Python数据可视化详细教程（108页 ）.pptxVIP

;

本章学习目标;

数据可视化是利用可视化的方式（例如图形、表格等）将数据形象的展

示出来，以更好地帮助阅读者掌握数据信息。

经常用于数据探索、数据结果展示、数据报告等方面，好的可视化会帮助数据数据分析师更好的输出数据信息。;

Matplotlib

这是Python领域内的第一个可视化库，后续其他库大多在此基础上做高级封装和改进。该库功能强大且应用成熟，但问题在于API过于繁杂且缺少交互能力。;

Pandas可视化方法

Pandas中的DataFrame可直接调用plot方法展示常用图形，某些特殊函数也封装了其各自应用的图形，例如自相关图、偏相关图等，因此在数据分析中使用方便；也正因为它是一种高度封装，缺少对细节的定义和控制的灵活性。;

Seaborn

这是基于matplotlib的高级可视化库，它隐藏了很多matplotlib细节配置，通过简单的方法即可产生美观、易用的可视化效果。但如果要对细节做更进一步控制，需要配合matplotlib的其他方法实现。;

Pyecharts

这是基于百度Echarts的可视化库，囊括30+种常见图表且支持多种展示和应用环境。除了灵活、强大的图形和配置项外，还支持与Flask、Django等主流Python框架集成。;;

可视化要表达的信息内容按主题可分为四种：趋势、对比、结构、关系

1.趋势

趋势指事物的发展趋势，例如走势的高低、状态的变化好坏等，通常用于按时间发展的眼光来评估事物的场景。

例如按日的用户数量趋势、按周的订单量趋势、按月的转化率趋势等。

常用的可视化图形是折线图，在时间项较少的情况下，也可以使用柱形图做展示。;

可视化要表达的信息内容按主题可分为四种：趋势、对比、结构、关系

2.对比

对比指不同事物之间或同一事物在不同时间下的优劣等的对照，可直接反应出差异性。

例如新用户与老用户的客单价对比、不同广告来源渠道的订单量和利润率对比等。

常用的可视化图形，在少数对比指标上可选择柱形图、条形图；而多个对象的多个指标的同时对比可用雷达图等。;

可视化要表达的信息内容按主题可分为四种：趋势、对比、结构??关系

3.结构

结构也可以称为成分、构成或内容组成，指的是一个整体内有哪些元素组成，以及各个元素的影响因素或程度的大小。

例如不同品类的利润占比、不同类型客户的销售额占比等。

常用的可视化图形，一般使用饼图及其变体，例如玫瑰图、扇形图、环形图等；如果要查看多个周期或分布下的结构，可使用面积图。;

可视化要表达的信息内容按主题可分为四种：趋势、对比、结构、关系

4.关系

关系指不同事物相互的联系，这种联系可以是多种类型和结构的。

例如，微博转发路径属于一种扩散关系，用户频繁一起购买的商品属于频繁发生

的交叉销售关系，用户在网页上先后浏览的页面属于基于时间序列的关联关系等。

常用的可视化图形，会根据不同的可视化目标选择不同的图形，例如关系图、树形图、漏斗图、散点图等。;;

importmatplotlib.pyplotasplt#①

plt.rc(font,family=SimHei,size=14)#②设置图形的字体为SimHei，大小为14，目的是避免中文显示乱码的问题

plt.rcParams[axes.unicode_minus]=False#③设置当图形中出现负号时可正常显示importpandasaspd#④

importnumpyasnp#⑤

%matplotlibinline#⑥设置图形可直接在Jupyter窗口中嵌入显示，不需要额外调用matplotlib.pyplot的show方法

%configInlineBackend.figure_format=retina#⑦用来设置图形可适用于retina屏幕，这样在高清屏上显示会更加清楚;

（1）x：x轴（横轴）数据列，一般用列标题或位置表示。

（2）y：y轴（纵轴）数据列，一般用列标题、位置表示单列或由其组成的列表表示多列。

（3）kind：展示图形的类型，可选值为line:折线图(默认图形)，bar:柱形图，barh:条形图，hist:直方图，box:箱型图，kde:核密度估计图，density:跟kde功能相同，area:面积图，pie:饼图，scatter:散