数据可视化-python

数据可视化

matplotlib，它是一个数学绘图库，我们将使用它来制作简单的图表，如折线图和散点图。然后，我们将基于随机漫步概念生成一个更有趣的数据集——根据一系列随机决策生成的图表。

Pygal包，它专注于生成适合在数字设备上显示的图表。通过使用Pygal，可在用户与图表交互时突出元素以及调整其大小，还可轻松地调整整个图表的尺寸，使其适合在微型智能手表或巨型显示器上显示。

1.生成数据

1.1matplotlib画廊

要查看使用matplotlib可制作的各种图表，请访问https://matplotlib.org的示例画廊。单击画廊中的图表，就可查看用于生成图表的代码。

中文文档地址：Matplotlib

1.2绘制简单折线图

1
2
3
4
5
import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()

我们首先导入了模块pyplot，并给它指定了别名plt，以免反复输入pyplot。在线示例大都这样做，因此这里也这样做。模块pyplot包含很多用于生成图表的函数。

我们创建了一个列表，在其中存储了前述平方数，再将这个列表传递给函数plot()，这个函数尝试根据这些数字绘制出有意义的图形。

如何让显示中文

如何电脑已安装了相应的字体如‘微软雅黑’，则可以设置plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']指定字体，即可实现中文显示。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import matplotlib.pyplot as plt
# from matplotlib.font_manager import FontProperties

# # 指定中文字体文件路径
# font_path = 'C:\Windows\Fonts\msyh.ttc'

# # 加载字体文件
# font_prop = FontProperties(fname=font_path)

# 设置中文显示
# plt.rcParams['font.family'] = font_prop.get_name()
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

squares = [1, 4, 9, 16, 25]
plt.plot(squares,linewidth=5)

plt.title("平方数折线图",fontsize=24)
plt.xlabel("数值",fontsize=14)
plt.ylabel("值的平方",fontsize=14)

plt.tick_params(axis='both',labelsize=24)

plt.show()

1.3使用scatter()绘制一系列点

要绘制一系列的点，可向scatter()传递两个分别包含x值和y值的列表。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import matplotlib.pyplot as plt

#图表标签及标题支持中文显示
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']


x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]

plt.scatter(x_values,y_values,s=100,c='#80bee1',linewidths=0.5)

plt.title("平方数散点图",fontsize=18)
plt.xlabel("X轴",fontsize=10)
plt.ylabel("Y轴",fontsize=10)

plt.tick_params(axis='both',labelsize=14)

plt.show()

1.4自动计算数据

手工计算列表要包含的值可能效率低下，需要绘制的点很多时尤其如此。可以不必手工计算包含点坐标的列表，而让Python循环来替我们完成这种计算。

matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。要删除数据点的轮廓，可在调用scatter()时传递实参edgecolor=’none’

自定义颜色

要修改数据点的颜色，可向scatter()传递参数c，并将其设置为要使用的颜色的名称，如下所示

1
plt.scatter(x_values, y_values, c='red', dgecolor='none', s=40)

你还可以使用RGB颜色模式自定义颜色：

1
plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)

值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅。

颜色映射

颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值

1
2
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, 
 edgecolor='none', s=40)

我们将参数c设置成了一个y值列表，并使用参数cmap告诉pyplot使用哪个颜色映射。这些代码将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色.

注意：要了解pyplot中所有的颜色映射，请访问http://matplotlib.org/，单击Examples，向下滚动到Color Examples，再单击olormaps_reference。

1.5自动保存图片

要让程序自动将图表保存到文件中，可将对plt.show()的调用替换为对plt.savefig()的调用：

1
plt.savefig('squares_plot.png', bbox_inches='tight')

第一个实参指定要以什么样的文件名保存图表，这个文件将存储到scatter_squares.py所在的目录中；第二个实参指定将图表多余的空白区域裁剪掉

1.6随机漫步

随机漫步是这样行走得到的路径：每次行走都完全是随机的，没有明确的方向，结果是由一系列随机决策决定的。

在自然界、物理学、生物学、化学和经济领域，随机漫步都有其实际用途。例如，漂浮在水滴上的花粉因不断受到水分子的挤压而在水面上移动。水滴中的分子运动是随机的，因此花粉在水面上的运动路径犹如随机漫步。我们稍后将编写的代码模拟了现实世界的很多情形。

RandomWalk类：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
from random import choice

class RandomWalk():
    """"一个生成随机漫步数据的类"""

    def __init__(self,num_points=5000):
        """"初始化随机漫步的属性"""
        self.num_points = num_points

        #所有的随机漫步都始于(0,0)
        self.x_values = [0]
        self.y_vlaues = [0]

    def fill_walk(self):
        """计算随机漫步包含的所有点"""

        #不断漫步，直到列表达到指定的长度
        while len(self.x_values) < self.num_points:
            #决定前进的方向及沿这个方向前进的距离
            x_direction = choice([1,-1])
            x_distance = choice([1,2,3,4])
            x_step = x_direction * x_distance

            y_direction = choice([1,-1])
            y_distance = choice([1,2,3,4,5])
            y_step = y_direction * y_distance

