python 数据分析

您所在的位置：网站首页 › 苹果id换了之前的id还同步内容吗 › python 数据分析

python 数据分析

2022-03-26 07:04| 来源: 网络整理| 查看: 265

说明: 数据可视化中的数据集下载地址:（数据来源:从零开始学python数据分析和挖掘）链接：https://pan.baidu.com/s/1zrNpzSNVHd8v1rGFRzKipQ 提取码：mx9d

数据可视化是数据分析中的一部分，可用于数据的探索和查找缺失值等，也是展现数据的重要手段。matplotlib是一个强大的工具箱，其完整的图表样式函数和个性化的自定义设置，可以满足几乎所有的2D和一些3D绘图的需求。

1. 条形图

条形图主要用来表示分组（或离散）变量的可视化，可以使用matplotlib完成条形图的绘制。

1.1 垂直条形图

以垂直条形图为例，离散型变量在各水平上的差异就是比较柱形的高低，柱体越高，代表的数值越大。plt.bar()函数的参数列表:

left：传递数值序列，指定条形图中x轴上的刻度值,现left需改为x。 height：传递数值序列，指定条形图y轴上的高度。 width：指定条形图的宽度，默认为0.8。 bottom：用于绘制堆叠条形图。 color：指定条形图的填充色。 edgecolor：指定条形图的边框色。 linewidth：指定条形图边框的宽度，如果指定为0，表示不绘制边框。 tick_label：指定条形图的刻度标签。 xerr：如果参数不为None，表示在条形图的基础上添加误差棒。yerr：参数含义同xerr。 label：指定条形图的标签，一般用以添加图例。 ecolor：指定条形图误差棒的颜色。 align：指定x轴刻度标签的对齐方式，默认为center，表示刻度标签居中对齐，如果设置为 edge，则表示在每个条形的左下角呈现刻度标签。 log：bool类型参数，是否对坐标轴进行log变换，默认为False。 **kwargs：关键字参数，用于对条形图进行其他设置，如透明度等。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4Ol3ti7S-1586005368658)(attachment:image.png)]

import matplotlib.pyplot as plt import pandas as pd # 条形图的绘制--垂直条形图 # 读入数据 GDP = pd.read_excel(r'E:\Data\4\Province GDP 2017.xlsx') # 设置绘图风格（不妨使用R语言中的ggplot2风格） plt.style.use('ggplot') # 解决中文显示问题 plt.rcParams['font.sans-serif'] = ['KaiTi'] plt.rcParams['axes.unicode_minus'] = False # 添加条形图的标题 plt.title('2017年度6个省份GDP分布') # 添加y轴的标签 plt.ylabel('GDP(万亿)') # 绘制条形图 plt.bar( x = range(GDP.shape[0]), # 指定条形图x轴的刻度值 height = GDP.GDP, # 指定条形图y轴的数值 tick_label = GDP.Province, # 指定条形图x轴的刻度标签 color = 'pink', # 指定条形图的填充色 ) # 为每个条形图添加数值标签 for x,y in enumerate(GDP.GDP): plt.text(x,y+0.1,'%s' %round(y,1),ha='center') #round 四舍五入保留1位小数 # 显示图形 plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-t1xA15xB-1586005368660)(output_8_0.png)]

1.2 水平条形图

水平条形图不再是bar函数，而是barh函数。对原始数据做升序排序，但是图形看上去是降序,是因为水平条形图的y轴刻度值是从下往上布置的，所以条形图从下往上是满足升序的。

# 条形图的绘制--水平条形图 # 导入第三方库和读入数据同上 # 添加条形图的标题 plt.title('2017年度6个省份GDP分布') # 添加x轴的标签 plt.xlabel('GDP(万亿)') # 对读入的数据作升序排序 GDP.sort_values(by = 'GDP', inplace = True) # 绘制条形图 plt.barh(y = range(GDP.shape[0]), # 指定条形图y轴的刻度值 width = GDP.GDP, # 指定条形图x轴的数值 tick_label = GDP.Province, # 指定条形图y轴的刻度标签 color = 'green', # 指定条形图的填充色 ) # 为每个条形图添加数值标签 for y,x in enumerate(GDP.GDP): plt.text(x+0.1,y,'%s' %round(x,1),va='center') #此处x在前，y在后，数值标签加在x上，居中也是垂直方向居中 # 显示图形 plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CsAf7AEs-1586005368660)(output_11_0.png)]

