day27-2 pandas模块

目录

• matplotlib
  • 尚
    • 折线图
    • 柱状图
      • 画出各个国家或者地区电影的数量
    • 饼状图
      • cut方法
  • NICK
  • 条形图
  • 直方图
  • 折线图
  • 散点图

matplotlib

• 图形可视化，主要用来画图
• 别问，问就是看不懂

尚

折线图

# 一般使用下面的这个语句，设置字体编码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# cmd命令行用ipython也可以执行这些代码
x = [10,2,3]
y = [11,23,10]
plt.title('标题', fontsize=20, color='red')
plt.ylabel('y轴', fontsize=20, color='green')
plt.xlabel('x轴', fontsize=20)
# plt.plot(x, y, linestyle=':', marker='v')   #### 画折线图
plt.plot(x, y,'--v' )
plt.show()

柱状图

• 豆瓣电影数据为例，画出需求图

movies  = pd.read_csv('douban_movie.csv')
movies.head()

	名字	投票人数	类型	产地	上映时间	时长	年代	评分	首映地点
0	肖申克的救赎	692795.0	剧情/犯罪	美国	1994-09-10 00:00:00	142	1994	9.6	多伦多电影节
1	控方证人	42995.0	剧情/悬疑/犯罪	美国	1957-12-17 00:00:00	116	1957	9.5	美国
2	美丽人生	327855.0	剧情/喜剧/爱情	意大利	1997-12-20 00:00:00	116	1997	9.5	意大利
3	阿甘正传	580897.0	剧情/爱情	美国	1994-06-23 00:00:00	142	1994	9.4	洛杉矶首映
4	霸王别姬	478523.0	剧情/爱情/同性	中国大陆	1993-01-01 00:00:00	171	1993	9.4	香港

画出各个国家或者地区电影的数量

res = movies.groupby('产地').size().sort_values(ascending=False)	# 根据产地分组，降序显示数量
x = res.index
y = res.values
plt.figure(figsize=(20,6))	# 设置画布大小
plt.title('各个国家或者地区电影的数量', fontsize=20, color='red')	# 设置标题
plt.xlabel('产地', fontsize=20)	# x轴标题
plt.ylabel('数量', fontsize=18)	# y轴标题
plt.xticks(fontsize=15, rotation=45)	# x轴刻度，rotation代表旋转多少度
for a, b in zip(x, y):
    # text就是写值，a,b+100是代表写的做表，b是代表要写的值，horizontalalignment代表些的位置
    plt.text(a,b+100, b, fontsize=15, horizontalalignment='center')	
plt.bar(x, y)	# bar代表柱状图
plt.show()
plt.savefig('a.jpg')	# 保存

饼状图

• 根据电影的长度绘制饼图

cut方法

pd.cut( np.array([0.2, 1.4, 2.5, 6.2, 9.7, 2.1]),  [1,2,3] )  # 判断值是否在(1,2]  (2,3]区间中

[NaN, (1.0, 2.0], (2.0, 3.0], NaN, NaN, (2.0, 3.0]]
Categories (2, interval[int64]): [(1, 2] < (2, 3]]

df = movies.head()
df

	名字	投票人数	类型	产地	上映时间	时长	年代	评分	首映地点
0	肖申克的救赎	692795.0	剧情/犯罪	美国	1994-09-10 00:00:00	142	1994	9.6	多伦多电影节
1	控方证人	42995.0	剧情/悬疑/犯罪	美国	1957-12-17 00:00:00	116	1957	9.5	美国
2	美丽人生	327855.0	剧情/喜剧/爱情	意大利	1997-12-20 00:00:00	116	1997	9.5	意大利
3	阿甘正传	580897.0	剧情/爱情	美国	1994-06-23 00:00:00	142	1994	9.4	洛杉矶首映
4	霸王别姬	478523.0	剧情/爱情/同性	中国大陆	1993-01-01 00:00:00	171	1993	9.4	香港

s = np.array(df['时长'])
'8U' in s	# 垃圾数据
np.where('8U' == s)

(array([31644], dtype=int64),)

'12J' in s
np.where('12J' ==  s)

(array([32948], dtype=int64),)

s = np.delete(s, 31644, axis=0)
s = np.delete(s, 32947, axis=0)	# 删了就会少一行
np.where('12J' == s)

(array([], dtype=int64),)

data = pd.cut(s.astype('float'), [0,60,90,110,1000]).value_counts()	# astype：强制转换
data

