10数据可视化基础.pptVIP

大数据可视化技术 第五章 关系数据可视化 0 2 数据的关联性 散点矩阵图 散点矩阵图 也叫散点图矩阵， 数据的相 关关系 它允许同时看到 多个单独变量的 分布和它们两两 之间的关系，是 多个散点图的有 机结合，其基本 框架如图所示。 Seaborn Seaborn 是基于 matplotlib 的图形可视化 python 包。它提供了一种高度交互式界面， 数据的相 关关系 便于用户能够做出各种有吸引力的统计图表。 Seaborn 是在 matplotlib 的基础上进行了更高级的 API 封装，从而使得作图更加容 易，在大多数情况下使用 seaborn 能做出很具有吸引力的图，而使用 matplotlib 就能制 作具有更多特色的图。应该把 Seaborn 视为 matplotlib 的补充，而不是替代物。同时它 能高度兼容 numpy 与 pandas 数据结构。 Matplotlib 试着让简单的事情更加简单，困难的事情变得可能，那么 Seaborn 就是 让困难的东西更加简单。—— Michael Waskom 基于 Python 的散点矩阵图实现 1. import pandas as pd 2. import matplotlib.pyplot as plt 3. import seaborn as sns 4. crime = pd.read_csv(../data/crimeRatesByState2005.csv) 5. crime = crime[crime.state != United States] 6. crime = crime[crime.state != District of Columbia] 7. crime = crime.drop([state], axis=1) 8. crime = crime.drop([population], axis=1) 9. g = sns.pairplot(crime, diag_kind=kde, kind=reg) 10. plt.show() 运行结果截图 数据的相 关关系 气泡图 气泡图与散点图相似， 不同之处在于，气泡 数据的相 关关系 图允许在图表中额外 加入一个表示大小的 变量。实际上，这就 像以二维方式绘制包 含三个变量的图表一 样。其基本框架如图 所示。 基于 Python 的气泡图实现 1. import matplotlib.pyplot as plt 2. import pandas as pd 3. import numpy as np 4. crime = pd.read_csv(../data/crimeRatesByState2005.csv) 5. crime2 = crime[crime.state != United States] 6. crime2 = crime2[crime2.state != District of Columbia] 7. s = list(crime2.population/10000) 8. colors = np.random.rand(len(list(crime2.murder))) 9. cm = plt.cm.get_cmap() 10. plt.scatter(x=list(crime2.murder), y=list(crime2.burglary), s=s, c=colors, cmap=cm, linewidth=0.5, alpha=0.5) 11. plt.xlabel(murder) 12. plt.ylabel(burglary) 13. plt.show() 运行截图 代码的运行结果如图所示。