01 【数据分析介绍和环境安装】01数据分析的介绍
数据的重要性无可置疑
什么是数据分析：将大量数据进行统计和整理，得出结论，为后续决策提供数据支持
什么是好的数据分析？数据分析的难度？为什么要数据分析？
其实看看课程表不难发现，关于数据的课程非常多，而且是最基础最必要的。（数据分析，数据挖掘。。。。）
在这个新时代，以及处于这个行业，如何利用好数据、正确利用数据、数据来源、数据分析结果收益的对象是我们要思考的问题。
02 【数据分析介绍和环境安装】02 jupyter 和 conda 的使用
清华镜像https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
正确打开方式----ANACONDA和jupyter安装
[Jupyter简单使用]: https://www.cnblogs.com/clschao/articles/10906415.html
官方文档https://matplotlib.org/
matplotlib折线图对比常用统计图
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。(变化)
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。-一般用横铂表示数据范围,纵轴表示分布情况。
特点:绘制连续性的数据,展示—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.展示高群点(分布规律)
from matplotlib import pyplot as.plt #导入pyplot
03 【matplotlib折线图】01 matplotlib的基础绘图
# coding=utf-8
from matplotlib import pyplot as plt
x = range(2,26,2)
#数据在×轴的位置,是一个可迭代对象
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
#数据在y轴的位置,是一个可迭代对象
#——>×轴和y轴的数据—起组成了所有要绘制出的坐标—>分别是(2,15),(4,13),(6,14.5),(B,17)......
#绘图
plt.plot(x,y)
#传入x和y ,通过plot绘制出折线图
plt.show()
#在执行程序的时候展示图形
04 【matplotlib折线图】02 matplotlib的基础绘图和调整x轴的刻度
#import
#数据
#设置图片大小
plt.figure(figsize=(20,8),dpi=80)
#—>figure图形图标的意思,在这里指的就是我们画的图
#——>通过实例化一个fgure并且传递参数,能够在后台自动使用该figure实例
#——>在图像模糊的时候可以传入dpi参数,让图片更加清晰
#绘图
plt.plot(x,y)
#设置x轴的刻度
#1.
plt.xticks(x)
#2.当刻度太密集时候使用列表的步长(间隔取值)来解决,matplotlib会自动帮我们对应
plt.xticks(x[::2])
#3.步长1，只显示25-50包含25，不包含50*************************************
plt.xticks(range(25,50))
#4.步长变成0.5，从2开始，所以range开始为4
_xtick_labels = [i/2 for i in range(4,49)]
#5.根据数据制定区间
plt.yticks(range(min(y),max(y)+1))
#保存(在plot和show之间)
plt.savefig("./t1.png")
#——>可以保存为svg这种矢量图格式,放大不会有锯齿
#展示图形
plt.show()
05 【matplotlib折线图】03 matplotlib的绘制10点到12点的气温
06 【matplotlib折线图】04 matplotlib设置显示中文
1.为什么无法显示中文:
matplotlib默认不支持中文字符，因为默认的英文字体无法显示汉字
2.查看linux/mac下面支持的字体:
fc-list→查看支持的字体
fc-list :lane-zh→查看支持的中文(冒号前面有空格)
3.那么问题来了:如何修改matplotlib的默认字体?
通过matplotlib.rc可以修改,具体方法参见源码(windows/linux)
通过matplotlib下的font.manager可以解决(windows/linux/ mac)
07 【matplotlib折线图】05 matplotlib设置设置图形信息
# coding=utf-8
from matplotlib import pyplot as plt
import random
import matplotlib
from matplotlib import font_manager
#windws和linux设置字体的放
# font = {'family' : 'MicroSoft YaHei',
# 'weight': 'bold',
# 'size': 'larger'}
# matplotlib.rc("font",**font)
# matplotlib.rc("font",family='MicroSoft YaHei',weight="bold")
#另外一种设置字体的方式(一定可以)
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
x = range(0,120)
y = [random.randint(20,35) for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#调整x轴的刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
#取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=45,fontproperties=my_font) #rotaion旋转的度数
#添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度 单位(℃)",fontproperties=my_font)
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)
plt.show()
8【 matplotlib折线图】06 mp绘制多次图形和不同图形的差异介绍和总结
假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势
a = [1.0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3.2,1,2,1,1.1,1,1.1,1.,1,1]
要求:
y轴表示个数
x轴表示岁数,比如11岁,12岁等
linestyle
linewidth由于使用关键字参数，不能对一个Axes中多条曲线同时在一个plot函数中linewith设置线宽，否则报错：positional argument follows keyword argument
# coding=utf-8
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_2 = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
x = range(11,31)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
###label和legend一起用，添加图例，表示每根线代表什么
###color：线条颜色
###linestyle：线条风格
###linewidth：线条粗细
###alpha：透明度
plt.plot(x,y_1,label="自己",color="#F08080")
plt.plot(x,y_2,label="同桌",color="#DB7093",linestyle="--")
#设置x轴刻度
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x,_xtick_labels,fontproperties=my_font)
# plt.yticks(range(0,9))
#绘制网格
plt.grid(alpha=0.4,linestyle=':')
#添加图例，loc是图例位置
plt.legend(prop=my_font,loc="upper left")
