Python数据分析 课件 项目5 数据可视化库Matplotlib.ppt

项目五数据可视化库Matplotlib任务一数据可视化任务二图表的基本设置任务三图形修饰处理任务四常用图表的绘制任务一数据可视化任务引入小白汇总完成的项目数据，发现全是一对对的指标的数据分析，觉得不够直观，于是让组员添加可视化数据分析。数据可视化分析实质上是可视化图表的创建，可视化图表可将数据之间的复杂关系用图形表示出来，能够更加直观、形象地反映数据的趋势和对比关系，使数据易于阅读和评价。那么，如何实现可视化分析？可视化分析工具有哪些？知识准备数据可视化是对数据的一种形象直观的解释、实现从不同的角度来观察数据，从而得到更有价值的信息。数据可视化可以将抽象的、复杂的、不易理解的数据转化为人眼可以识别的图形、图像、符号等，这些转化后的数据通常能够更有效地传达数据本身所包含的有用信息。一、数据可视化的作用数据反映着现实的世界，可人们更希望在这些数据中寻找规律，从而解决现实中的各种问题，甚至进而掌握未来的发展趋势。在现实生活中，如果仅仅给一个人提供纯粹的数据，会使他感到枯燥、乏味，而且难以提炼出所需要的信息，这时就需要提供给他具有生动性和表现力的图形或图像。一般来讲，数据可视化是为了从数据中寻找以下三个方面的信息：模式、关系和异常。（1）模式。指数据中的规律。（2）关系。指数据之间的相关性，通常代表关联性和因果关系。（3）异常。指有问题的数据。二、数据分析图表十九世纪上半叶，随着各种工艺技术的完善，统计图形和专题绘图领域出现了迅猛的发展，目前大多数形式的统计图形都是在此时出现的。在此期间，数据的收集整理范围明显扩大，大量社会管理方面的数据被收集用于分析。数据分析一般会应用到图表，但不可以把数据可视化简单地看作绘制图表。数据分析的处理对象是数据，根据所处理的数据对象的不同，数据可视化可分为科学可视化与信息可视化。科学可视化面向科学和工程领域数据，如三维空间测量数据、计算模拟数据和医学影像数据等，重点探索如何以几何、拓扑和形状特征来呈现数据中蕴含的规律。Matplotlib是第一个Python可视化程序库，经过十几年，它仍然是Python使用者最常用的画图库。它的设计和在20世纪80年代设计的商业化程序语言MATLAB非常接近。由于Matplotlib是第一个Python可视化程序库，所以许多其他程序库都是建立在它的基础之上或者直接调用它。例如，对于图所示的工资表数据，数据较多，无法进行统计分析。图所示的柱形图简明、醒目，是一种常用的数据分析图表。方便理解大量数据，以及数据之间的关系。让人们透过视觉化的符号，更快速的读取原始数据。例如，对于图所示的工资表数据，数据较多，无法进行统计分析。图所示的柱形图简明、醒目，是一种常用的数据分析图表。方便理解大量数据，以及数据之间的关系。让人们透过视觉化的符号，更快速的读取原始数据。三、图表结构在开始学习Matplotlib可视化图表之前，有必要先对图表的结构有一个初步的认识。图表的基本组成示例如图所示。四、图表类型Matpalotlib提供了丰富的图表类型，每种图表类型还包含一种或多种子类型。数据分析图表要根据数据的特性，找到合适的可视化方式，将数据直观地展现出来，以帮助人们理解数据。数据分析图表分为条形图、柱状图、折线图、饼图、散点图、面积图、环形图、雷达图等。1．条形图条形图使用长度作为视觉暗示，有利于直接进行比较。2．饼图在饼图中，完整的圆表示整体，每个扇形都是其中的一部分。条形图饼图3．柱形图柱形图，又称长条图、柱状统计图，是一种以长方形的长度为变量的统计图表，通常利用于较小的数据集分析。4．折线图折线图是用直线段将各数据点连接起来而组成的图形，以折线的方式来显示数据的变化趋势。柱形图不同的横轴长度对视觉效果的影响5．雷达图雷达图是通过从同一点开始的轴表示的三个或更多个定量变量的二维图形的形式来显示多变量数据的图形方法。6．散点图对多变量数据进行可视化，一个常用的方法是使用散点图。雷达图示例散点图示例任务二图表的基本设置任务引入小刘收到组长小白的返回意见后，根据统计结果绘制可视化图表。那么如何绘制图表，如何实现数据可视化?知识准备Matplotlib提供了和MATLAB类似的绘图API—Pyplot，Pyplot包含一系列绘图函数的相关函数，能很方便让用户绘制2D图表。在数据可视化分析中，为了让图表显示更好的效果，少不了对图表进行设置，下面简单介绍一下图表的常见设置，给图表加上标记、网格、图例和注释等等。一、创建图表窗口在Pyplot中，figure函数用来创建图表窗口当执行f