首页 > 编程语言 >Python数据分析

Python数据分析

时间:2022-11-16 21:23:00浏览次数:68  
标签:数据分析 10 None plt Python print np array

一、Python数据分析之Numpy

0.数组的引入

  • 假设我们想将列表中的每个元素增加1,但列表不支持这样的操作:

    a = [1,2,3,4]
    a+1 #报错
    #但可以这样操作
    [x+1 for x in a]
    
  • 数组与另一个数组相加,得到对应元素相加的结果:

    a = [1,2,3,4]
    b = [2,3,4,5]
    a+b #[1, 2, 3, 4, 2, 3, 4, 5]并不是我们想要的结果
    
    [x+y for(x,y) in zip(a,b)]  #都需要利用到列表生成式
    
  • 这样的操作比较麻烦,而且在数据量特别大的时候会非常耗时间。如果我们使用Numpy,就会变得特别简单

1.创建数组

  1. 先导入numpy包,有三种导入方式

    #import numpy
    import numpy as np#导入numpy包并起别名为np
    #from numpy import *
    
  2. 使用np.array()创建:从其他python结构(如列表,元组)转换

    l = [0,1,2,3]
    print(l)#[0, 1, 2, 3]
    a = np.array([0,1,2,3])
    print(a,type(a))#[0 1 2 3] <class 'numpy.ndarray'>
    a = np.array([[0,1,2,3],[10,11,12,13]])#创建二维数组
    
  3. NumPy 原生数组的创建(如 arange、ones、zeros等)

    • np.arange(start, end, step):返回一个ndarray对象, 起始值为start,终止值为end,但不含终止值,步长为step

      a = np.arange(1,10,0.5) #左闭右开区间,和range的使用方式同理
      print(a,type(a))#[1.  1.5 2.  2.5 3.  3.5 4.  4.5 5.  5.5 6.  6.5 7.  7.5 8.  8.5 9.  9.5] <class 'numpy.ndarray'>
      
    • np.ones(shape, dtype=None):函数返回给定形状和数据类型的新数组,其中元素的值设置为1

      one=np.ones(5,dtype="bool")
      print(one,type(one))#[ True  True  True  True  True] <class 'numpy.ndarray'>
      array_2d = np.ones((2, 3))
      print(array_2d,array_2d.dtype)#
      [[1. 1. 1.]
       [1. 1. 1.]] float64
      
    • np.zeros(shape,dtype=None):函数返回给定形状和数据类型的新数组,其中元素的值设置为0

      • 用法同ones()
    • np.linspace(start,stop,num):指定间隔起始点、终止端,以及指定分隔值总数(包括起始点和终止点),最终函数返回间隔类均匀分布的数值数组

      该函数共有7个参数,主要介绍前面3个

      • start:数据的起始点,即区间的最小值

      • stop:数据的结束点,即区间的最大值

      • num:数据量,可以理解成分割了多少份,不写默认为50

        a = np.linspace(1,50) #右边是包括在里面的,从a-->b一共c个数的等差数列
        print(a)#
        [ 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. 45. 46. 47. 48. 49. 50.]
        a = np.linspace(1,50,10)
        print(a)#
        [ 1.          6.44444444 11.88888889 17.33333333 22.77777778 28.22222222
         33.66666667 39.11111111 44.55555556 50.        ]
        
    • Numpy中的random.rand(d0,d1,…,dn)主要用于返回一个或一组0到1之间的随机数或随机数组

      • dn表示每个维度

      • 示例:

        np.random.rand(2,3)
        #array([[0.34510296, 0.26100149, 0.55205447],
               [0.1093094 , 0.43907452, 0.29931807]])
        
    • numpy.random.randn(d0,d1,…,dn):返回一个或一组样本,具有标准正态分布

      • 用法同rand()

      • 示例:

        np.random.randn(10) #标准正态分布
        array([-1.4237624 ,  1.63058904, -1.9223658 ,  0.17736421,  0.54337908,
               -1.46049834,  0.2146448 , -0.32785131, -1.08990638, -0.75152502])
        
    • numpy.random.randint(low, high=None, size=None, dtype=’l’):返回随机整数,范围区间为[low,high),包含low,不包含high

      • 参数:low为最小值,high为最大值,size为数组大小(没写默认为1),dtype为数据类型,默认的数据类型是np.int

      • high没有填写时,默认生成随机数的范围是[0,low)

        np.random.randint(1,20,10) #生成随机整数,从1-20中随机10个
        
  4. 注意:

    • numpy默认ndarray的所有元素的类型是相同的

    • 如果传进来的列表中包含不同的类型,则统一为同一类型,优先级:str>float>int

    • 示例:

      c = np.array([4,23.4,12.4])
      print(c,c.dtype)#[ 4.  23.4 12.4] float64
      # 如果既有字符串,又有数字,按照优先级,统一为字符串
      b = np.array(["你好帅",2,3,4])
      print(b,b.dtype)#['你好帅' '2' '3' '4'] <U3
      

2.数组的属性

  1. 查看数组中元素类型dtype

    a=np.random.rand(2,3)
    a.dtype#dtype('float64')
    
    • 类型转换

      • 利用dtype属性

        a = np.array([1.5,-3],dtype = int)
        a#array([ 1, -3])
        
      • astype方法:返回一个新数组

        a = np.array([1,2,3])
        a.astype(float)#array([1., 2., 3.])
        
  2. 查看数组的形状shape

    a.shape#(2, 3)
    np.shape(a)#另一种写法
    
  3. 查看数组元素的个数size

    a.size#6
    
  4. 查看数组的维度ndim

    a.ndim#2
    

3.数组的基本操作

3.1 索引

  1. 一维数组与列表基本一致

    a = np.array([0,1,2,3])
    a[0]#0
    a[0] = 10
    a#array([10,  1,  2,  3])
    
  2. 二维数组

    a = np.array([[0,1,2,3],[10,11,12,13]])
    a[1,3]#13
    a[1][3]#另一种写法
    #其中,1是行索引,3是列索引,中间用逗号隔开。事实上,Python会将它们看成一个元组(1,3),然后按照顺序进行对应。
    #事实上,我们还可以使用单个索引来索引一整行内容:
    a[1]#array([10, 11, 12, -1])
    

3.2 切片

  1. 数组中的切片与列表中基本相同

  2. 示例:

    a = np.array([11,12,13,14,15])
    a[1:3] #左闭右开,从0开始算array([12, 13])
    a[1:-2] #等价于a[1:3]
    
    a = np.array([[0,1,2,3,4,5],[10,11,12,13,14,15],[20,21,22,23,24,25],[30,31,32,33,34,35],[40,41,42,43,44,45],[50,51,52,53,54,55]])
    a#
    array([[ 0,  1,  2,  3,  4,  5],
           [10, 11, 12, 13, 14, 15],
           [20, 21, 22, 23, 24, 25],
           [30, 31, 32, 33, 34, 35],
           [40, 41, 42, 43, 44, 45],
           [50, 51, 52, 53, 54, 55]])
    #想得到第一行的第4和第5两个元素
    a[0,3:5]#array([3, 4])
    #得到第三列
    a[:,2]#array([ 2, 12, 22, 32, 42, 52])
    
  3. 注意:在数组中切片在内存中使用的是引用机制

    a = np.array([0,1,2,3,4])
    b = a[2:4]
    print(b)#[2 3]
    b[0] = 10
    a#array([ 0,  1, 10,  3,  4])
    #引用机制意味着,Python并没有为b分配新的空间来存储它的值,而是让b指向了a所分配的内存空间,因此,改变b会改变a的值
    
    #而这种现象在列表中并不会出现
    a = [1,2,3,4,5]
    b = a[2:4]
    b[0] = 10
    print(a)#[1, 2, 3, 4, 5]
    