1.3 堆叠条形图

不管是垂直条形图还是水平条形图，只是反映单个离散变量的统计图形，如果想通过条形图传递两个离散变量的信息该如何做到？这就需要使用堆叠条形图，该类型条形图的横坐标代表一个维度的离散变量，堆叠起来的“块”代表了另一个维度的离散变量。这样的条形图，最大的优点是可以方便比较累积和。 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yMtNH6UQ-1586005368661)(attachment:image.png)]

# 条形图的绘制--堆叠条形图 # 读入数据 Industry_GDP = pd.read_excel(r'E:\Data\4\Industry_GDP.xlsx') # 取出四个不同的季度标签，用作堆叠条形图x轴的刻度标签 Quarters = Industry_GDP.Quarter.unique() # 取出第一产业的四季度值 Industry1 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第一产业'] # 重新设置行索引 Industry1.index = range(len(Quarters)) # 取出第二产业的四季度值 Industry2 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第二产业'] # 重新设置行索引 Industry2.index = range(len(Quarters)) # 取出第三产业的四季度值 Industry3 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第三产业'] # 绘制堆叠条形图 # 各季度下第一产业的条形图 plt.bar(x = range(len(Quarters)), height=Industry1, color = 'yellow', label = '第一产业', tick_label = Quarters) # 各季度下第二产业的条形图 plt.bar(x = range(len(Quarters)), height=Industry2, bottom = Industry1, color = 'green', label = '第二产业') # 各季度下第三产业的条形图 plt.bar(x = range(len(Quarters)), height=Industry3, bottom = Industry1 + Industry2, color = 'red', label = '第三产业') # 添加y轴标签 plt.ylabel('生成总值（亿）') # 添加图形标题 plt.title('2017年各季度三产业总值') # 显示各产业的图例 plt.legend() # 显示图形 plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KpLfL5d4-1586005368661)(output_15_0.png)]

1.4 水平交错条形图

堆叠条形图可以包含两个离散变量的信息，而且可以比较各季度整体产值的高低水平，但是其缺点是不易区分“块”之间的差异，例如二、三季度的第三产业值差异就不是很明显，区分高低就相对困难。而交错条形图恰好就可以解决这个问题，该类型的条形图就是将堆叠的“块”水平排开。

# 条形图的绘制--水平交错条形图 # 导入第三方模块 import matplotlib.pyplot as plt import pandas as pd import numpy as np # 读取数据 Industry_GDP = pd.read_excel(r'E:\Data\4\Industry_GDP.xlsx') # 取出四个不同的季度标签，用作堆叠条形图x轴的刻度标签 Quarters = Industry_GDP.Quarter.unique() # 取出第一、二、三产业的四季度值 Industry1 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第一产业'] Industry1.index = range(len(Quarters))# 重新设置行索引 Industry2 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第二产业'] Industry2.index = range(len(Quarters)) Industry3 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第三产业'] # 绘制水平交错条形图 bar_width = 0.3 # 各季度下第一产业的条形图 plt.bar(x = np.arange(len(Quarters)), height=Industry1, color = 'yellow', label = '第一产业' , width = bar_width) # 各季度下第二产业的条形图 plt.bar(x = np.arange(len(Quarters))+ bar_width, height=Industry2, color = 'green', label = '第二产业', width = bar_width) # 各季度下第三产业的条形图 plt.bar(x = np.arange(len(Quarters))+ 2*bar_width, height=Industry3, color = 'indianred', label = '第三产业', width = bar_width) # 为每个条形图添加数值标签 for x,y in enumerate(Industry1): plt.text(x,y+0.1,'%s' %round(y,1),ha='center') # 为每个条形图添加数值标签 for x,y in enumerate(Industry2): plt.text(x+0.3,y+0.1,'%s' %round(y,1),ha='center') for x,y in enumerate(Industry3): plt.text(x+0.6,y+0.1,'%s' %round(y,1),ha='center') # 添加刻度标签 plt.xticks(np.arange(4)+0.3, Quarters) plt.ylabel('生成总值（亿）') plt.title('2017年各季度三产业总值') plt.legend(loc='upper left',bbox_to_anchor=(0,1.2),ncol=3, shadow=True) plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WSpB64fc-1586005368662)(output_18_0.png)]

