第10章 数据可视化进阶-【千锋教育】Python快乐编程——数据分析与实战

第10章 数据可视化进阶 Seaborn Bokeh Pyecharts 空间可视化 Seaborn Bokeh Pyecharts 空间可视化 目 录 CATALOUGUE 初心至善 匠心育人 01 02 04 03 掌握Seaborn的使用 掌握空间可视化的创建 掌握Bokeh的使用 掌握Pyecharts的使用 学 习 目 标 LEARNING OBJECTIVES 初心至善 匠心育人 数据可视化是数据分析中的另一个重要环节。在第 5 章讲述了 Matplotlib 的基本操作,但该库不能满足更加复杂的开发需求。通过本章的学习,读者可以掌握更高级的数据可视化接口,能最大程度地提高工作效率,同时能够绘制出更加精美的图标。 初心至善 匠心育人 10.1 Seaborn 初心至善 匠心育人 10.1 Seaborn Seaborn 是 一 个 基 于 Matplotlib 且 完 全 兼 容 Pandas 数 据 结 构 的 统 计 图 制 作 库。Seaborn 库具有强大的功能,该库为开发者提供了计算多变量之间关系的面向数据集接口;该库同时支持变量类别可视化的观测和统计,如单变量或多变量可视化分布图形的绘制;Seaborn 高度抽象并精简可视化过程中对统计图形的制作,提供多个内置主题。 Seaborn 框架的宗旨是通过数据的可视化不断挖掘和理解数据。它提供的面向数据集制图函数主要是对行、列索引和数组的操作,对整个数据集进行内部的语义映射与统计整合,以此生成富于信息的图表。 初心至善 匠心育人 10.1.1 安装 Anaconda 默认自带 Seaborn 库,如果开发者使用的是 Anaconda 开发环境,将不需要进行Seaborn 的安装。但是,如果开发者使用的是自建虚拟环境，或者其他非 Anaconda 环境，将需要手动安装该库,安装命令如下。 或者使用如下指令。 当然，还可以使用官方链接的形式进行安装。 注意：安装完成后可以使用 piplist 命令查看是否安装成功。 初心至善 匠心育人 10.1.2 可视化数据集 在数据分析中 Seaborn 主要用于可视化数据集的分布情况展示,通过对数据的分布情况观察,可以看出已有数据的变化,进而预测数据的趋势。本节主要从单变量分布图的绘制、双变量分布图的绘制两方面演示 Seaborn 的应用。 1.单变量分布图的绘制 开发者需使用 displot ()函数绘制单变量分布图,具体形式如下。 初心至善 匠心育人 10.1.2 可视化数据集 displot ()函数参数具体如表所示。 初心至善 匠心育人 10.1.2 可视化数据集 下面通过代码说明。 使用 displot ()函数进行基本绘制时,为了让图形展示得更加形象,将使用 normal ()函数生成正态分布数据。 首先,导入 Seaborn 库并起别名,社区开发者建议使用 sns 为 Seaborn 的别名,具体代码如下。 初心至善 匠心育人 10.1.2 可视化数据集 然后,使用 normal ()函数生成 100 个正态分布数据并进行基本显示,具体代码如下。 通过上述代码可以看出正态分布的基本数据情况。 初心至善 匠心育人 10.1.2 可视化数据集 2.双变量分布图的绘制 Seaborn 除了支持单变量的图形绘制外,同时也支持绘制双变量的分布图。开发者可以使用 jointplot ()函数绘制双变量,该函数的基本形式如下。 初心至善 匠心育人 10.1.2 可视化数据集 ointplot ()函数参数具体如表所示。 初心至善 匠心育人 10.1.2 可视化数据集 下面通过代码说明。 首选,导入 pandas 库,并创建一个 DataFrame 类型的测试数据,具体代码如下。 初心至善 匠心育人 10.1.2 可视化数据集 然后,使用 jointplot ()函数绘制双变量图,具体代码如下。 双变量图中包含每个变量的变化图形,同时又包含综合图形的变化图形,这样在一张图中能够拥有更多的信息量。 初心至善 匠心育人 10.1.2 可视化数据集 开发者绘制二维直方图时,同样可以使用 jointplot ()函数,只需要指定 kind 参数为 hex即可,具体代码如下。 初心至善 匠心育人 10.1.2 可视化数据集 当开发者将 kind 参数设置为 kde 时，jointplot ()函数将绘制核密度估计图,具体代码如下。 初心至善 匠心育人 10.1.2 可视化数据集 3.绘制成对的双变量分布 在数据分析中,有时需要进行数据的双变量分布图例 展示。对于双变量 的展示,Seaborn 有很多支持,开发者需要使用 pairplot ()函数进行基本展示,具体代码