3.3花式索引

  • 切片只能支持连续或者等间隔的切片操作,要想实现任意位置的操作。需要使用花式索引 fancy slicing。

    1. 一维花式索引

      • 指定索引位置
      a = np.arange(0,100,10)
      #array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
      index = [1,2,-3]
      y = a[index]
      print(y,type(y))#[10 20 70] <class 'numpy.ndarray'>
      
      • 使用布尔数组
      #mask必须是布尔数组,长度必须和数组长度相等
      mask = np.array([0,2,2,0,0,1,0,0,1,0],dtype = bool)
      mask#
      array([False,  True,  True, False, False,  True, False, False,  True,
             False])
      a[mask]#array([10, 20, 50, 80])
      
    2. 二维花式索引

      • 对于二维花式索引,我们需要给定行和列的值
      a = np.array([[0,1,2,3,4,5],[10,11,12,13,14,15],[20,21,22,23,24,25],[30,31,32,33,34,35],[40,41,42,43,44,45],[50,51,52,53,54,55]])
      
      a[(0,1,2,3,4),[1,2,3,4,5]]#元组或者列表都可以
      array([ 1, 12, 23, 34, 45])#array([ 1, 12, 23, 34, 45])
      
      #返回的是最后三行的1,3,5列
      a[3:,[0,2,4]]
      #array([[30, 32, 34],
             [40, 42, 44],
             [50, 52, 54]])
      
      • 使用mask(bool数组)进行索引
      mask = np.array([1,0,1,0,0,1],dtype = bool)
      a[mask,2]#array([ 2, 22, 52])
      
    3. 注意:与切片不同,花式索引返回的是原对象的一个复制而不是引用

3.4 "不完全"索引

  • 对于二维数组只给定一个索引时,为行索引

    y = a[:3]
    y#
    array([[ 0,  1,  2,  3,  4,  5],
           [ 1,  1,  1,  1,  1,  1],
           [20, 21, 22, 23, 24, 25]])
    

3.5 数组变形

  1. 利用shape属性

    a = np.arange(6)#array([0, 1, 2, 3, 4, 5])
    a.shape=(2,3)
    a
    #array([[0, 1, 2],
           [3, 4, 5]])
    a.shape#(2, 3)
    
  2. 使用reshape()函数:它不会修改原来数组的值,而是返回一个新的数组

    a = np.arange(6)
    arr=a.reshape(2,3)
    print(arr)#
    array([[0, 1, 2],
           [3, 4, 5]])
    a#没变
    
  3. 数组转置 T(转置)

    a=np.array([[0, 1, 2],
           [3, 4, 5]])
    print(a.T)
    [[0 3]
     [1 4]
     [2 5]]
    print(a)
    [[0 1 2]
     [3 4 5]]
    #转置不会改变原值
    a.transpose()#另一种写法
    

4.数组聚合操作

  • 聚合操作:指的是在数据查找基础上对数据的进一步整理筛选行为
  1. 求和np.sum(a,axis=None)

    • axis参数:

      • 当axis=0时,对列进行聚合操作
      • 当axis=1时,对行进行聚合操作
    • 示例:

      ##评分人数
      mv_num = np.array([692795,42995,327855,580897,478523,157074,306904,662552,284652,159302])
      np.sum(mv_num)#3693549
      mv_num.sum()#另一种写法
      
      a = np.array([[0,1,2,3],[10,11,12,13]])
      a.sum(axis=0)#array([10, 12, 14, 16])
      a.sum(axis=1)#array([ 6, 46])
      
  2. 最大最小值np.max()/np.min()

    • 用法同sum()
  3. 平均值np.mean()

    • 用法同sum()
  4. 标准差np.std()

    • 用法同sum()
  5. 相关系数矩阵numpy.cov()

    ##评分
    mv_score = np.array([9.6,9.5,9.5,9.4,9.4,9.4,9.4,9.3,9.3,9.3])
    ##电影时长(分钟)
    mv_length = np.array([142,116,116,142,171,194,195,133,109,92])
    np.cov(mv_score,mv_length)
    #array([[9.88888889e-03, 4.55555556e-01],
           [4.55555556e-01, 1.26288889e+03]])
    
  6. 数组排序

    1. np.sort(a, axis=1, kind='quicksort', order=None)
    • a:所需排序的数组

    • axis:数组排序时的基准,axis = 0,按列排列;axis = 1 ,按行排列(默认axis=1)

    • kind:数组排序时使用的方法,其中:kind = ′quicksort′为快排;kind = ′mergesort′为混排;kind = ′heapsort′为堆排

    • 示例:

      arr = np.array([[3, 2, 4], [5, 0, 1]])
      
      print(np.sort(arr))
      [[2 3 4]
       [0 1 5]]
      print(np.sort(arr,axis=0))
      [[3 0 1]
       [5 2 4]]
      
    1. np.argsort(a, axis=1, kind='quicksort', order=None)
    • 返回从小到大的排列在数组中的索引位置

    • 用法与sort基本一致

    • 示例:

      ##评分人数
      mv_num = np.array([692795,42995,327855,580897,478523,157074,306904,662552,284652,159302])
      order = np.argsort(mv_num)
      order#array([1, 5, 9, 8, 6, 2, 4, 3, 7, 0], dtype=int64)
      
      arr = np.array([[3, 2, 4], [5, 0, 1]])
      order=np.argsort(arr)
      order#
      array([[1, 0, 2],
             [1, 2, 0]], dtype=int64)
      

5.数组连接

  1. 有时候我们需要将不同的数组按照一定的顺序连接起来,此时便可以用到concatenate((a0,a1,...,aN),axis = 0)

    • aN表示数组

    • axis表示按什么方向进行连接,默认为0,即按列连接

    • 数组为一维数组(向量)直接在其后面进行连接

      arr1 = np.array([1, 2, 3])
      
      arr2 = np.array([4, 5, 6])
      
      arr = np.concatenate((arr1, arr2))
      print(arr1.shape,arr2.shape)#(3,) (3,)
      print(arr)#[1 2 3 4 5 6]
      
    • 数组为二维数组

      arr1 = np.array([[1, 2, 3]])
      
      arr2 = np.array([[4, 5, 6]])
      
      arr = np.concatenate((arr1, arr2))
      print(arr1.shape,arr2.shape)#(1, 3) (1, 3)
      print(arr)
      #[[1 2 3]
      #[4 5 6]]
      arr = np.concatenate((arr1, arr2),axis=1)
      print(arr)#[[1 2 3 4 5 6]]
      
  2. hstack() 沿行堆叠

    arr1 = np.array([1, 2, 3])
    
    arr2 = np.array([4, 5, 6])
    
    arr = np.hstack((arr1, arr2))
    
    print(arr)#[1 2 3 4 5 6]
    
  3. vstack() 沿列堆叠

    arr1 = np.array([1, 2, 3])
    
    arr2 = np.array([4, 5, 6])
    
    arr = np.vstack((arr1, arr2))
    
    print(arr)
    #[[1 2 3]
     [4 5 6]]
    
  4. dstack() 沿高度堆叠,该高度与深度相同

    arr1 = np.array([1, 2, 3])
    
    arr2 = np.array([4, 5, 6])
    
    arr = np.dstack((arr1, arr2))
    
    print(arr)#
    [[[1 4]
      [2 5]
      [3 6]]]
    

6.numpy内置函数

  1. np.abs(a):绝对值函数,其中a为数组

  2. np.exp(a):指数函数即 \(e^x\)

    示例:

    a = np.array([-1,1,0,-2])
    np.exp(a) #array([0.36787944, 2.71828183, 1.        , 0.13533528])
    