2.饼状图

饼图属于最传统的统计图形之一，如果你选择matplotlib模块绘制饼图的话，首先需要导入该模块的子模块pyplot，然后调用模块中的pie函数。

x：指定绘图的数据。 explode：指定饼图某些部分的突出显示，即呈现爆炸式。 labels：为饼图添加标签说明，类似于图例说明。 colors：指定饼图的填充色。 autopct：自动添加百分比显示，可以采用格式化的方法显示。 pctdistance：设置百分比标签与圆心的距离。 shadow：是否添加饼图的阴影效果。 labeldistance：设置各扇形标签（图例）与圆心的距离。 startangle：设置饼图的初始摆放角度。 radius：设置饼图的半径大小。 counterclock：是否让饼图按逆时针顺序呈现。 wedgeprops：设置饼图内外边界的属性，如边界线的粗细、颜色等。 textprops：设置饼图中文本的属性，如字体大小、颜色等。 center：指定饼图的中心点位置，默认为原点。 frame：是否要显示饼图背后的图框，如果设置为True的话，需要同时控制图框x轴、y轴的范围和饼图的中心位置。 import matplotlib.pyplot as plt import pandas as pd import numpy as np # 读取数据 Industry_GDP = pd.read_excel(r'E:\Data\4\Industry_GDP.xlsx') # 取出四个不同的季度标签，用作堆叠条形图x轴的刻度标签 Quarters = Industry_GDP.Quarter.unique() # 取出第一、二、三产业的四季度值 Industry1 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第一产业'] Industry1.index = range(len(Quarters))# 重新设置行索引 Industry2 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第二产业'] Industry2.index = range(len(Quarters)) Industry3 = Industry_GDP.GPD[Industry_GDP.Industry_Type == '第三产业'] Industry3.index = range(len(Quarters)) DataQ1 = Industry1[0] + Industry2[0] + Industry3[0] DataQ2 = Industry1[1] + Industry2[1] + Industry3[1] DataQ3 = Industry1[2] + Industry2[2] + Industry3[2] DataQ4 = Industry1[3] + Industry2[3] + Industry3[3] DataToatal = DataQ1+DataQ2+DataQ3+DataQ4 # 构造数据 Industry = [DataQ1/DataToatal,DataQ2/DataToatal,DataQ3/DataToatal,DataQ4/DataToatal] labels = Quarters # 解决中文显示问题 plt.rcParams['font.sans-serif'] = ['KaiTi'] plt.rcParams['axes.unicode_minus'] = False explode = [0,0,0,0.1] # 绘制饼图 plt.pie(x = Industry, # 绘图数据 labels=labels, # 添加教育水平标签 autopct='%.1f%%', # 设置百分比的格式，这里保留一位小数 colors = np.array(['#332DF1','#2F8177','#A21B63','#22BB99']), radius= 1.2, # 圆的半径 shadow= True, # 圆的阴影 startangle = 0, # 设置饼图的初始角度 counterclock= False, # False 表示逆时针 wedgeprops = {'linewidth': 1.5, 'edgecolor':'green'}, # 设置饼图内外边界的属性值 textprops = {'fontsize':20, 'color':'black'}, # 设置文本标签的属性值 explode= explode, #第四季度突出显示 ) # 添加图标题 plt.title('各个季度工业GDP总值百分比情况') # 显示图形 plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tHzSSByE-1586005368663)(output_21_0.png)]

3. 直方图与核密度曲线

直方图一般用来观察数据的分布形态，横坐标代表数值的均匀分段，纵坐标代表每个段内的观测数量（频数）。一般直方图都会与核密度图搭配使用，目的是更加清晰地掌握数据的分布特征。matplotlib模块中的hist函数就是用来绘制直方图的。关于该函数的语参数含义如下：

x：指定要绘制直方图的数据。 bins：指定直方图条形的个数。 range：指定直方图数据的上下界，默认包含绘图数据的最大值和最小值。 normed：是否将直方图的频数转换成频率。 weights：该参数可为每一个数据点设置权重。 cumulative：是否需要计算累计频数或频率。 bottom：可以为直方图的每个条形添加基准线，默认为0。 histtype：指定直方图的类型，默认为bar，除此之外，还有barstacked、stepstepfilled。 align：设置条形边界值的对齐方式，默认为mid，另外还有left和right。 orientation：设置直方图的摆放方向，默认为垂直方向。 rwidth：设置直方图条形的宽度。 log：是否需要对绘图数据进行log变换。 color：设置直方图的填充色。 edgecolor：设置直方图边框色。 label：设置直方图的标签，可通过legend展示其图例。 stacked：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放。 import matplotlib.pyplot as plt import pandas as pd Titanic = pd.read_csv(r"E:/Data/4/titanic_train.csv") if any(Titanic.Age.isnull()): Titanic.dropna(subset=['Age'], inplace=True) Titanic.head() PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 0 PC 17599 71.2833 C85 C 2 3 1 3 Heikkinen, Miss. Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S 3 4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 0 113803 53.1000 C123 S 4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S plt.hist(x = Titanic.Age, bins = 20, color= 'steelblue', edgecolor = 'black') plt.xlabel("年龄") plt.ylabel("人数") plt.title("泰坦尼克号乘客年龄分布")

