《Python与数据分析应用》课件——第13章 数据可视化.pptxVIP

;;;;思考：

为什么要将数据可视化？;思考：

什么是数据可视化？;;;;;;;;在回归分析中，散点图是指数据点在直角坐标系平面上的分布图，通常用于比较跨类别的数据。散点图包含的数据点越多，比较的效果就会越好。;;;;;要想使用Matplotlib绘制图表，需要先导入绘制图表的模块pyplot，该模块提供了一种类似MATLAB的绘图方式，主要用于绘制简单或复杂的图形。;另外，如果要在JupyterNotebook中绘图，则需要增加如下魔术命令：;pyplot模块中默认有一个Figure对象，该对象可以理解为一张空白的画布，用于容纳图表的各种组件。;如例，在默上认的画布绘制简单的图形：;如果不希望在默认的画布上绘制图形，则可以调用figure()函数构建一张新的空白画布。;调用figure()函数创建新的空白画布。;还可以在创建画布时为其添加背景颜色，即设置facecolor参数。;Figure对象允许划分为多个绘图区域，每个绘图区域都是一个Axes对象，它拥有属于自己的坐标系统，被称为子图。;要想在画布上创建一个子图，则可以通过subplot()函数实现。;subplot()函数会将整个绘图区域等分为“nrows（行）*ncols（列）”的矩阵区域，之后按照从左到右、从上到下的顺序对每个区域进行编号。其中，位于左上角的子区域编号为1，依次递增。;整个绘制区域划分为2*2（两行两列）的矩阵区域，每个区域的编号如下所示。;如果nrows、ncols和index这三个参数的值都小于10，则可以把它们简写为一个实数。;如果希望一次性创建一组子图，则可以通过subplots()函数进行实现。;subplots()函数会返回一个元组，元组的第一个元素为Figure对象（画布），第二个元素为Axes对象（子图，包含坐标轴和画的图）或Axes对象数组。如果创建的是单个子图，则返回的是一个Axes对象，否则返回的是一个Axes对象数组。;还可以通过Figure类的add_subplot()方法添加和选中子图。;调用add_subplot()方法时传入的是“2,2,1”，则会在的2*2的矩阵中编号为1的区域上绘图。;;绘图时可以为图形添加一些标签信息，比如标题、坐标名称、坐标轴的刻度等。;pyplot模块中提供了为图形添加标签的函数。;如果要设置的图表标题中含有中文字符，则会变成方格子而无法正确显示。;在python脚本中动态设置matplotlibrc，这样就可以避免由于更改配置文件而造成的麻烦。;另外，由于字体更改以后，会导致坐标轴中的部分字符无法正常显示，这时需要更改axes.unicode_minus参数。;matplotlib.pyplot模块中包含了快速生成多种图表的函数。;pyplot模块的hist()函数用于绘制直方图。;通过hist()函数绘制直方图的示例如下。;pyplot模块中的scatter()函数用于绘制散点图。;通过scatter()函数绘制散点图的示例如下。;pyplot模块中用于绘制柱状图的函数为bar()。;通过bar()函数绘制柱状图的示例如下。;在使用绘制图表的函数（比如plot等）画图时，可以设定线条的相关参数，包括颜色、线型和标记风格。;线条颜色使用color参数控制，它支持如下表所列举的颜色值。;线型使用linestyle参数控制，它支持如下表所列举的线型值。;标记风格使用marker参数控制，它支持如右表所列举的标记值。;要想保存当前生成的图表，可以调用savefig()函数进行保存。;此外，在JupyterNotebook中还可以在图形上右击另存为图片，或在PyCharm显示图形的窗口中，点击保存按钮进行保存。;;Seaborn基于Matplotlib核心库进行了更高级的API封装，可以轻松地画出更漂亮的图形，而Seaborn的漂亮主要体现在配色更加舒服，以及图形元素的样式更加细腻。;另外，也可以在JupyterNotebook中使用如下魔术命令绘图。;当处理一组数据时，通常先要做的就是了解变量是如何分布的。;要想描述单变量的分布情况，可以采用最简单的直方图进行展现。;Seaborn中提供了一个distplot()函数，它默认绘制的是一个带有核密度估计曲线的直方图。;;;;;;;;;;;;数据集中的数据类型有很多种，除了连续的特征变量之外，最常见的就是类目型的数据类型了。;Seaborn针对分类数据提供了专门的可视化函数，这些函数大致可以分为如下三种：;通过stripplot()函数可以画一个散点图。;通过stripplot()函数绘制散点图的示例如下。;可以在调用stripplot()函数时传入jitter参数，以调整横坐标的位置。;还可以调用swarmplot()函数绘制散点图，该