  3. np.median(a):中值函数

    np.median(a) #中值-0.5
    
  4. np.cumsum(a):累积和函数

    np.cumsum(a) #累积和
    #array([-1,  0,  0, -2], dtype=int32)
    
  5. numpy.where(condition):输出满足条件元素的坐标

    a = np.array([0,12,5,20])
    b=np.where(a>10)
    print(b,type(b))#(array([1, 3], dtype=int64),) <class 'tuple'>
    
  6. numpy的内置函数非常多,不需要死记,懂得查资料

    https://blog.csdn.net/nihaoxiaocui/article/details/51992860?locationNum=5&fps=1

7.numpy mat的使用

虽然array也可以进行运算,但mat更符合矩阵

  • numpy.mat(data, dtype=None):将数据转化成矩阵类型

    • Parameters 参数介绍

      • data:array_like 数组、列表之类
      • dtype:data-type Data-type of the output matrix
    • Returns 返回值:matrix

  • 索引

    m= np.mat([1,2,3])  #创建矩阵
    m[0]                #取一行
    m[0,1]              #第一行,第2个数据
    m[0][1]             #注意不能像数组那样取值了,这样写会报错
    
  • 示例:

    A=np.array([[1,2,3],[4,5,6]])
    A1=np.mat(A)
    print(A1,type(A1))
    #结果
    [[1 2 3]
     [4 5 6]] <class 'numpy.matrix'>
    
    #也可以直接传参数
    B=np.mat('1 2 3;4 5 6')#单引号,双引号均可
    print(B,type(B))
    #结果
    [[1 2 3]
     [4 5 6]] <class 'numpy.matrix'>
    

    注:如果输入本身就是一个矩阵,则np.mat不会对该矩阵make a copy.仅仅是创建了一个新的引用。np.matrix(data, copy = True)创建了一个新的相同的矩阵。当修改新矩阵时,原来的矩阵不会改变。

    #导入模块
    import numpy as np
    
    #创建ndarray二维数组
    x = np.array([[1, 2], [3, 4]])
    
    #生成 <class 'numpy.matrix'> 矩阵
    m = np.mat(x)
    
    #打印 m 矩阵
    print(m)
    [[1 2]
     [3 4]]
    #如果此时修改 x 数组,m矩阵也会随之发生变化
    x[0,0] = 5
    print(m)
    [[5 2]
     [3 4]]
    

8.矩阵的相关运算

  1. 矩阵乘法

    • 数据结构为numpy.ndarray(数组) 或者numpy.matrix(矩阵)可以使用numpy.dot(a, b, out=None)

      • a : ndarray 数组
      • b : ndarray 数组
      • out : ndarray, 可选,用来保存dot()的计算结果
    • 数据结构为numpy.matrix(矩阵)时也可以使用星号(*)

    • 示例:

      #矩阵
      A=np.mat("1;2;3")
      B=np.mat('1 2 3;4 5 6')
      np.dot(B,A)
      #B*A 矩阵乘法要注意先后顺序
      #B.dot(A)另一种写法
      #结果
      matrix([[14],
              [32]])
      #数组
      A=np.array([[1],[2],[3]])
      print(A.shape)#(3, 1)
      B=np.array([[1,2,3],[4,5,6]])
      print(B.shape)#(2, 3)
      B.dot(A)
      #输出结果
      array([[14],
             [32]])
      B*A#会报错,对于数组*计算的时对应位置的乘法,需要两个数组的形状相同
      #operands could not be broadcast together with shapes (2,3) (3,1) 
      
  2. 矩阵对应元素相乘

    • np.multiply():数组和矩阵对应位置相乘,输出与相乘数组/矩阵的大小一致

    • 数据结构为numpy.ndarray(数组)时也可以使用星号(*)

    • 示例

      #数组
      A=np.array([[1,1,1],[2,2,2]])
      B=np.array([[1,2,3],[4,5,6]])
      B*A
      np.multiply(A,B)
      #输出结果
      array([[ 1,  2,  3],
             [ 8, 10, 12]])
      #矩阵
      A=np.mat(A)
      B=np.mat(B)
      np.multiply(A,B)
      #输出结果
      matrix([[ 1,  2,  3],
              [ 8, 10, 12]])
      
  3. 计算矩阵的行列式值

    • numpy.linalg.det() 函数计算输入矩阵的行列式

    • 示例

      import numpy as np
      a = np.array([[1,2], [3,4]]) 
       
      print (np.linalg.det(a))#-2.0
      
  4. 逆矩阵

    • numpy.linalg.inv():函数计算矩阵的乘法逆矩阵

    • 示例

      x = np.array([[1,2],[3,4]]) 
      y = np.linalg.inv(x) 
      print (x)
      print (y)
      print (np.dot(x,y))
      #输出结果
      [[1 2]
       [3 4]]
      
      [[-2.   1. ]
       [ 1.5 -0.5]]
      #近似于E
      [[1.00000000e+00 1.11022302e-16]
       [0.00000000e+00 1.00000000e+00]]
      
  5. 解线性方程组

    • linalg.solve(a,b)形如:AX = B

      • a:Coefficient matrix(系数矩阵)
      • b:列向量
    • 示例:Solve the system of equations

      x0 + 2 * x1 = 1 and

      3 * x0 + 5 * x1 = 2

      a = np.array([[1, 2], [3, 5]])
      b = np.array([1, 2])
      x = np.linalg.solve(a, b)
      x
      array([-1.,  1.])
      

二、Pandas

1.Pandas基本介绍

Python Data Analysis Library 或 Pandas是基于Numpy的一种工具,该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

2.Pandas 基本数据结构

  • pandas有两种常用的基本结构:
    • Series:
      • 带标签的一维数组,与Numpy中的一维array类似。二者与Python基本的数据结构List也很接近。Series可存储整数、浮点数、字符串、Python 对象等类型的数据
    • DataFrame:
      • 二维的表格型数据结构,可以将DataFrame理解为Series的容器。

3.Series 的创建

  1. series由两部分组成

    • values:一组数据(ndarray类型)

    • index:相关的数据索引标签

    • 形式如下:

      图片名称

  2. Pandas 使用 Series() 函数来创建 Series 对象

    • pandas.Series( data, index, dtype, name, copy)

      • data:一组数据(ndarray 类型)
      • index:数据索引标签,如果不指定,默认从 0 开始
      • dtype:数据类型,默认会自己判断
      • name:设置名称
      • copy:拷贝数据,默认为 False
    • 创建一个空series对象

      #输出数据为空
      s = pd.Series()
      print(s,type(s))#Series([], dtype: float64) <class 'pandas.core.series.Series'>
      
    • 用列表list构建Series

      my_list=[7,'Beijing','19大',3.1415,-10000,'Happy']
      s=pd.Series(my_list)
      print(type(s))
      print(s)
      #输出结果
      <class 'pandas.core.series.Series'>
      0           7
      1     Beijing
      2        19大
      3      3.1415
      4      -10000
      5       Happy
      dtype: object
      
      • pandas会默认用0到n来做Series的index,但也可以自己指定index

        s=pd.Series([7,'Beijing','19大',3.1415,-10000,'Happy'],
        index=['A','B','C','D','E','F'])
        print(s)
        #输出结果
        A           7
        B     Beijing
        C        19大
        D      3.1415
        E      -10000
        F       Happy
        dtype: object
        
    • ndarray创建Series对象

      d=pd.Series(np.random.randn(5),index=['a','b','c','d','e'])
      print(d)
      #输出结果
      a   -0.329401
      b   -0.435921
      c   -0.232267
      d   -0.846713
      e   -0.406585
      dtype: float64
      