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VomyCGgg-1586005368664)(output_25_1.png)]

如果原始数据集中存在缺失值，一定要对缺失观测进行删除或替换，否则无法绘制成功。如果在直方图的基础上再添加核密度图，通过matplotlib模块就比较吃力了，因为首先得计算出每一个年龄对应的核密度值。为了简单起见，下面利用pandas模块中的plot方法将直方图和核密度图绘制到一起。

# Pandas模块绘制直方图和核密度图 # 绘制直方图 Titanic.Age.plot(kind = 'hist', bins = 20, color = 'steelblue', edgecolor = 'black', normed = True, label = '直方图') # 绘制核密度图 Titanic.Age.plot(kind = 'kde', color = 'red', label = '核密度图') # 添加x轴和y轴标签 # 添加标题 plt.title('泰坦尼克号乘客年龄分布') plt.xlabel('年龄') plt.ylabel('核密度值') # 显示图例 plt.legend() # 显示图形 plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TWg7ki3D-1586005368664)(output_27_0.png)]

4. 箱线图

箱线图是另一种体现数据分布的图形，通过该图可以得知数据的下须值（Q1-1.5IQR）、下四分位数（Q1）、中位数（Q2）、均值、上四分位（Q3）数和上须值（Q3+1.5IQR），更重要的是，箱线图还可以发现数据中的异常点。matplotlib模块中绘制箱线图的boxplot函数的参数含义如下：

x：指定要绘制箱线图的数据。 notch：是否以凹口的形式展现箱线图，默认非凹口。 sym：指定异常点的形状，默认为＋号显示。 vert：是否需要将箱线图垂直摆放，默认垂直摆放。 whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差。 positions：指定箱线图的位置，默认为[0,1,2…]。 widths：指定箱线图的宽度，默认为0.5。 patch_artist：bool类型参数，是否填充箱体的颜色；默认为False。 meanline：bool类型参数，是否用线的形式表示均值，默认为False。 showmeans：bool类型参数，是否显示均值，默认为False。 showcaps：bool类型参数，是否显示箱线图顶端和末端的两条线（即上下须），默认为True。 showbox：bool类型参数，是否显示箱线图的箱体，默认为True。 showfliers：是否显示异常值，默认为True。 boxprops：设置箱体的属性，如边框色，填充色等。 labels：为箱线图添加标签，类似于图例的作用。 filerprops：设置异常值的属性，如异常点的形状、大小、填充色等。 medianprops：设置中位数的属性，如线的类型、粗细等。 meanprops：设置均值的属性，如点的大小、颜色等。 capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等。 whiskerprops：设置须的属性，如颜色、粗细、线的类型等。

在这里插入图片描述

import matplotlib.pyplot as plt import pandas as pd import numpy as np # 读取数据 Sec_Buildings = pd.read_excel(r"E:/Data/4/sec_buildings.xlsx") Sec_Buildings.head() block type size region height direction price built_date price_unit 0 梅园六街坊 2室0厅 47.72 浦东低区/6层朝南 500 1992年建 104777 1 碧云新天地（一期） 3室2厅 108.93 浦东低区/6层朝南 735 2002年建 67474 2 博山小区 1室1厅 43.79 浦东中区/6层朝南 260 1988年建 59374 3 金桥新村四街坊（博兴路986弄） 1室1厅 41.66 浦东中区/6层朝南北 280 1997年建 67210 4 博山小区 1室0厅 39.77 浦东高区/6层朝南 235 1987年建 59089 # 解决中文显示问题 plt.rcParams['font.sans-serif'] = ['KaiTi'] plt.rcParams['axes.unicode_minus'] = False # 绘制箱线图 plt.boxplot(x = Sec_Buildings.price_unit, # 指定绘图数据 patch_artist=True, # 要求用自定义颜色填充盒形图，默认白色填充 showmeans=True, # 以点的形式显示均值 boxprops = {'color':'black','facecolor':'steelblue'}, # 设置箱体属性，如边框色和填充色 flierprops = {'marker':'o','markerfacecolor':'red', 'markersize':3}, # 设置异常点属性，如点的形状、填充色和点的大小 meanprops = {'marker':'D','markerfacecolor':'yellow', 'markersize':4}, # 设置均值点的属性，如点的形状、填充色和点的大小 medianprops = {'linestyle':'--','color':'green'}, # 设置中位数线的属性，如线的类型和颜色 labels = [''] # 删除x轴的刻度标签，否则图形显示刻度标签为1 ) # 添加图形标题 plt.title('二手房单价分布的箱线图') # 显示图形 plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AjclVEpF-1586005368667)(output_33_0.png)]