#展示
plt.show()
应用
•呈现公司产品(不同区域)每天活跃用户数
•呈现app每天下载数量
•呈现产品新功能上线后,用户点击次数随时间的变化
•呈现员工每天上下班时间
练习1、假设大家在30岁的时候,根据自己的实际情况,统计出来了从11岁到30岁每年交的女(男)朋友的数量如列表a,请绘制出该数据的折线图,以便分析自己每年交女(男)朋友的数量走势
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
要求:
y轴表示个数
x轴表示岁数,比如11岁,12岁等
# coding=utf-8
from matplotlib import pyplot as plt
import random
import matplotlib
from matplotlib import font_manager
#字体
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
#数据
x = range(11,31)
y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
#图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#设置x轴刻度
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x,_xtick_labels,fontproperties=my_font)
plt.yticks(range(0,9))
#绘制网格
plt.grid(alpha=0.1)
#展示
plt.show()
matplotlib散点图
09 【matplotlib常用统计图】01绘制散点图
假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?
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]
# coding=utf-8
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc")
y_3 = [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]
y_10 = [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_3 = range(1,32)
x_10 = range(51,82)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
###***********使用scatter方法绘制散点图,和之前绘制折线图的唯一区别******************************
plt.scatter(x_3,y_3,label="3月份")
plt.scatter(x_10,y_10,label="10月份")
###**调整x轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],fontproperties=my_font,rotation=45)
#添加图例
plt.legend(loc="upper left",prop=my_font)
#添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度",fontproperties=my_font)
plt.title("标题",fontproperties=my_font)
#展示
plt.show()
技术要点：plt.scatter(x,y)
应用•不同条件(维度)之间的内在关联关系
•观察数据的离散聚合程度
matplotlib条形图10 【matplotlib常用统计图】02绘制条形图
假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?
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] 单位:亿
# coding=utf-8
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc")
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]
#设置图形大小
plt.figure(figsize=(20,15),dpi=80)
#绘制条形图
plt.bar(range(len(a)),b,width=0.3)
#设置字符串到x轴******竖轴（下图）
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=90)
#设置字符串到y轴*****横轴
plt.yticks(range(len(a)),a,fontproperties=my_font)
#plt.savefig("./movie.png")
plt.show()
11 【matplotlib常用统计图】03绘制多次条形图
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]
# coding=utf-8 from matplotlib import pyplot as plt from matplotlib import font_manager my_font = font_manager.FontProperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc") 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] bar_width = 0.2 #位置移动一点************************ x_14 = list(range(len(a))) x_15 = [i+bar_width for i in x_14] x_16 = [i+bar_width*2 for i in x_14] #设置图形大小 plt.figure(figsize=(20,8),dpi=80) plt.bar(range(len(a)),b_14,width=bar_width,label="9月14日") plt.bar(x_15,b_15,width=bar_width,label="9月15日") plt.bar(x_16,b_16,width=bar_width,label="9月16日") #设置图例 plt.legend(prop=my_font) #设置x轴的刻度************************** plt.xticks(x_15,a,fontproperties=my_font) plt.show()应用
•数量统计
•频率统计(市场饱和度)
matplotlib直方图12 【matplotlib常用统计图】04绘制直方图
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?
# coding=utf-8 from matplotlib import pyplot as plt from matplotlib import font_manager 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] #计算组数 d = 3 #组距 num_bins = (max(a)-min(a))//d print(max(a),min(a),max(a)-min(a)) print(num_bins) #设置图形的大小 plt.figure(figsize=(20,8),dpi=80) plt.hist(a,num_bins,normed=True) #设置x轴的刻度 plt.xticks(range(min(a),max(a)+d,d)) plt.grid() plt.show()应用
给出的数据都是统计之后的数据,
所以为了达到直方图的效果,需要绘制条形图
所以:一般来说能够使用plt.hist方法的的是那些没有统计过的数据
应用场景
•用户的年龄分布状态
•一段时间内用户点击次数的分布状态
•用户活跃时间的分布状态
matplotlib其他常用图plotly:可视化工具中的github,相比于matplotlib更加简单,图形更加漂亮,同时兼容matplotlib和pandas
使用用法:简单,照着文档写即可
文档地址: https*/plot.ly/python/*
