设置画布大小
plt.pie(x,labels=labels) #绘制饼图
plt.rcParams['font.sans-serif'] = 'SimHei'# 添加这条可以让图形显示中文
plt.title('菜品销售量分布（饼图）(学号3110)')
plt.axis('equal')
plt.show()

运行结果如下：

             菜品ID           盈利
count     10.000000    10.000000
mean    5547.200000  3753.500000
std     8050.908586  2303.124508
min       14.000000  1782.000000
25%      111.000000  2072.000000
50%      411.500000  3110.500000
75%    13578.000000  4506.750000
max    17154.000000  9173.000000

 

 

#绘制条形图
x = data['菜品名']
y = data['盈利']
plt.figure(figsize=(8,4))
plt.bar(x,y)
plt.rcParams['font.sans-serif'] = 'SimHei'# 添加这条可以让图形显示中文
plt.xlabel('菜品')
plt.ylabel('销量')
plt.title('菜品销售量分布（条形图）（学号3110）')
plt.show()

运行结果如下：

代码4：不同部门各月份的销售对比情况

#部门之间销售金额比较
import pandas as pd
import matplotlib.pyplot as plt
data=pd.read_excel("D:\\360MoveData\\Users\\86130\\Documents\\Tencent Files\\2268756693\\FileRecv\\dish_sale.xls")
print(data.describe())

plt.figure(figsize=(8,4))
plt.plot(data['月份'],data['A部门'],color='green',label='A部门',marker='o')
plt.plot(data['月份'],data['B部门'],color='red',label='B部门',marker='s')
plt.plot(data['月份'],data['C部门'],color='skyblue',label='C部门',marker='x')
plt.legend()
plt.ylabel('销售额（万元）')
plt.title('3部门之间销售额的比较（学号3110）')
plt.show()

运行结果如下：

           A部门        B部门        C部门
count  12.000000  12.000000  12.000000
mean    6.370833   7.112500   5.616667
std     0.677864   0.734886   0.332575
min     5.300000   5.400000   5.200000
25%     6.007500   6.637500   5.375000
50%     6.250000   7.300000   5.550000
75%     6.625000   7.550000   5.825000
max     8.000000   8.000000   6.200000

 

#B部门各年份之间销售额的比较
data=pd.read_excel("D:\\360MoveData\\Users\\86130\\Documents\\Tencent Files\\2268756693\\FileRecv\\dish_sale_b.xls")
plt.figure(figsize=(8,4))
plt.plot(data['月份'],data['2012年'],color='green',label='2012年',marker='o')
plt.plot(data['月份'],data['2013年'],color='red',label='2013年',marker='s')
plt.plot(data['月份'],data['2014年'],color='skyblue',label='2014年',marker='x')
plt.legend()
plt.ylabel('销售额（万元）')
plt.title('B部门各年份销售额的比较（学号3110）')
plt.show()

运行结果如下：

代码5：餐饮销量数据统计量分析

import pandas as pd

catering_sale="D:\\360MoveData\\Users\\86130\\Documents\\Tencent Files\\2268756693\\FileRecv\\catering_sale.xls"
data = pd.read_excel(catering_sale,index_col='日期')

data = data[(data['销量'] > 400)&(data['销量'] < 5000)] #过滤异常数据
statistics = data.describe() #保存基本统计量

statistics.loc['range'] = statistics.loc['max']-statistics.loc['min'] #极差
statistics.loc['var'] = statistics.loc['std']/statistics.loc['mean'] #变异系数
statistics.loc['dis'] = statistics.loc['75%']-statistics.loc['25%'] #四分位数间距

print(statistics)

运行结果如下：

               销量
count   195.000000
mean   2744.595385
std     424.739407
min     865.000000
25%    2460.600000
50%    2655.900000
75%    3023.200000
max    4065.200000
range  3200.200000
var       0.154755
dis     562.600000

代码6：某单位日用电量预测分析（时序图）

import pandas as pd
import matplotlib.pyplot as plt

#正常用户电量趋势分析
df_normal = pd.read_csv("D:\\360MoveData\\Users\\86130\\Documents\\Tencent Files\\2268756693\\FileRecv\\user.csv")
plt.figure(figsize=(8,4))
plt.plot(df_normal["Date"],df_normal["Eletricity"])
plt.xlabel("日期")

x_major_locator = plt.MultipleLocator(7) #设置x轴刻度间隔
ax = plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
plt.ylabel("每日电量")
plt.title("正常用户电量趋势（学号3110号）")
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.show

#窃电用户用电趋势分析
df_steal = pd.read_csv("D:\\360MoveData\\Users\\86130\\Documents\\Tencent Files\\2268756693\\FileRecv\\user.csv")
plt.figure(figsize=(10,9))
plt.plot(df_steal["Date"],df_steal["Eletricity"])
plt.xlabel("日期")
plt.ylabel("日期")

x_major_locator = plt.MultipleLocator(7) #设置x轴刻度间隔
ax = plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
plt.title("窃电用户电量趋势（学号3110号）")
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.show