    • 用字典dict来构建Series,因为Series本身其实就是key-value的结构

      cities={'Beijing':55000,'Shanghai':60000,'shenzhen':50000,'Hangzhou':20000,'Guangzhou':45000,'Suzhou':None}
      apts=pd.Series(cities,name='income')
      print(apts)
      #输出结果
      Beijing      55000.0
      Guangzhou    45000.0
      Hangzhou     20000.0
      Shanghai     60000.0
      Suzhou           NaN
      shenzhen     50000.0
      Name: income, dtype: float64
      

4.访问Series数据

4.1 索引—index

s = pd.Series([1,3,5,np.nan,6,8])
print(s.index,type(s.index))
#结果
#默认情况下,Series的下标都是数字(可以使用额外参数指定),类型是统一的。
RangeIndex(start=0, stop=6, step=1) <class 'pandas.core.indexes.range.RangeIndex'>

s.index.name = '索引'
s
#
索引
0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

4.2 值—values

new_s=s.values
print(new_s,type(new_s),new_s.dtype)
#结果
[ 1.  3.  5. nan  6.  8.] <class 'numpy.ndarray'> float64

4.3 切片

s[2:5] #左闭右开
#结果
2    5.0
3    NaN
4    6.0
dtype: float64

s[::2]
#结果
0    1.0
2    5.0
4    6.0
dtype: float64

s.index = list('abcdef')
s['a':'c':2] #依据自己定义的数据类型进行切片,不是左闭右开了
#结果
a    1.0
c    5.0
dtype: float64

5.DataFrame

5.1 DataFrame简介

  1. DataFrame是一个表格型的数据结构,DataFrame由按一定顺序排列的多列数据组成.设计初衷是将Series的使用场景从一维拓展到多维。其实DataFrame就是由多个Series组成的,因此可以说DataFrame是Series的容器。

  2. DataFrame由3部分组成

    • 行索引:index

    • 列索引:columns

    • 值:values

    • 如下图:

      图片名称

5.2 DataFrame的创建

  1. 使用ndarry创建

    • pd.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

      • index指定行索引,columns指定列索引,若不写,则默认从0开始,size指定行数和列数

      • 示例:

        df = pd.DataFrame(data=np.random.randint(1,10,size=(2,4)),index=["a","b"],columns=["A","B","C","D"])
        #结果
        	A	B	C	D
        a	2	9	8	1
        b	6	1	2	1
        
        #默认情况下,如果不指定index参数和columns,那么它们的值将从用0开始的数字替代
        df = pd.DataFrame(np.random.randn(6,4))
        print(df)
        #结果
                  0         1         2         3
        0 -0.261175 -0.250175 -0.315719  1.294368
        1  0.824193 -1.930705 -0.744268  0.343531
        2 -0.350171  1.270669  0.783120 -0.795121
        3  0.626404 -2.341512 -0.057654 -0.883903
        4 -0.648448  0.253251  0.447128  1.492709
        5 -0.315956  0.121005 -0.804142 -1.134788
        
  2. 使用字典创建

    • 字典的每个key代表一列,其value可以是各种能够转化为Series的对象

      dic = {"name":["张三","李四","王五"],"age":[1,2,3]}
      # key为列的索引,行索引则默认从0开始
      df=pd.DataFrame(dic)
      print(df)
      #结果
         name	 age
      0	张三	18
      1	李四	19
      2	王五	22
      
      df2 = pd.DataFrame({'A':1.,'B':pd.Timestamp("20181001"),'C':pd.Series(1,index = list(range(4)),dtype = float),'D':np.array([3]*4, dtype = int),'E':pd.Categorical(["test","train","test","train"]),'F':"abc"}) #B:时间戳,E分类类型
      print(df2)
      #输出结果
           A          B    C  D      E    F
      0  1.0 2018-10-01  1.0  3   test  abc
      1  1.0 2018-10-01  1.0  3  train  abc
      2  1.0 2018-10-01  1.0  3   test  abc
      3  1.0 2018-10-01  1.0  3  train  abc
      

5.3 DataFrame 的属性

  1. index 行索引属性

    print(df2.index,type(df2.index))
    #Int64Index([0, 1, 2, 3], dtype='int64') <class 'pandas.core.indexes.numeric.Int64Index'>
    
  2. columns 列索引属性

    print(df.columns,type(df.columns))
    #Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object') <class 'pandas.core.indexes.base.Index'>
    
  3. values 数据值属性

    df2.values
    #结果
    array([[1.0, Timestamp('2018-10-01 00:00:00'), 1.0, 3, 'test', 'abc'],
           [1.0, Timestamp('2018-10-01 00:00:00'), 1.0, 3, 'train', 'abc'],
           [1.0, Timestamp('2018-10-01 00:00:00'), 1.0, 3, 'test', 'abc'],
           [1.0, Timestamp('2018-10-01 00:00:00'), 1.0, 3, 'train', 'abc']],
          dtype=object)
    
  4. shape、size、dtypes

    df2.shape
    (4, 6)
    df2.size
    24
    df2.dtypes
    #输出结果
    A           float64
    B    datetime64[ns]
    C           float64
    D             int32
    E          category
    F            object
    dtype: object
    

5.4 DataFrame的索引和切片

  1. 隐式索引的操作:即不规定行、列索引使用默认索引

    • df[0][0] df[列][行],获取隐式索引单个元素

    • df[1] ,df[i] 获取第i+1列元素 df[1,3,5]这种写法会报错

    • df[0:2] 对行的切片操作,获取的是0和1行,顾头不顾尾

    • df[[0,1]] 对列的操作,获取第一列和第二列

    • df.iloc[0:2,0:2] iloc对于隐式索引的操作,获取前两行和前两列组成的区域,逗号前式行,逗号后是列

    • df.iloc[[0,1],[0,1]] iloc对于隐式索引的操作,获取前两行和前两列组成的区域

    • 示例:

      df = pd.DataFrame(np.random.randn(6,4))
      print(df)
      #输出结果
                0         1         2         3
      0 -1.724670 -0.305197 -1.235365 -0.052571
      1  1.401085  1.621906 -0.526358 -1.507972
      2 -0.786382  0.741458  0.306289 -1.099758
      3  2.419920 -0.647299  1.194271  0.692936
      4  0.347969  0.607995 -1.757885 -0.021412
      5 -0.964155  0.936637  0.975647  0.731744
      df[[0,2]]
                0         2
      0 -1.724670 -1.235365
      1  1.401085 -0.526358
      2 -0.786382  0.306289
      3  2.419920  1.194271
      4  0.347969 -1.757885
      5 -0.964155  0.975647
      
      df[0]
      0   -1.724670
      1    1.401085
      2   -0.786382
      3    2.419920
      4    0.347969
      5   -0.964155
      Name: 0, dtype: float64
      
      df[0:2]
                0         1         2         3
      0 -1.724670 -0.305197 -1.235365 -0.052571
      1  1.401085  1.621906 -0.526358 -1.507972
      
      df.iloc[0:2,0:2]
                0         1
      0 -1.724670 -0.305197
      1  1.401085  1.621906
      
  2. 显式索引的操作:显式索引使用切片表达式时是闭区间

    • df["A"] 或 df.A 获取单列,类似于字典的操作

    • df['A']['a'] 获取单个元素,先列后行 df[列][行]

    • df["a":"b"] 获取是a到b行,包含b行

    • df[["A","B"]] 获取A列和B列

    • df.loc["a":"b","A":"B"] loc对于显式索引的操作,df[行区域,列区域]