# 二手房在各行政区域的平均单价 group_region = Sec_Buildings.groupby('region') avg_price = group_region.aggregate({'price_unit':np.mean}).sort_values('price_unit', ascending = False) # 通过循环，将不同行政区域的二手房存储到列表中 region_price = [] for region in avg_price.index: region_price.append(Sec_Buildings.price_unit[Sec_Buildings.region == region]) # 绘制分组箱线图 plt.boxplot(x = region_price, patch_artist=True, labels = avg_price.index, # 添加x轴的刻度标签 showmeans=True, boxprops = {'color':'black', 'facecolor':'steelblue'}, flierprops = {'marker':'o','markerfacecolor':'red', 'markersize':3}, meanprops = {'marker':'D','markerfacecolor':'indianred', 'markersize':4}, medianprops = {'linestyle':'--','color':'orange'} ) # 添加y轴标签 plt.ylabel('单价（元）') # 添加标题 plt.title('不同行政区域的二手房单价对比') # 显示图形 plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LHcVrpo9-1586005368669)(output_34_0.png)]

5. 折线图

对于时间序列数据而言，一般都会使用折线图反映数据背后的趋势。通常折线图的横坐标指代日期数据，纵坐标代表某个数值型变量，当然还可以使用第三个离散变量对折线图进行分组处理。折线图的绘制可以使用matplotlib模块中的plot函数实现。该函数参数含义如下:

x：指定折线图的x轴数据。 y：指定折线图的y轴数据。 linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认为实线。 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。 markeredgewidth：设置点的边框宽度。 label：为折线图添加标签，类似于图例的作用。 import random import matplotlib.pyplot as plt x = [1,2,2,4,4,6,7,8,9,9,11] y = [i**2 for i in x ] plt.plot(x, y , label='x**2') plt.xlabel('x label') plt.ylabel('y label') plt.title("Simple Plot") plt.legend() plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-R1fCRRAW-1586005368669)(output_37_0.png)]

6. 散点图

如果需要研究两个数值型变量之间是否存在某种关系，例如正向的线性关系，或者是趋势性的非线性关系，那么散点图将是最佳的选择。matplotlib模块中的scatter函数可以非常方便地绘制两个数值型变量的散点图。函数的参数含义写在下方：

x：指定散点图的x轴数据。 y：指定散点图的y轴数据。 s：指定散点图点的大小，默认为20，通过传入其他数值型变量，可以实现气泡图的绘制。 c：指定散点图点的颜色，默认为蓝色，也可以传递其他数值型变量，通过cmap参数的色阶表示数值大小。 marker：指定散点图点的形状，默认为空心圆。 cmap：指定某个Colormap值，只有当c参数是一个浮点型数组时才有效。 norm：设置数据亮度，标准化到0～1，使用该参数仍需要参数c为浮点型的数组。 vmin、vmax：亮度设置，与norm类似，如果使用norm参数，则该参数无效。 alpha：设置散点的透明度。 linewidths：设置散点边界线的宽度。 edgecolors：设置散点边界线的颜色。 import matplotlib.pyplot as plt import pandas as pd # 读入数据 iris = pd.read_csv(r'E:\Data\4\iris.csv') iris.head() Sepal_Length Sepal_Width Petal_Length Petal_Width Species 0 5.1 3.5 1.4 0.2 setosa 1 4.9 3.0 1.4 0.2 setosa 2 4.7 3.2 1.3 0.2 setosa 3 4.6 3.1 1.5 0.2 setosa 4 5.0 3.6 1.4 0.2 setosa # 绘制散点图 plt.scatter(x = iris.Petal_Width, # 指定散点图的x轴数据 y = iris.Petal_Length, # 指定散点图的y轴数据 color = 'steelblue' # 指定散点图中点的颜色 ) # 添加x轴和y轴标签 plt.xlabel('花瓣宽度') plt.ylabel('花瓣长度') # 添加标题 plt.title('鸢尾花的花瓣宽度与长度关系') # 显示图形 plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dGqzr52c-1586005368670)(output_41_0.png)]

