python之数据分析篇（matplotlib）

数据分析的概念：把大量数据进行统计和整理，得出结论，为后续的决策提供数据支持。

1.能将数据进行可视化,更直观的呈现

2.使数据更加客观、更具说服力

from pylab import mpl
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False

关于matplotlib中pyplot的函数使用

import matplotlib
import matplotlib.pyplot as plt
import random
from pylab import mpl
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
x_1=range(60)
x_2=range(60)
y=[random.randint(20,30) for i in range(120)]
plt.figure(figsize=(200,80),dpi=80) #设置图片大小和分辨率
plt.plot(range(120),y,label="青岛市") #绘制折线图
plt.xlabel("时间")#x 坐标的表示
plt.ylabel("温度")#y 坐标的表示
x_label=["10点{}分".format(i) for i in x_1]
x_label+=["11点{}分".format(i) for i in x_2]
plt.xticks(list(range(120))[::4],x_label[::4],rotation=45)#设置刻度 rotation是设置文字旋转
plt.legend()#显示图例
plt.grid()#显示网格
plt.title("温度时间关系图") #显示标题
plt.savefig("./picture.png")#设置为保存到当前目录下
plt.show()

关于图像绘制风格

折线图:以折线的上升或下降来表示统计数量的增减变化的统计图

特点:能够显示数据的变化趋势，反映事物的变化情况。 

直方图:由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。

特点:绘制连续性的数据,展示一组或者多组数据的分布状况(统计

 条形图:排列在工作表的列或行中的数据可以绘制到条形图中。

特点:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)

散点图:用两组数据构成多个坐标点，考察坐标点的分布,判断两变量 之间是否存在某种关联或总结坐标点的分布模式。

特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

import matplotlib
from matplotlib import pyplot as plt
from pylab import mpl
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_a=[i for i in range(1,32)]
x_b=[i for i in range(51,82)]
x=x_a+x_b
plt.figure(figsize=(200,80),dpi=80)
plt.scatter(x_a,a,label="3月温度")
plt.scatter(x_b,b,label="10月温度")
x_label=["3月份{}日".format(i) for i in x_a]
x_label+=["10分{}日".format(i-50) for i in x_b]
plt.xticks(x[::3],x_label[::3],rotation=45)
plt.legend(loc="upper left")#设置图例的位置
plt.show()

简单的无关条形图

import matplotlib
from matplotlib import pyplot as plt
from pylab import mpl
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士",
    "摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章",
"乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2",
     "情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
plt.figure(figsize=(200,80),dpi=80)
x=range(len(a))
plt.bar(x,b,width=0.2,color="orange")
plt.xticks(x,a,rotation=270)
plt.show()

import matplotlib
from matplotlib import pyplot as plt
from pylab import mpl
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
a=["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
plt.barh(range(len(a)),b,height=0.2)#绘制横向的条形图
plt.yticks(range(len(a)),a)
plt.legend(loc="upper left")#设置图例的位置
plt.show()

例题 

假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?

a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]

b_16 = [15746,312,4497,319]

b_15 = [12357,156,2045,168]

b_14 = [2358,399,2358,362]

import matplotlib
from matplotlib import pyplot as plt
from pylab import mpl
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
a = ["猩球崛起3：终极之战","猩球崛起3：终极之战","猩球崛起3：终极之战",
     "敦刻尔克","敦刻尔克","敦刻尔克",
     "蜘蛛侠：英雄归来","蜘蛛侠：英雄归来","蜘蛛侠：英雄归来",
     "战狼2","战狼2","战狼2"]

b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
bar_width=0.1
x_14=[i for i in range(4)]
x_15=[i+bar_width for i in range(4)]
x_16=[i+bar_width*2 for i in range(4)]
x=x_14+x_15+x_16
plt.figure(figsize=(20,8),dpi=80)
plt.bar(x_14,b_14,width=bar_width,label="14号")
plt.bar(x_15,b_15,width=bar_width,label="15号")
plt.bar(x_16,b_16,width=bar_width,label="16号")
plt.xticks(x,a,rotation=90)
plt.legend()
plt.grid()
plt.xlabel("电影")
plt.ylabel("观看次数")
plt.title("北京电影院统计")
plt.show()

该代码有误，只为演示效果

直方图是用来统计数量的，当数据量没有进行统计时才使用

假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据? 

import matplotlib
from matplotlib import pyplot as plt
from pylab import mpl
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
a=[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
plt.figure(figsize=(20,8),dpi=80)
d=3
num_bins=(max(a)-min(a))//d
plt.hist(a,num_bins,normed=True)#normed可以将频数改成百分比的形式
plt.xticks(range(min(a),max(a)+d,d))
plt.grid()
plt.show()

 那么问题来了

在美国2004年人口普查发现有124 million的人在离家相对较远的地方工作。根据他们从家到上班地点所需要的时间,通过抽样统计(最后一列)出了下表的数据,这些数据能够绘制成直方图么?

答案是不能的，因为绘制直方图不能用统计好的数据，所以可以条形图来代替直方图

interval = [0,5,10,15,20,25,30,35,40,45,60,90]

width = [5,5,5,5,5,5,5,5,5,15,30,60]

quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

import matplotlib
from matplotlib import pyplot as plt
from pylab import mpl
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]
plt.figure(figsize=(20,9),dpi=80)
plt.bar(range(len(quantity)),quantity,width=1)
x=[i-0.5 for i in range(13)]#对x的刻度进行调整
plt.xticks(x,interval+[150])
plt.show()