运行结果如下：

代码7：绘制菜品盈利数据帕累托图

#菜品盈利数据帕累托图
from __future__ import print_function
import pandas as pd

#初始化参数
dish_profit = "D:\\360MoveData\\Users\\86130\\Documents\\Tencent Files\\2268756693\\FileRecv\\catering_dish_profit.xls"#餐饮菜品盈利数据
data = pd.read_excel(dish_profit, index_col = u'菜品名')
data = data[u'盈利'].copy()
data.sort_values(ascending = False)

import matplotlib.pyplot as plt #导入图像库
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号

plt.figure()
data.plot(kind='bar')
plt.ylabel(u'盈利（元）')
p = 1.0*data.cumsum()/data.sum()
p.plot(color = 'r', secondary_y = True, style = '-o',linewidth = 2)
plt.annotate(format(p[6], '.4%'), xy = (6, p[6]), xytext=(6*0.9, p[6]*0.9), arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) #添加注释，即85%处的标记。这里包括了指定箭头样式。
plt.ylabel(u'盈利（比例）')
plt.title('学号3110号')
plt.show()

运行结果如下：

代码8：绘制一条正弦虚线

import pandas as pd
import numpy as np
x=np.linspace(0,2*np.pi,25,endpoint=True)#范围是0~2π，25为点数
s=np.sin(x) #计算对应x的正弦值
plt.figure()
plt.plot(x,s,'y--^',)#控制图形格式为黄色带^虚线
plt.xlabel("x",fontdict={'size':16})
plt.ylabel("y",fontdict={'size':16})
plt.legend("sin(x)")
plt.title('学号3110号')
plt.show()

运行结果如下：

代码9：绘制饼图

#绘制饼图
import matplotlib.pyplot as plt
labels = 'Frogs','Hogs','Dogs','Logs' #定义标签
sizes = [15,30,45,10] #每一块的比例
colors = ['yellowgreen','gold','lightskyblue','lightcoral'] #每一块的颜色
explode = (0,0.1,0,0) #突出显示，这里仅仅突出显示第二块（即Hogs）

plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=90)
plt.axis('equal') #显示为圆（避免比例压缩为椭圆）
plt.title('学号3110号')
plt.show()

运行结果如下：

代码10：绘制二维条形直方图

import matplotlib.pyplot as plt
import numpy as np
x = np.random.randn(1000) #1000个服从正态分布的随机数
plt.hist(x,10,color='g') #分成10组绘制直方图，颜色为绿色
plt.title('学号3110号')
plt.show

运行结果如下：

代码11：绘制箱型图

#绘制箱型图
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
x = np.random.randn(1000) #1000个服从正态分布的随机数
D = pd.DataFrame([x,x+1]).T #构造两列的DataFrame
D.plot(kind='box') #调用Series内置的绘图方法绘图，用kind参数指定箱型图（box）
plt.title('学号3110号')
plt.show()

运行结果如下：

代码12：使用plot（logy=True）函数进行绘图

#绘制y轴的对数图形的对比图
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
import numpy as np
import pandas as pd

x = pd.Series(np.exp(np.arange(20)))
plt.figure(figsize=(8,9)) #设置画布大小
ax1 = plt.subplot(2,1,1)
x.plot(label='原始数据图',legend=True)
plt.title('学号3110号')

ax1 = plt.subplot(2,1,2)
x.plot(logy=True,label='对数数据图',legend=True)
plt.title('学号3110号')
plt.show()

运行结果如下：

代码13：绘制误差棒图

# 使用pyplot的errorbar()函数可以快速绘制误差棒图，errorbar()函数的语法格式如下所示：
# errorbar(x,y, yerr=None, xerr=None, fmt='', ecolor=None,
# elinewidth=None, capsize=None, barsabove=False, lolims=False,
# uplims=False, xlolims=False, xuplims=False, errorevery=1,
# capthick=None, *, data=None, **kwargs)

# 该函数常用参数的含义如下。
# 　　·x，y：表示数据点的位置。
# 　　·xerr，yerr：表示数据的误差范围。
# 　　·fmt：表示数据点的标记样式和数据点之间连接线的样式。
# 　　·ecolor：表示误差棒的线条颜色。
# 　　·elinewidth：表示误差棒的线条宽度。
# 　　·capsize：表示误差棒边界横杆的大小。
# 　　·capthick：表示误差棒边界横杆的厚度。

# 使用errorbar()函数绘制一个误差棒图，代码如下。

import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(5)
y = (25, 32, 34, 20, 25)
y_offset = (3, 5, 2, 3, 3)
plt.errorbar(x, y, yerr=y_offset, capsize=3, capthick=2)
plt.title('学号3110号')
plt.show()

#绘制误差棒图
# import matplotlib.pyplot as plt
# plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
# plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
# import numpy as np
# import pandas as pd

# error = np.random.randn(10) #定义误差列
# y = pd.Series(np.sin(np.arange(10))) #均值数据列
# y.plot(yerr=error) #绘制误差图
# plt.title('学号10号')
# plt.show()

运行结果如下：

总结：

在数据可视化中，我们主要使用pandas作为数据探索和分析工具，通常绘图工具都是Matplotlib和pandas结合使用。一方面，Matplotlib是绘图工具的基础，pandas绘图依赖于它；另一方面，pandas绘图有着简单直接的优势，因此，两者互相结合，往往能够以最高的效率做出符合我们需要的图。