7. 气泡图

气泡图的实质就是通过第三个数值型变量控制每个散点的大小，点越大，代表的第三维数值越高，反之亦然。matplotlib模块中的scatter函数绘制了散点图，绘制气泡图将继续使用该函数。关键的参数是s，即散点图中点的大小，如果将数值型变量传递给该参数，就可以轻松绘制气泡图了。

import matplotlib.pyplot as plt import pandas as pd # 读取数据 Prod_Category = pd.read_excel(r'E:\Data\4\SuperMarket.xlsx') Prod_Category.head() Category Sub_Category Profit Sales Profit_Ratio std_ratio 0 办公用品信封 49241.5600 176861.52 0.278419 0.839328 1 办公用品剪刀，尺子，锯 -7953.5700 80800.03 -0.098435 0.001000 2 办公用品夹子及其配件 306455.2895 1026410.56 0.298570 0.884155 3 办公用品家用电器 100258.3200 742663.39 0.134998 0.520283 4 办公用品容器，箱子 10068.2100 1112252.53 0.009052 0.240110 # 将利润率标准化到[0,1]之间（因为利润率中有负数），然后加上微小的数值0.001 range_diff = Prod_Category.Profit_Ratio.max()-Prod_Category.Profit_Ratio.min() Prod_Category['std_ratio'] = (Prod_Category.Profit_Ratio-Prod_Category.Profit_Ratio.min())/range_diff + 0.001 # 绘制办公用品的气泡图 plt.scatter(x = Prod_Category.Sales[Prod_Category.Category == '办公用品'], y = Prod_Category.Profit[Prod_Category.Category == '办公用品'], s = Prod_Category.std_ratio[Prod_Category.Category == '办公用品']*1000, color = 'steelblue', label = '办公用品', alpha = 0.6 ) # 绘制技术产品的气泡图 plt.scatter(x = Prod_Category.Sales[Prod_Category.Category == '技术产品'], y = Prod_Category.Profit[Prod_Category.Category == '技术产品'], s = Prod_Category.std_ratio[Prod_Category.Category == '技术产品']*1000, color = 'indianred' , label = '技术产品', alpha = 0.6 ) # 绘制家具产品的气泡图 plt.scatter(x = Prod_Category.Sales[Prod_Category.Category == '家具产品'], y = Prod_Category.Profit[Prod_Category.Category == '家具产品'], s = Prod_Category.std_ratio[Prod_Category.Category == '家具产品']*1000, color = 'black' , label = '家具产品', alpha = 0.6 ) # 添加x轴和y轴标签 plt.xlabel('销售额') plt.ylabel('利润') # 添加标题 plt.title('销售额、利润及利润率的气泡图') # 添加图例 plt.legend() # 显示图形 plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GjTT2KbZ-1586005368671)(output_45_0.png)]

如图上所示，应用scatter函数绘制了分组气泡图，从图中可知，办公用品和家具产品的利润率波动比较大（因为这两类圆点大小不均）。从代码角度来看，绘图的核心部分是使用三次scatter函数，而且代码结构完全一样，如果读者对for循环掌握得比较好，完全可以使用循环的方式替换三次scatter函数的重复应用。需要说明的是，如果s参数对应的变量值小于等于0，则对应的气泡点是无法绘制出来的。这里提供一个解决思路，就是先将该变量标准化为[0,1]，再加上一个非常小的值，如0.001。如上代码所示，最后对s参数扩大1000倍的目的就是凸显气泡的大小。

当然，作为强大的绘图库，Matplotlib的功能远远不止上面这一点，未涉及到的，以后需要用的时候，在进一步学习吧，坚持，坚持，坚持，每天进步一点点，不积跬步，无以至千里；不积小流，无以成江河。

【本文地址】

python 数据分析

python 数据分析

今日新闻

推荐新闻