    • df.loc[["a","b"],["A","B"]] loc对于显式索引的操作,结果同上

    • 示例:

      df1 = pd.DataFrame(data=np.random.randint(1,10,size=(3,4)),index=["a","b","c"],columns=["A","B","C","D"])
      df1
         A  B  C  D
      a  2  6  2  6
      b  6  8  6  6
      c  1  8  5  4
      
      df1.loc["a":"b","A":"B"]
         A  B
      a  2  6
      b  6  8
      
  3. headtail方法可以分别查看最前面几和最后面几行的数据(默认为5)

    df.head()
              0         1         2         3
    0 -1.724670 -0.305197 -1.235365 -0.052571
    1  1.401085  1.621906 -0.526358 -1.507972
    2 -0.786382  0.741458  0.306289 -1.099758
    3  2.419920 -0.647299  1.194271  0.692936
    4  0.347969  0.607995 -1.757885 -0.021412
    
    df.tail(3)
              0         1         2         3
    3  2.419920 -0.647299  1.194271  0.692936
    4  0.347969  0.607995 -1.757885 -0.021412
    5 -0.964155  0.936637  0.975647  0.731744
    
  4. 总结

  • loc是对于显式索引的相关操作(对于标签的处理),iloc是针对隐式索引的相关操作(对于整数的处理)
  • df[0:2]切片操作是针对行而言,对于df["A"]索引操作是对于列而言;获取单个元素先列后行,df[列][行];loc和iloc操作,逗号前是行区域或行列表,逗号后是列区域或列列表

5.5 DataFrame读取数据及数据操作

  1. 读取Excel文件数据

    • 函数原型pd.read_excel(io, sheetname=0,header=0,skiprows=None,index_col=None,names=None,
      arse_cols=None,date_parser=None,na_values=None,thousands=None,
      convert_float=True,has_index_names=None,converters=None,dtype=None,
      true_values=None,false_values=None,engine=None,squeeze=False,**kwds)
    • 参数介绍
      • io :excel 路径
      • sheetname:默认是sheetname为0,返回多表使用sheetname=[0,1],若sheetname=None是返回全表 。注意:int/string返回的是dataframe,而none和list返回的是dict of dataframe
      • header :指定作为列名的行,默认0,即取第一行,数据为列名行以下的数据;若数据不含列名,则设定 header = None
      • skiprows:省略指定行数的数据
      • skip_footer:省略从尾部数的行数据
      • index_col :指定列为索引列,也可以使用 u’string’
      • names:指定列的名字,传入一个list数据
      • usecols:默认为None,解析所有列;如果为str,则表示Excel列字母和列范围的逗号分隔列表(例如“ A:E”或“ A,C,E:F”)。范围全闭;如果为int,则表示解析到第几列;如果为int列表,则表示解析那几列
    df = pd.read_excel(r"D:\BaiduNetdiskDownload\python\python\作业3\豆瓣电影数据.xlsx",index_col = 0)
    
  2. 文本文件的读取

    • 函数原型 pandas.read_csv(filepath_or_buffer, sep=, delimiter=None, header=‘infer’, names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skipinitialspace=False, skiprows=None, skipfooter=0, nrows=None, na_values=None, keep_default_na=True, na_filter=True, verbose=False, skip_blank_lines=True, parse_dates=False, infer_datetime_format=False, keep_date_col=False, date_parser=None, dayfirst=False, cache_dates=True, iterator=False, chunksize=None, compression=‘infer’, thousands=None, decimal=’.’, lineterminator=None, quotechar=’"’, quoting=0, doublequote=True, escapechar=None, comment=None, encoding=None, dialect=None, error_bad_lines=True, warn_bad_lines=True, delim_whitespace=False, low_memory=True, memory_map=False, float_precision=None, storage_options=None)
    • 几个重要参数
      • filepath_or_buffer:字符串。任何有效的字符串路径都可以,网址也行。
      • sep:字符串,表示分隔符,默认为逗号
      • delimiter:字符串,sep的别名,默认None(如果定义该参数,则sep参数失效)
      • header: int或者int列表,默认由推断出来。这是用于规定列名的行号
      • index_col: 整数或者字符串或者整数/字符串列表。指定用作的行标签的列
      • nrows: 整数,选择性使用。要读取的文件行数。对于读取大文件很有用
      • skiprows:列表或者整数,选择性使用。在文件开始处要跳过的行号(索引为0)或要跳过的行数(整数)
    • 返回值为DateFrame
  3. 数据操作

    • 添加数据df.append(other, ignore_index=False, verify_integrity=False, sort=None)

      • other:DataFrame、series、dict、list等数据结构

      • ignore_index:默认值为False,为True则不使用index标签

      • verify_integrity:默认值为False,如果为True当创建相同的index时会抛出ValueError的异常

      • sort:boolean,默认是None

      • 示例:

        #append添加字典
        data = pd.DataFrame()
        a = {"x":1,"y":2}
        data = data.append(a,ignore_index=True)
        print(data)#
             x    y
        0  1.0  2.0
        
        #append添加series
        #如果不添加ignore_index=True,会报错TypeError: Can only append a Series if ignore_index=True or if the Series has a name
        #如果不添加ignore_index=True,则需要添加name属性
        series = pd.Series({"x":1,"y":2},name="a")
        data = data.append(series)
        print(data)#输出结果
             x    y
        0  1.0  2.0
        a  1.0  2.0
        #设置的name会作为index的name
        
        #append添加list
        #如果list是一维的,则是以列的形式添加,如果list是二维的则是以行的形式来添加
        data = pd.DataFrame()
        a = [1,2,3]
        data = data.append(a)
        print(data)#
           0
        0  1
        1  2
        2  3
        
        data = pd.DataFrame()
        a = [[1,2,3],[4,5,6]]
        data = data.append(a)
        print(data)#
           0  1  2
        0  1  2  3
        1  4  5  6
        
    • drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

      • labels:一个字符或者数值,加上axis ,表示带label标识的行或者列;如 (labels='A', axis=1) 表示A列

      • axis:axis=0表示行,axis=1表示列

      • columns:列名

      • index:表示dataframe的index, 如index=1, index=a

      • inplace:True表示删除某行后原dataframe变化,False不改变原始dataframe

      • 示例:

        df2 = pd.DataFrame({'A':1.,'B':pd.Timestamp("20181001"),'C':pd.Series(1,index = list(range(4)),dtype = float),'D':np.array([3]*4, dtype = int),'E':pd.Categorical(["test","train","test","train"]),'F':"abc"}) #B:时间戳,E分类类型
        print(df2)#
             A          B    C  D      E    F
        0  1.0 2018-10-01  1.0  3   test  abc
        1  1.0 2018-10-01  1.0  3  train  abc
        2  1.0 2018-10-01  1.0  3   test  abc
        3  1.0 2018-10-01  1.0  3  train  abc
        #删除A列,axis=1不能省略
        df2=df2.drop('A',axis=1)
        #df2=df2.drop(columns='A')另一种写法
        

5.6 缺失值处理

  1. 缺失值
    • 在np中,None是python自带的,其类型为object,因此,None不能参与到人任何计算中(NoneType)
    • np.nan(NaN) 是浮点类型(float),能参与到计算中.但计算的结果总是NaN
    • 在pandas中把None和np.nan都视作np.nan
  2. 缺失值处理方法
    • isnull() 有缺失值则返回True
    • notnull() 没有缺失值则返回True
    • isnull().any(axis=1) axis=1是代表行,0代表列,一行中只要有一个空值则返回True
    • notnull().all(axis=1) 一行中所有不为空则返回True
    • df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False) 删除有缺失值的整行或整列
      • axis=0 这里的0代表行
      • how='any' how是删除方式,any只要一行或一列中有一个缺失值就删除,还有一个all代表的意思是,一行或一列中所有的都为缺失值才删除,常用的是any
      • inplace=False inplace代表操作是否对原数据进行覆盖,False代表不在原数据上修改,而是复制出一份,True代表在原数据上修改
    • df.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs) 对缺失值进行填充
      • value 填充的值,也可以是字典
      • axis 1 代表行,0代表列
      • inplace inplace代表操作是否对原数据进行覆盖,False代表不在原数据上修改,而是复制出一份,True代表在原数据上修改
      • method 分为四种填充方式:'backfill', 'bfill', 'pad', 'ffill' 其中pad / ffill表示用前面行/列的值,填充当前行/列的空值; backfill / bfill表示用后面行/列的值,填充当前行/列的空值