            #拒绝原地踏步
            if x_step ==0 and y_step ==0:
                continue

            #计算下一个点的x和y值
            next_x = self.x_values[-1] + x_step
            next_y = self.y_vlaues[-1] + y_step

            self.x_values.append(next_x)
            self.y_vlaues.append(next_y)

图形化展示：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import matplotlib.pyplot as plt

from random_walk import RandomWalk

#只要程序处于活动状态，就不断地模拟随机漫步
while True:
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    my_randomwalk = RandomWalk()
    my_randomwalk.fill_walk()

    #图形化显示
    plt.scatter(my_randomwalk.x_values,my_randomwalk.y_vlaues,s=10)
    plt.suptitle("随机漫步",fontproperties='SimHei')
    plt.show()

    keep_running = input("进行一个随机漫步吗？(y/n)")
    if keep_running == 'n':
        break

给点着色

我们将使用颜色映射来指出漫步中各点的先后顺序，并删除每个点的黑色轮廓，让它们的颜色更明显。为根据漫步中各点的先后顺序进行着色，我们传递参数c，并将其设置为一个列表，其中包含各点的先后顺序。由于这些点是按顺序绘制的，因此给参数c指定的列表只需包含数字1~5000

1
2
3
point_numbers = list(range(rw.num_points)) 
 plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, 
 edgecolor='none', s=15)

隐藏坐标轴

1
2
3
4
5
# 隐藏坐标轴,plt.scatter模式下：
plt.axis(False)
# ax.scatter模式下两种方式都可以：
ax.axis(False)
ax.xaxis.set_visible(False)

为修改坐标轴，使用了函数plt.axes()（见Ø）来将每条坐标轴的可见性都设置为False。随着你越来越多地进行数据可视化，经常会看到这种串接方法的方式。为修改坐标轴，使用了函数plt.axes()（见Ø）来将每条坐标轴的可见性都设置为False。随着你越来越多地进行数据可视化，经常会看到这种串接方法的方式。

chatgpt解释plt.scatter与ax.scatter的区别：

plt.scatter 和 ax.scatter 都用于绘制散点图，它们的区别在于使用的绘图方式和用法上略有不同。

plt.scatter 是 pyplot 模块提供的函数，它是面向过程的绘图方式。你可以直接调用 plt.scatter 来创建一个散点图，并且在同一个函数调用中设置图形的各种属性，如点的大小、颜色、标签等。这种方式适合简单的绘图需求。

示例：

1
2
3
4
5
6
7
8
9
10
>import matplotlib.pyplot as plt

>x = [1, 2, 3, 4]
>y = [5, 6, 7, 8]

>plt.scatter(x, y, marker='o', color='blue')
>plt.xlabel('X')
>plt.ylabel('Y')
>plt.title('Scatter Plot')
>plt.show()

ax.scatter 是使用面向对象的方式进行绘图，它需要先创建一个图形对象 fig 和一个子图对象 ax，然后通过 ax.scatter 调用子图对象的方法来创建散点图，并设置图形的属性。这种方式更灵活，适合复杂的图形绘制需求，可以通过操作子图对象来进行更多的自定义设置。

示例：

1
2
3
4
5
6
7
8
9
10
11
>import matplotlib.pyplot as plt

>x = [1, 2, 3, 4]
>y = [5, 6, 7, 8]

>fig, ax = plt.subplots()
>ax.scatter(x, y, marker='o', color='blue')
>ax.set_xlabel('X')
>ax.set_ylabel('Y')
>ax.set_title('Scatter Plot')
>plt.show()

总结来说，plt.scatter 是面向过程的方式，直接在当前图形上绘制散点图，而 ax.scatter 是面向对象的方式，需要先创建图形对象和子图对象，然后调用子图对象的方法来绘制散点图。使用面向对象的方式可以更灵活地控制图形的各个元素和属性。

1.7调整尺寸以适应屏幕

图表适合屏幕大小时，更能有效地将数据中的规律呈现出来。为让绘图窗口更适合屏幕大小，可像下面这样调整matplotlib输出的尺寸。

1
plt.figure(figsize=(10, 6))

可以增加分辨率参数：

1
2
3
plt.figure(dpi=128, figsize=(10, 6))

fig , ax = plt.subplots(dpi=128,figsize=(10,6))

1.8使用Pygal模拟掷骰子

在数学领域，常常利用掷骰子来解释各种数据分析。

要了解使用Pygal可创建什么样的图表，请查看图表类型画廊：访问http://www.pygal.org/，单击Documentation，再单击Chart types。每个示例都包含源代码，让你知道这些图表是如何生成的

设置刻度标签中文

1
2
3
ax.tick_params(axis='x')  # 设置刻度标签旋转角度
for label in ax.get_xticklabels():
    label.set_fontproperties('SimHei')

zip()函数的使用：

可以使用zip()函数将两个列表组合成一个元组列表。zip()函数将按索引位置将两个列表中的元素逐个配对，返回一个包含元组的迭代器。然后，你可以将迭代器转换为列表。以下是示例代码：

