基本概念

数据分析

  1.为什么要学习数据分析

    1. 岗位需求
    2. 是python数据科学的基础
    3. 是机器学习的基础

  2.什么是数据分析

    数据分析是用适当的方法对收集来的大量数据进行分析，帮助人们作出判断，以便采取适当行动。

  3.数据分析流程

matplotlib

  1.简介

  matplotlib主要用于画图：

    1. 能将数据进行可视化,更直观的呈现
    2. 使数据更加客观、更具说服力
    3. matplotlib: 最流行的Python底层绘图库，主要做数据可视化图表,名字取材于MATLAB，模仿MATLAB构建。

  2.基本函数

注意：需要导入包matplorlib。
如：

from matplotlib import pyplot

x = range(2, 26, 2)
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]
pyplot.plot(x, y)
pyplot.show()

绘图分类

折线图—plot()

1. 特点：以折线的上升或下降来表示统计数量的增减变化的统计图，能够显示数据的变化趋势，反映事物的变化情况。(变化)
2. 设置折线图
   设置线的样式
   pyplot.plot(x,[1,2,3,4,5],"3")
   marker属性样式：

设置颜色
pyplot.plot(x,[1,2,3,4,5],"--",color='c')
颜色（设置颜色该颜色表中适用于matplotlib的大部分函数的color参数）：

设置线的宽度
pyplot.plot(x,[1,2,3,4,5],"--",color='c',linewidth=5)

设置线的透明度
pyplot.plot(x,[1,2,3,4,5],"--",color='c',linewidth=5,alpha=0.5)
设置图表标题
pyplot.title("haha")
设置XY轴的标题
pyplot.xlabel("X轴", color="m")
设置旋转角度
pyplot.ylabel("℃", color="blue", fontproperties=font, rotation=30)
设置图片大小
pyplot.figure(figsize=(20, 80), dpi=80)
重新设置X轴刻度
pyplot.xticks(x)
保存图片
pyplot.savefig("./img.png")
查看系统支持的字体
print(font_manager.findSystemFonts())
设置中文字体

font = font_manager.FontProperties(fname="C:\Windows\Fonts\simfang.ttf")
pyplot.xlabel("时间", fontproperties=font)
pyplot.ylabel("温度", fontproperties=font)

在同一张里有多条数据

font = font_manager.FontProperties(fname="C:\Windows\Fonts\simfang.ttf")
x = range(0, 4)
y = [55, 58, 22, 66]

xTitle = ["1号", "2号", "3号", "4号"]
pyplot.xticks(x, xTitle, fontproperties=font,color="m")
pyplot.plot(x, y)
# 在同一张表里  有多条数据
y = [20, 40, 60, 50]
pyplot.plot(x, y)
pyplot.show()

设置同一个图中回值两个表

x = [1,2,4,5,7]
pyplot.subplot(2,1,1)
pyplot.plot(x,[1,2,3,4,5],"--",color='c',linewidth=5,alpha=0.5)
pyplot.title("haha")
pyplot.subplot(2,1,2)
pyplot.plot(x,[1,2,3,4,5],"--",color='c',linewidth=5,alpha=0.5)
pyplot.title("haha")
# pyplot.xlabel("X", color="m")
pyplot.show()

设置全局中文和负号

pyplot.rcParams['font.sans-serif']=['SimHei']
pyplot.rcParams['axes.unicode_minus']=False
from matplotlib import rcParams
rcParams.update({'font.size': 10, 'font.family': 'SimHei'，“axes.unicode_minus”：False})

设置图例
pyplot.legend({"12号","13号"},loc="lower right",edgecolor="m",shadow=True,fancybox=False,facecolor="red",borderpad=5,labelspacing=2,handlelength=3,handleheight=5,handletextpad=3,borderaxespad=2,title="hhh")
参数与描述：

添加网格
pyplot.grid(axis="x",alpha=0.5,color="r",linestyle="--",linewidth=0.8)
参数及描述：

散点图—scatter()

1. 特点：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量。之间是否存在某种关联或总结坐标点的分布模式。判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
2. 示例：

sc=pyplot.scatter(x, y,s=50,marker="o",c=y,edgecolors=["red","m","g","b"],alpha=0.5)
pyplot.colorbar(sc)

3. 参数及描述：
   def scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)

条形图—bar()

1. 特点：排列在工作表的列或行中的数据可以绘制到条形图中。绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)
2. 示例：

a = [44,56,77,23,99,40]
pyplot.bar(range(len(a)),a,width=0.8,color="y",edgecolor="b"
           lable=[])
pyplot.show()

3. 参数及描述：
   bar(left, height, width, color,alpha, align, yerr)

4. 例子：

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
font = font_manager.FontProperties(fname="C:\Windows\Fonts\simfang.ttf")
pyplot.figure(figsize=(20,10))
pyplot.bar(range(len(a)),b,color="blue")
pyplot.xticks(range(len(a)),a,fontproperties=font)
pyplot.show()

直方图—hist()

1. 特点：
   由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。绘制连续性的数据,展示一组或者多组数据的分布状况(统计)
2. 示例：

x = range(10)
data=[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119]
pyplot.hist(data,bins=10,histtype="bar",color="m",edgecolor="r")
pyplot.grid()
#bins是把图平均分成几份
pyplot.show()

3. 参数及描述：
   matplotlib.pyplot.hist(x,bins=None,range=None, density=None, bottom=None, histtype='bar', align='mid', log=False, color=None, label=None, stacked=False, normed=None)

4. 例子：

假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?
a=[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

binWidth = 3
groupNum = int((max(a)-min(a))/binWidth)

pyplot.hist(a,[min(a)+i*binWidth for i in range(groupNum)],color="orange")
pyplot.grid(True)
pyplot.show()

饼图

1. 特点：
   饼图广泛得应用在各个领域，用于表示不同分类的占比情况，通过弧度大小来对比各种分类。饼图通过将一个圆饼按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块（圆弧）表示该分类占总体的比例大小，所有区块（圆弧）的加和等于 100%。
2. 示例：

labels=["Python","Java","C","JavaScript"]
sizes=[40,20,10,30]
colors='yellowgreen','gold','lightskyblue','lightcoral'
explode=[0.1,0,0,0]
pyplot.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%.1f%%',shadow=True,startangle=50,labeldistance=1.1,radius=0.7)
pyplot.show()

3. 参数及特点：
   pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, hold=None, data=None)

4. 例子：
   饼图的详细解析：

https://www.cnblogs.com/biyoulin/p/9565350.html

最后

以上就是高贵咖啡为你收集整理的python基础学习--数据分析的概念及绘图基本概念的全部内容，希望文章能够帮你解决python基础学习--数据分析的概念及绘图基本概念所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。