三、Matplotlib Pyplot

1.matplotlib pyplot简介

  • Pyplot 是 Matplotlib 的子库,提供了和 MATLAB 类似的绘图 API

  • Pyplot 包含一系列绘图函数的相关函数,每个函数会对当前的图像进行一些修改,例如:给图像加上标记,生新的图像,在图像中产生新的绘图区域等等

  • 导入pyplot库

    import matplotlib.pyplot as plt
    

2.plot函数

plot() 用于画图它可以绘制点和线,语法格式如下

  • 画单条线

    • plot([x], y, [fmt], data=None, **kwargs)
  • 画多条线

    • plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
  • 参数介绍

    • 带有[]的参数是可选参数

    • [x] 默认参数,x为0~N-1

    • 可选参数[fmt] 是一个字符串来定义图的基本属性 如:颜色(color),点型(marker),线型(linestyle)具体形式 fmt = '[color][marker][line]' fmt接收的是每个属性的单个字母缩写 如 'bo-' 蓝色圆点实线

    • 若属性用的是全名则不能用fmt参数来组合赋值,应该用关键字参数对单个属性赋值

      plot(x,y2,color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)
      
  • 示例1:

    plt.plot([1,2,3,4],[1,4,9,16],"bo-") #也可以是ob,没顺序要求
    plt.show()
    print(line,type(line))#[<matplotlib.lines.Line2D object at 0x0000024C7C6362E0>] <class 'list'>
    

  • 示例2:

    t = np.arange(0.,5.,0.2) #左闭右开从0到5间隔0.2
    plt.plot(t,t,"r--",
            t,t**2,"bs-",
            t,t**3,"g^-")
    plt.show()
    

  • 线条属性

    • color:折线的颜色

    • linestyle:指定折线的类型,可以是实线、虚线、点虚线、点点线等,默认文实线;

    • linewidth:指定折线的宽度

    • marker:可以为折线图添加点,该参数是设置点的形状;

    • markersize:设置点的大小;

    • markeredgecolor:设置点的边框色;

    • markerfactcolor:设置点的填充色;

    • 图示:

  • 设置属性

    • plt.setp(obj,*args,**kwargs)

      • obj: 要设置的对象
      • *args、**kwargs:需要设置的属性值
    • 调用方式

      • setp(line, linewidth=2, color='r')

      • setp 还支持 MATLAB 式的键值对

        setp(lines, 'linewidth', 2, 'color', 'r')

      • 示例3:

        x = np.linspace(-np.pi,np.pi)
        y = np.sin(x)
        line = plt.plot(x,y)
        #plt.setp(line, color = 'g',linewidth = 4)
        plt.setp(line,"color",'r',"linewidth",4) #matlab风格
        

3.理解plt与ax

  1. 一幅图的结构:python是面向对象的,同样利用matplotlib画图从面向对象的角度更容易理解

    • Figure对象:可看成是一个画布。有了画布之后,才能在上面画各种图

    • Axes对象:画布上的一块区域,这个区域肯定要包含许多信息,比如曲线,坐标轴,标题,图例,注释等。这些就是Axes对象包含的属性,它们也是各种对象。比如Line2D,XAxis,YAxis

    • 如图:

  2. matplotlib 架构上分为三层

  • 底层:backend layer

  • 中层:artist layer

  • 最高层:scripting layer

  • 在任意一层操作都能够实现画图的目的,而且画出来还都一样。但越底层的操作越细节话,越高层越易于人机交互。

  • .plt 对应的就是最高层 scripting layer。这就是为什么它简单上手,但要调细节就不灵了

  • ax.plot 是在 artist layer 上操作。基本上可以实现任何细节的调试

  1. 两种绘图方式的区别

    对这两个概念有基本的了解后,就可以来看看plt.plot()ax.plot()有何区别

    • plt

      # 第一种方式
      plt.figure()
      plt.plot([1,2,3],[4,5,6])
      plt.show()
      
    • ax

    # 第二种方式
    fig,ax = plt.subplots()
    ax.plot([1,2,3],[4,5,6])
    plt.show()
    
    • 其实就这两种方式画出的图形其实是一样的,但是

      • 第一种方式的代码,先生成了一个Figure画布,然后在这个画布上隐式生成一个画图区域进行画图
      • 第二种方式同时生成了Figureaxes两个对象,然后用ax对象在其区域内进行绘图

4.子图形的构成

4.1 Figure

  1. figure简介

    在绘制图形之前,我们需要一个Figure对象,可以理解成我们需要一张画板才能开始绘图

  2. plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, clear=False, *kwargs):*产生一个指定编号为num的图

    • num: 图像编号或名称,数字为编号 ,字符串为名称
    • figsize: 指定figure的宽和高,单位为英寸
    • dpi: 参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80, 1英寸等于2.5cm,A4纸是 21*30cm的纸张
    • facecolor: 背景颜色
    • edgecolor: 边框颜色
    • frameon: 是否显示边框

4.2 subplot函数

  1. 使用subplots可以在一幅图中生成多个子图也即 axes对象

  2. plt.subplot(nrows, ncols, fignum,**fig_kw):绘图时需要指定位置

    • nrows: subplot的行数
    • ncols: subplot的列数,行X列就是被分成多少个图像区域
    • fignum: 目前该图像位于第几个位置
    • **fig_kw:创建figure时的其他关键字
  3. subplots(nrows=1, ncols=1) 方法可以一次生成多个,在调用时只需要调用生成对象的 ax 即可

    • nrows:默认为 1,设置图表的行数
    • ncols:默认为 1,设置图表的列数
  4. 函数调用:

    plt.subplot(ijn) i代表划分为几行j为几列,n是指目前在第几个子区域内,当numrows * numncols < 10时,中间的逗号可以省略,因此plt.subplot(211)就相当于plt.subplot(2,1,1)

  5. 示例4:

    def f(t):
        return np.exp(-t)*np.cos(2*np.pi*t)
    
    t1 = np.arange(0.0,5.0,0.1)
    t2 = np.arange(0.0,4.0,0.02)
    
    plt.figure(figsize = (10,6),facecolor='g')#背景设为绿色
    ax1=plt.subplot(211)
    print(ax1,type(ax1))#AxesSubplot(0.125,0.536818;0.775x0.343182) <class 'matplotlib.axes._subplots.AxesSubplot'>
    plt.plot(t1,f(t1),"bo",t2,f(t2),'k') #子图1上有两条线
    
    plt.subplot(212)
    plt.plot(t2,np.cos(2*np.pi*t2),"r--")
    plt.show()
    

  6. 另一种写法:

    fig = plt.figure()
    ax1 = fig.add_subplot(221) # 划分为2行2列四个区域,这是第一个区域,以下以此类推
    ax1.set(title="标题1",ylabel='y',xlabel='x') 
    ax2 = fig.add_subplot(222)
    ax2.set(title="标题2",ylabel='y',xlabel='x')
    ax3 = fig.add_subplot(223)
    ax3.set(title="标题3",ylabel='y',xlabel='x')
    ax4 = fig.add_subplot(224)
    ax4.set(title="标题4",ylabel='y',xlabel='x')
    plt.show()
    

