《Python資料分析》筆記——資料視覺效果

來源:互聯網
上載者:User

標籤:相互   直線   座標   標籤   多個   不同   gpu   nump   tool   

資料視覺效果matplotlib繪圖入門

為了使用matplotlib來繪製基本映像,需要調用matplotlib.pyplot子庫中的plot()函數

import matplotlib.pyplot as pltimport numpy as npx=np.linspace(0,20)plt.plot(x,.5+x)plt.plot(x,1+2*x,‘--‘)plt.show()

對數圖

所謂對數圖,實際上就是使用對數座標繪製的圖形。對於對數刻度來說,其間隔表示的是變數的值在數量級上的變化,這與線性刻度有很大的不同。對數圖又分為兩種不同的類型,其中一種稱為雙對數圖,它的特點是兩個座標軸都採用對數刻度,對應的matplotlib函數是matplotlib.pyplot.loglog()。半對數圖的一個座標軸採用線性標度,另一個座標軸使用對數刻度,它對應的matplotlib API是semilogx()函數和smilogy()函數。在雙對數圖上,冪律表現為直線;在半對數圖上,直線則代表的是指數律。

numpy中的polyfit()函數可以用多項式來擬合資料

numpy中的polyval()函數可以用來對上面得到的多項式進行評估。


散佈圖

散佈圖可以形象展示直角座標系中兩個變數之間的關係。在散佈圖中,每個資料點的位置實際上就是兩個變數的值。變數之間的任何關係可以拿散佈圖來示意。上升趨勢模式通常意味著正相關。泡式圖是對散佈圖的一種擴充。在泡式圖中,每個資料點都被一個氣泡所包圍,它由此得名;而第三個變數的值正好可以用來確定氣泡的相對大小。

matplotlib API提供的scatter()函數就是用於實現散佈圖

圖例和註解

資料圖都帶有下列輔助資訊

1.用來描述圖中各資料序列的圖例。為此,可以使用matplotlib提供的legend()函數,來給每個資料序列提供相應的標籤

2.對圖中要點的註解。為此,可以藉助matplotlib提供的annotate()函數。matplotlib產生的註解包括標籤和箭頭兩個組成部分。這個函數提供了多個參數,用以描述標籤和箭頭形式以及其位置。

3.橫軸和縱軸的標籤。這些標籤可以通過xlabel()和ylabel()函數繪製出來

4.一個說明性質的標題,通常由matplotlib的title()函數來提供

5.網格,對於輕鬆定位元據點非常有協助。matplotlib提供的grid()函數可以用來決定是否啟用網格

三維圖

Axes3D是由matplotlib API提供的一個類,可以用來繪製三維圖。通過講解這個類的工作機制,就能夠明白物件導向的matplotlib API的原理。matplotlib的figure類是存放各種映像元素的頂級容器。

1.建立一個Figure對象

fig=plt.figure()

2.利用Figure對象建立一個Axes3D對象

ax=Axes3D(fig)

3.建立座標矩陣時,可以藉助Numpy中的meshgrid()函數

X,Y=np.meshgrid(X,Y)

4.通過Axes3D類的plot_surface()方法為資料繪製映像

ax.plot_surface(X,Y,Z)

5.根據物件導向API函數的命名規範,應該以set_開頭,以程式對應的函數名結尾,具體如下:

ax.set_xlabel(‘year‘)ax.set_ylabel(‘Log1‘)ax.set_zlabel(‘Log2‘)ax.set_title(‘66666‘)
pandas繪圖

pandas的series類和DataFrame類中的plot()方法都封裝了相關的matplotlib函數

為了建立半對數圖,需要增設logy參數

df.plot(logy=True)


為了建立散佈圖,需要把參數kind設為scatter,同時,還要指定兩個列。此外,如果將參數loglog設為True,就會產生一個雙對數(log-log圖)

df[df[‘gpu_trans_count‘]>0].plot(kind=‘scatter‘,x=‘trans_count‘,y=‘gpu_trans_count‘,loglog=True)
時滯圖

時滯圖實際上就是一幅散佈圖,只不過把時間序列的映像及相同序列在時間軸上後延的映像放在一起展示而已。

我們可以利用pandas子庫pandas.tools.plotting中的lag_plot()函數,來繪製時滯圖

lag_plot(df[‘trans_count‘])
自相關圖

自相關圖描述的是時間序列資料在不同時間延遲情況下的自相關性。所謂自相關,就是一個時間序列與相同資料在不同時間延遲情況下的相互關係。利用pandas子庫pandas.tools.plotting中的autocorrelation_plot()函數,就可以畫出自相關圖了。

《Python資料分析》筆記——資料視覺效果

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.