(0, 60]        10323
(60, 90]        7727
(90, 110]      13233
(110, 1000]     7449
dtype: int64

x = data.index
y = data.values
plt.figure(figsize=(10,6))
plt.title('电影时长分布图')
patchs, l_text, p_text = plt.pie(y, labels=x, autopct='%0.2f%%', colors='bgry')	# pie画饼图
for i in p_text:
    i.set_size(15)
    i.set_color('w')
for l in l_text:
    l.set_size(20)
    l.set_color('r')
plt.show()

NICK

条形图

import matplotlib.pyplot as plt
# 只识别英语，所以通过以下两行增加中文字体
from matplotlib.font_manager import FontProperties
# 字体路径根据电脑而定
font = FontProperties(fname='M:\STKAITI.TTF')
# jupyter 默认不显示图片，通过这一行告诉他显示
%matplotlib inline
classes = ['1班', '2班', '3班', '4班'] # 相当于columns
student_amounts = [30, 20, 30, 40]   # 值
classes_index = range(len(classes))    # [0, 1, 2, 3]
plt.bar(classes_index, student_amounts)
plt.xticks(classes_index, classes, FontProperties=font)
for ind,student_amount in enumerate(student_amounts):
    print(ind,student_amount)
    plt.text(ind,student_amount+1,student_amount)
plt.xlabel('班级', FontProperties=font)
plt.ylabel('学生人数', FontProperties=font)
plt.title('班级-学生人数', FontProperties=font)
plt.show()

0 30
1 20
2 30
3 40

直方图

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
%matplotlib inline
font = FontProperties(fname='M:\STKAITI.TTF')
mu1, mu2, sigma = 50, 100, 10
x1 = mu2 + sigma * np.random.randn(10000)
print(x1)

[ 93.49947877  86.87378653  98.0194217  ... 108.33555519  90.58512015
 102.19048574]

x1 = np.random.randn(10000)
print(x1)

[ 0.85927045 -0.8061112   1.30878058 ... -0.32700199 -0.67669564
  0.25750884]

x2 = mu2 + sigma*np.random.randn(10000)
print(x2)

[101.62589858 109.86489987 117.41374105 ...  97.52364544 107.21076273
  99.56765772]

plt.hist(x1, bins=100)
plt.hist(x2, bins=100)
plt.show()

plt.style.use('ggplot')
fig = plt.figure()
# 相当于把一整块画板分成了1行2列的两个画板
ax1 = fig.add_subplot(121)
ax1.hist(x1, bins=100, color='red')
ax1.set_title('红色', fontproperties=font)
ax2 = fig.add_subplot(122)
ax2.hist(x2, bins=100, color='yellow')
ax2.set_title('黄色', fontproperties=font)
fig.suptitle('大标题', fontproperties=font, fontsize=15, weight='bold')
plt.show()

折线图

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
%matplotlib inline
font = FontProperties(fname='M:\STKAITI.TTF')

plt.style.use('ggplot')
np.random.seed(1)
data1 = np.random.rand(40).cumsum()
data2 = np.random.rand(40).cumsum()
data3 = np.random.rand(40).cumsum()
data4 = np.random.rand(40).cumsum()

plt.plot(data1, color='r', linestyle='-', alpha=0.5, label='红色')
plt.plot(data2, color='green', linestyle='--', label='绿色')
plt.plot(data3, color='yellow', linestyle=':', label='黄色')
plt.plot(data4, color='blue', linestyle='-.', label='蓝色')
plt.legend(prop=font)
plt.show()

arr = np.array([1, 2, 3, 4])
arr.cumsum()#   1,1+2,1+2+3,1+2+3+4

array([ 1,  3,  6, 10], dtype=int32)

散点图

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
%matplotlib inline
font = FontProperties(fname='M:\STKAITI.TTF')

x = np.arange(1, 20)
x

array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19])

y_linear = x**2
y_linear

array([  1,   4,   9,  16,  25,  36,  49,  64,  81, 100, 121, 144, 169,
       196, 225, 256, 289, 324, 361], dtype=int32)

y_log = np.log(x)
y_log

array([0.        , 0.69314718, 1.09861229, 1.38629436, 1.60943791,
       1.79175947, 1.94591015, 2.07944154, 2.19722458, 2.30258509,
       2.39789527, 2.48490665, 2.56494936, 2.63905733, 2.7080502 ,
       2.77258872, 2.83321334, 2.89037176, 2.94443898])

fig = plt.figure()
ax1 = fig.add_subplot(311)
ax1.scatter(x, y_linear, color='red', marker='o', s=100)
ax1.scatter(x, y_log, color='blue', marker='*', s=30)
ax1.set_title('scatter')
ax2 = fig.add_subplot(313)
ax2.plot(x, y_linear)
ax2.plot(x, y_log)
ax2.set_title('plot')
plt.plot
plt.show()