5.图形标注

5.1 坐标轴相关设置

  1. 解决乱码问题

    plt.rcParams["font.sans-serif"] = ["SimHei"] #解决中文字符乱码的问题
    # SimHei:微软雅黑
    # FangSong:仿宋
    plt.rcParams["axes.unicode_minus"] = False #正常显示负号
    
  2. 坐标轴标签设置—以xlabel函数为例

    • 函数语法:

      xlabel(xlabel, fontdict=None, labelpad=None, *, loc=None, **kwargs):设置X轴的标签

    • 函数参数:

      • xlabel:字符串格式,标签文本内容
      • fontdict: dict, 一个字典用来控制标签的字体样式
      • labelpad:浮点数,默认值为None, x/y轴的标签离x/y轴的偏移量,以点为单位
      • loc(location):标签位置,默认在中间,对于x轴是’left’,‘center’,‘right’,对于y轴则是’bottom’, ‘center’, ‘top’
    • 示例:

      plt.rcParams["font.sans-serif"] = ["SimHei"] #解决中文字符乱码的问题
      plt.rcParams["axes.unicode_minus"] = False #正常显示负号
      line=plt.plot([1,2,3,4]) #默认以列表的索引作为x,输入的是y
      plt.ylabel('y轴',labelpad=20,loc='top',fontdict={'color':"red",'fontsize':20})
      plt.xlabel("x轴") 
      plt.show()
      #注意y轴标签与x轴的区别
      

    • 另一种写法ax.set_xlabel()用法与xlabel()相同

      plt.rcParams["font.sans-serif"] = ["SimHei"] #解决中文字符乱码的问题
      plt.rcParams["axes.unicode_minus"] = False #正常显示负号
      def f(t):
          return np.exp(-t)*np.cos(2*np.pi*t)
      
      t1 = np.arange(0.0,5.0,0.1)
      t2 = np.arange(0.0,4.0,0.02)
      
      plt.figure(figsize = (10,6),facecolor='g')
      ax1=plt.subplot(211)
      plt.plot(t1,f(t1),"bo",t2,f(t2),'k') #子图1上有两条线
      ax1.set(title="标题一")
      ax1.set_ylabel('y轴',labelpad=20,loc='top',fontdict={'color':"red",'fontsize':20})
      plt.show()
      
  3. 坐标轴刻度设置

    • 函数语法

      yticks(ticks=None, labels=None, **kwargs) ax.yticks或者plt.yticks

    • 参数说明

      • ticks: 可选参数,数组,x轴刻度位置的列表。传入空列表移除所有x轴刻度
      • labels: 可选参数,数组,放在指定刻度位置的标签文本。只有当ticks参数有输入值,该参数才能传入参数
    • 示例:

      #不使用xticks函数
      x=np.linspace(1,10,100)
      y = np.sin(x)
      plt.plot(x,y)
      # plt.xticks(range(1,10))
      plt.show()
      
      #使用xticks函数
      x=np.linspace(1,10,100)
      y = np.sin(x)
      plt.plot(x,y)
      plt.xticks(range(1,10),['a','b','c','d','e','f','g','h','i'])
      plt.show()
      
    • plt.axis([xmin,xmax,ymin,ymax]):该方法可以让你用一行代码设置 x 和 y 的限值,它还可以按照图形的内容自动收紧坐标轴,不留空白区域

      axis()函数除了支持数值列表作为输入外,还支持字符选项。Matplotlib会根据输入的字符选项自动地对轴进行调整

      • axis(‘off’):关闭轴线和标签

      • axis(‘equal’):使x轴与y轴保持与屏幕一致的高宽比(横纵比)

      • axis(‘tight’):使x轴与y轴限制在有数据的区域

      • axis(‘square’):使x轴与y轴坐标一致

        x=np.linspace(0,10,20)
        plt.plot(x,np.sin(x))
        plt.axis([-1,11,-1.5,1.5])
        plt.show()
        

5.2 设置标题(title)

  • 函数语法

    plt.title(label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs):设置坐标系标题

    ax.set_title()用法同上

  • 函数参数

    • label: 字符串,用于标题文本内容

    • fontdictdict:字体字典项:控制标题文本展现,默认设置如下

      {'fontsize': rcParams['axes.titlesize'],
       'fontweight': rcParams['axes.titleweight'],
       'color': rcParams['axes.titlecolor'],
       'verticalalignment': 'baseline',
       'horizontalalignment': loc}
      
    • loc:标题文本的位置,默认’center’,可以设置’center’, ‘left’, ‘right’,控制标题的左右移动

    • y:浮点型,标题的垂直位置(顶部是1.0)。 如果为None(默认),则自动确定,控制标题的上下移动

  • 示例:

    plt.rcParams["font.sans-serif"] = ["SimHei"] #解决中文字符乱码的问题
    plt.rcParams["axes.unicode_minus"] = False #正常显示负号
    x = np.linspace(-2,2,1000)
    y = np.exp(x)
    
    plt.plot(x,y,ls='-',lw=2,color='g')
    
    plt.title("center",fontdict={
                        'fontsize': 20,  #字体大小
                        'fontweight':'light',  #字体粗细, ‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’
                        'color':'r',  #字体颜色
                        'verticalalignment':'top',# 垂直对齐方式,'center', 'top', 'bottom', 'baseline', 'center_baseline'
                        'horizontalalignment':'center',#对齐方式,'center', 'right', 'left'
                        'family':'Times New Roman',   #字体系列,它的值有很多,比如 “宋体”,“微软雅黑”等等
                        'fontstyle':'italic'    #字体风格:它的值有:normal(默认值)、italic(斜体)、oblique(倾斜)
    })
    
    plt.show()
    

5.3 图例设置

图例是对图形所展示的内容的解释,比如在一张图中画了三条线,那么这三条线都代表了什么呢?这时就需要做点注释,便引出下面的函数

  • plt.legend(*args,* kwargs)或者ax.legend()*这个函数参数挺多的,主要介绍几个常用的参数

    • handles:需要传入你所画线条的实例对象
    • labels:是图例的名称(能够覆盖在plt.plot( )中label参数值)
    • loc:代表了图例在整个坐标轴平面中的位置
    • ncol: 图例的列的数量,默认为1
  • 用法:

    • 方法一:采用plt.legend( )默认参数

      • 第一步:给plt.plot( )中参数label=''传入字符串类型的值,也就是图例的名称

      • 第二步:使用plt.legend( )使上述代码产生效果

      • 示例:

        plt.rcParams['font.sans-serif'] = ['SimHei']
        plt.rcParams['axes.unicode_minus'] = False
        
        n = np.linspace(-5, 4, 30)
        m1 = 3 * n + 2
        m2 = n ** 2
        
        plt.xlabel('时间')
        plt.ylabel('心情')
        
        plt.plot(n, m1, color='r', linewidth=1.5, linestyle='-', label='女生购物欲望')
        plt.plot(n, m2, 'b', label='男生购物欲望')
        plt.legend()
        
        plt.show()
        

    • 方法二:向plt.legend( )中设置参数,进行个性化图例定制

      • 示例:

        plt.rcParams['font.sans-serif'] = ['SimHei']
        plt.rcParams['axes.unicode_minus'] = False
        
        n = np.linspace(-5, 4, 30)
        m1 = 3 * n + 2
        m2 = n ** 2
        
        plt.xlabel('时间')
        plt.ylabel('心情')
        
        line1, = plt.plot(n, m1, color='r', linewidth=1.5, linestyle='-', label='女生购物欲望')#label属性可不写
        line2, = plt.plot(n, m2, 'b', label='男生购物欲望')
        
        plt.legend(handles=[line1, line2], labels=['girl购物欲望','boy购物欲望'], loc='best',ncol=2)
        
        plt.show()
        