1
2
3
4
5
6
>list1 = [1, 2, 3]
>list2 = ['a', 'b', 'c']

>combined_list = list(zip(list1, list2))

>print(combined_list)

输出结果为：

1
>[(1, 'a'), (2, 'b'), (3, 'c')]

在示例中，zip(list1, list2)将列表list1和list2中的元素逐个配对，得到一个元组的迭代器。然后，通过list()函数将迭代器转换为列表，得到了一个包含元组的列表combined_list。

2.下载数据

要在文本文件中存储数据，最简单的方式是将数据作为一系列以逗号分隔的值（CSV）写入文件

csv模块包含在Python标准库中，可用于分析CSV文件中的数据行。

  • enumerate()：用来获取每个元素的索引及其值。

2.1模块datetime()

方法strptime()可接受各种实参，并根据它们来决定如何解读日期:

实参 含义
%A 星期的名称，如Monday
%B 月份名，如January
%m 用数字表示的月份（01~12）
%d 用数字表示月份中的一天（01~31）
%Y 四位的年份，如2015
%y 两位的年份，如15
%H 24小时制的小时数（00~23）
%I 12小时制的小时数（01~12）
%p am或pm
%M 分钟数（00~59）
%S 秒数（00~61）

2.2fill_between()方法

fill_between()，它接受一个x值系列和两个y值系列，并填充两个y值系列之间的空间

1
2
3
plt.plot(dates, highs, c='red', alpha=0.5) 
plt.plot(dates, lows, c='blue', alpha=0.5)
plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)

实参alpha指定颜色的透明度。Alpha值为0表示完全透明，1（默认设置）表示完全不透明。通过将alpha设置为0.5，可让红色和蓝色折线的颜色看起来更浅。

我们向fill_between()传递了一个x值系列：列表dates，还传递了两个y值系列：highs和lows。实参facecolor指定了填充区域的颜色，我们还将alpha设置成了较小的值0.1，让填充区域将两个数据系列连接起来的同时不分散观察者的注意力

3.人口地图数据

Pygal中的地图制作工具要求数据为特定的格式：用国别码表示国家，以及用数字表示人口数量。处理地理政治数据时，经常需要用到几个标准化国别码集。

我们的数据中，国别码是三位的，而pygal的地图工具使用两位国别码。要使用pygal绘制世界地图。需要安装依赖包。

1
pip install pygal_maps_world

国别码位于i18n模块

from pygal_maps_world.i18n import COUNTRIES这样就导入了, COUNTRIES是一个字典，键是两位国别码，值是具体国家名。

1
2
for code, name in COUNTRIES.items():
    print(f'{name} : {code}')

完整代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
import json
import pygal

from countries_codes import get_country_code

filename = r'E:\Learning\python\16_下载数据\population_json.json'

with open(filename) as f:
    pop_data = json.load(f)

cc_population = {}
for pop_dict in pop_data:
    if pop_dict['Year'] == 2016:
        country = pop_dict['Country Name']
        population = pop_dict['Value']
        code = get_country_code(country)
        if code:
            cc_population[code] = population

# print(cc_population)
cc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {}

for cc,pop in cc_population.items():
    if pop < 100000000:
        cc_pops_1[cc] = pop
    elif pop < 1000000000:
        cc_pops_2[cc] = pop
    else:
        cc_pops_3[cc] = pop

wm = pygal.maps.world.World()
wm.title = '2016年世界人口分布'

wm.add('0-10m', cc_pops_1) 
wm.add('10m-1bn', cc_pops_2) 
wm.add('>1bn', cc_pops_3)

# wm.add('2016',cc_population)
# wm.add('North America', ['us','ca','mx'])
# wm.add('Central America', ['bz', 'cr', 'gt', 'hn', 'ni', 'pa', 'sv']) 
# wm.add('South America', ['ar', 'bo', 'br', 'cl', 'co', 'ec', 'gf', 
#                          'gy', 'pe', 'py', 'sr', 'uy', 've'])

wm.render_to_file("world-population.svg")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
from pygal_maps_world.i18n import COUNTRIES


def get_country_code(country_name):
    """根据国家名，返回2位的国别代码"""
    for code,name in COUNTRIES.items():
        if country_name == name:
            return code
        elif country_name == 'Congo, Rep.':
            return 'cg'
        elif country_name == 'Congo, Dem. Rep.':
            return 'cd'
        elif country_name == 'Yemen, Rep.':
            return 'ye'
        elif country_name == 'Korea, Dem. People’s Rep.':
            return 'kp'
        elif country_name == 'Korea, Rep.':
            return 'kr'
        elif country_name == 'Libya':
            return 'ly'

    return None

人口数据：

population_json.json

学习
#python
数据可视化-python
http://www.okko.tk/2023/06/05/数据可视化-python/
作者
ZhJy
发布于
2023年6月5日
许可协议