5.4 文本注释

  • 函数语法

    text(x, y, s, fontdict=None, **kwargs):添加注释文本;在坐标(x,y)位置添加文本

  • 函数参数:

    • x, y: 浮点型,放置注释文本的数字坐标位置

    • s:字符型,文本内容

    • fontdict:字典类型,默认为空;用于覆盖默认文本属性的字典项,若字典项为空则默认属性由rcParams确定。默认设置如下:

      {'fontsize': rcParams['axes.titlesize'],
       'fontweight': rcParams['axes.titleweight'],
       'color': rcParams['axes.titlecolor'],
       'verticalalignment': 'baseline',
       'horizontalalignment': loc}
      
    • **kwargs:其他参数: 设置文本属性。如:weight:注释文本内容的粗细风格,color:注释文本内容的字体颜色

  • 示例:

    x = np.linspace(0.05, 10, 1000)
    y = np.sin(x)
    
    plt.plot(x, y, ls="-.", lw=2, c="r", label="plot figure")
    plt.legend()
    plt.text(3.10, 0.09, "y=sin(x)", weight="bold", color="b")
    plt.show()
    

5.5 设置网格线

  • 函数语法:

    plt.grid(b=None, which=‘major’, axis=‘both’, **kwargs)或者ax.grid()设置图表中的网格线

  • 参数说明:

    • b:可选,默认为 None,可以设置布尔值,true 为显示网格线,false 为不显示,如果设置 **kwargs 参数,则值为 true
    • which:可选,可选值有 'major'、'minor' 和 'both',默认为 'major',表示应用更改的网格线
    • axis:可选,设置显示哪个方向的网格线,可以是取 'both'(默认),'x' 或 'y',分别表示两个方向,x 轴方向或 y 轴方向
    • **kwargs:可选,设置网格样式,可以是 color='r', linestyle='-' 和 linewidth=2,分别表示网格线的颜色,样式和宽度
  • 示例:

    x = np.array([1, 2, 3, 4])
    y = np.array([1, 4, 9, 16])
    
    
    plt.title("RUNOOB grid() Test")
    plt.xlabel("x - label")
    plt.ylabel("y - label")
    
    plt.plot(x, y)
    
    plt.grid(color = 'r', linestyle = '--', linewidth = 0.5)
    
    plt.show()
    

6.柱状图

bar()函数用于绘制柱状图

  • 函数语法

    *plt.bar(x, height, width=0.8, bottom=None, , align=‘center’, data=None, **kwargs)

  • 函数参数

    • x:浮点型或类数组对象;柱形的的x轴坐标
    • height: 浮点型或类数组对象;柱形的高度
    • width:浮点型或类数组对象;柱形的宽度,默认值为0.8
    • bottom:浮点型或类数组对象; 柱形基座的y坐标,默认0
    • align:对齐方式: 中间,边缘 ,默认为中间。柱与x轴坐标的对其方式。center:x轴坐标在中间位置,edge:x轴坐标在左边
    • Other Parameters:
      • color:可选参数,颜色或颜色列表 。柱形颜色
      • edgecolor:可选参数:颜色或颜色列表 。柱形边缘的颜色
  • 示例:

    labels = ['G1', 'G2', 'G3', 'G4', 'G5']
    men_means = [20, 34, 30, 35, 27]
    women_means = [25, 32, 34, 20, 25]
    
    x = np.arange(len(labels))  # the label locations
    width = 0.35  # the width of the bars
    
    fig, ax = plt.subplots()
    rects1 = ax.bar(x - width/2, men_means, width, label='Men',color='g')
    rects2 = ax.bar(x + width/2, women_means, width, label='Women',color='b')
    for a,b in zip(x,men_means): #数字直接显示在柱子上(添加文本)
        plt.text(a-width/2,b,b,ha = "center",va = "bottom",fontsize = 10) 
        
    for a,b in zip(x,women_means): #数字直接显示在柱子上(添加文本)
        plt.text(a+width/2,b,b,ha = "center",va = "bottom",fontsize = 10) 
    # Add some text for labels, title and custom x-axis tick labels, etc.
    ax.set_ylabel('Scores')
    ax.set_title('Scores by group and gender')
    ax.set_xticks(x)
    ax.set_xticklabels(labels)
    ax.legend()
    

7.条形图

函数Barh() 用于绘制条形图

  • 函数语法

    *barh(y, width, height=0.8, left=None, , align=‘center’, **kwargs)

  • 用法与bar()基本一致

  • 示例:

    df = pd.read_excel(r"D:\BaiduNetdiskDownload\python\python\作业5\movie_data3.xlsx", index_col = 0)
    data = df["产地"].value_counts()
    x = data.index
    y = data.values
    
    plt.figure(figsize = (10,6)) #设置图片大小
    plt.barh(x,y,color = "g") #绘制柱状图,表格给的数据是怎样就怎样,不会自动排序
    
    plt.title("各国家或地区电影数量", fontsize = 20) #设置标题
    plt.xlabel("国家或地区",fontsize = 18) 
    plt.ylabel("电影数量") #对横纵轴进行说明
    plt.tick_params(labelsize = 14) #设置标签字体大小
    # plt.xticks(rotation = 90) #标签转90度
    
    for a,b in zip(x,y): #数字直接显示在柱子上(添加文本)
        #a:x的位置,b:y的位置,加上10是为了展示位置高一点点不重合,
        #第二个b:显示的文本的内容,ha,va:格式设定,center居中,top&bottom在上或者在下,fontsize:字体指定
        plt.text(b,a,a,fontsize = 10) 
    
    #plt.grid() #画网格线,有失美观因而注释点
    
    plt.show()
    

8.饼状图

饼图英文学名为Sector Graph,又名Pie Graph。常用于统计学模块。饼图中的数据点(数据点:在图表中绘制的单个值,这些值由条形,柱形,折线,饼图或圆环图的扇面、圆点和其他被称为数据标记的图形表示。相同颜色的数据标记组成一个数据系列。)显示为整个饼图的百分比。可以使用 pyplot 中的 **pie() **方法来绘制饼图。

  • 函数语法

    *plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, , normalize=None, data=None)

  • 参数说明

    • x:浮点型数组,表示每个扇形的面积
    • explode:数组,表示各个扇形之间的间隔,默认值为0
    • labels:列表,各个扇形的标签,默认值为 None
    • colors:数组,表示各个扇形的颜色,默认值为 None
    • autopct:设置饼图内各个扇形百分比显示格式,%d%% 整数百分比,%0.1f 一位小数, %0.1f%% 一位小数百分比, %0.2f%% 两位小数百分比
    • labeldistance:标签标记的绘制位置,相对于半径的比例,默认值为 1.1,如 <1则绘制在饼图内侧
    • pctdistance::类似于 labeldistance,指定 autopct 的位置刻度,默认值为 0.6
    • shadow::布尔值 True 或 False,设置饼图的阴影,默认为 False,不设置阴影
    • radius::设置饼图的半径,默认为 1
    • startangle::起始绘制饼图的角度,默认为从 x 轴正方向逆时针画起,如设定 =90 则从 y 轴正方向画起
  • 示例:

    import matplotlib.pyplot as plt
    import numpy as np
    
    y = np.array([35, 25, 25, 15])
    
    plt.pie(y,
            labels=['A','B','C','D'], # 设置饼图标签
            colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色
            explode=(0, 0.2, 0, 0), # 第二部分突出显示,值越大,距离中心越远
            autopct='%.2f%%', # 格式化输出百分比
           )
    plt.title("RUNOOB Pie Test")
    plt.show()
    

标签:数据分析,10,None,plt,Python,print,np,array
From: https://www.cnblogs.com/ZhengLord/p/16897543.html

相关文章