Python数据可视化教程之实践篇

举报
Python爱好者 发表于 2020/12/29 00:52:00 2020/12/29
【摘要】 开运张 | 作者 知乎专栏 | 来源 https://zhuanlan.zhihu.com/p/55036520 本篇文章在基础篇的基础上，选择实际案例进行了练习。 再明确一次三个步骤： 确定问题，选择图形转换数据，应用函数参数设置，一目了然 下面，我们通过案例来进行演示： %matplotlib inlineimport nump...

开运张 | 作者

知乎专栏 | 来源

https://zhuanlan.zhihu.com/p/55036520

本篇文章在基础篇的基础上，选择实际案例进行了练习。

再明确一次三个步骤：

  • 确定问题，选择图形

  • 转换数据，应用函数

  • 参数设置，一目了然

下面，我们通过案例来进行演示：


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       %matplotlib inline
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       import numpy as np
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       import pandas as pd
      
    
     
    4. 
    
  4. 
     
    
      
    
     
    
     
    
      
    
       import matplotlib.pyplot as plt #导入plt
      
    
     
    5. 
    
  5. 
     
    
      
    
     
    
     
    
      
    
       import seaborn as sns
      
    
     
    6. 
    
  6. 
     
    
      
    
     
    
     
    
      
     
      
    
     
    7. 
    
  7. 
     
    
      
    
     
    
     
    
      
    
       import warnings
      
    
     
    8. 
    
  8. 
     
    
      
    
     
    
     
    
      
    
       warnings.filterwarnings('ignore')#忽略警告
      
    
     
    9.

 加载数据 

数据采用kaggle中的共享单车项目，比赛提供了跨越两年的每小时共享单车租赁数据，包含天气信息和日期信息。

 字段说明 

  • datetime（日期） - hourly date + timestamp

  • season（季节） - 1 = spring, 2 = summer, 3 = fall, 4 = winter

  • holiday（是否假日） - whether the day is considered a holiday

  • workingday（是否工作日） - whether the day is neither a weekend nor holiday

  • weather（天气等级）

  • Clear, Few clouds, Partly cloudy 清澈，少云，多云。

  • Mist + Cloudy, Mist + Broken clouds, Mist + Few clouds, Mist 雾+阴天，雾+碎云、雾+少云、雾

  • Light Snow, Light Rain + Thunderstorm + Scattered clouds, Light Rain + Scattered clouds 小雪、小雨+雷暴+散云，小雨+云

  • Heavy Rain + Ice Pallets + Thunderstorm + Mist, Snow + Fog 暴雨+冰雹+雷暴+雾，雪+雾

  • temp（温度） - temperature in Celsius

  • atemp（体感温度） - "feels like" temperature in Celsius

  • humidity（相对湿度） - relative humidity

  • windspeed（风速） - wind speed

  • casual（临时租赁数量） - number of non-registered user rentals initiated

  • registered（会员租赁数量） - number of registered user rentals initiated

  • count（总租赁数量） - number of total rentals

  • date(日期) - 由datetime拆分得到

  • hour（小时）-由datetime拆分得到

  • year（年份）-由datetime拆分得到

  • month（月份）-由datetime拆分得到

  • weeekday（周几）-由datetime拆分得到

  • windspeed_rfr（经过随机森林树填充0值得到的风速）


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       #读取数据
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       #Bikedata = pd.read_csv('./Bike.csv')
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       Bikedata.head()
      
    
     
    4. 
   

  


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       #查看描述统计
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       Bikedata.describe()
      
    
     
    3. 
   

  


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       #对于整体数据，我们希望查看与三个租赁数量相关的其他特征值的关系，可以选用seaborn包的pairplot函数（多变量图）
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       sns.pairplot(Bikedata,x_vars=['holiday','workingday','season','weather','hour','windspeed_rfr','atemp','humidity','temp'],y_vars=['count','registered','casual'],plot_kws={'alpha': 0.1})
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       <seaborn.axisgrid.PairGrid at 0xadcef98>
      
    
     
    4.

大致可以看出：会员在工作日出行较多，节假日次数减少，而临时用户相反，第一季度出行人数总体偏低，出行人数受天气影响较大，会员在每天早晚有两个高峰期，对应上下班时间；非会员在下午出行较密集 风速对出行人数有较大的影响 相对湿度，温度和体感温度对非会员出行影响较大，对会员出行影响较小。


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       #接下来，我们通过相关系数的大小来依次对特征进行可视化分析
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       #首先，列出相关系数矩阵：df.corr()
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       corrdf = Bikedata.corr()
      
    
     
    4. 
    
  4. 
     
    
      
    
     
    
     
    
      
    
       corrdf
      
    
     
    5. 
   

  


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       #各特征按照与租赁总量count的相关系数大小进行排序
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       corrdf['count'].sort_values(ascending=False)
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       count            1.000000
      
    
     
    4. 
    
  4. 
     
    
      
    
     
    
     
    
      
    
       registered 0.966209
      
    
     
    5. 
    
  5. 
     
    
      
    
     
    
     
    
      
    
       casual 0.704764
      
    
     
    6. 
    
  6. 
     
    
      
    
     
    
     
    
      
    
       hour 0.405437
      
    
     
    7. 
    
  7. 
     
    
      
    
     
    
     
    
      
    
       temp 0.385954
      
    
     
    8. 
    
  8. 
     
    
      
    
     
    
     
    
      
    
       atemp 0.381967
      
    
     
    9. 
    
  9. 
     
    
      
    
     
    
     
    
      
    
       year 0.234959
      
    
     
    10. 
    
  10. 
     
    
      
    
     
    
     
    
      
    
       month 0.164673
      
    
     
    11. 
    
  11. 
     
    
      
    
     
    
     
    
      
    
       season 0.159801
      
    
     
    12. 
    
  12. 
     
    
      
    
     
    
     
    
      
    
       windspeed_rfr 0.111783
      
    
     
    13. 
    
  13. 
     
    
      
    
     
    
     
    
      
    
       windspeed 0.106074
      
    
     
    14. 
    
  14. 
     
    
      
    
     
    
     
    
      
    
       weekday 0.022602
      
    
     
    15. 
    
  15. 
     
    
      
    
     
    
     
    
      
    
       holiday 0.002978
      
    
     
    16. 
    
  16. 
     
    
      
    
     
    
     
    
      
    
       workingday -0.020764
      
    
     
    17. 
    
  17. 
     
    
      
    
     
    
     
    
      
    
       weather -0.127519
      
    
     
    18. 
    
  18. 
     
    
      
    
     
    
     
    
      
    
       humidity -0.317028
      
    
     
    19. 
    
  19. 
     
    
      
    
     
    
     
    
      
    
       Name: count, dtype: float64
      
    
     
    20.

可见，特征对租赁总量的影响力为：

时段>温度>湿度>年份>月份>季节>天气>风速>工作日>节假日

 对特征逐项分析 

1

首先对时段进行分析

  • 第一步

提出问题：租赁总量对应湿度的变化趋势

适合图形：因为湿度属于连续性数值变量，我们可以选择折线图反应变化趋势

  • 第二步

转换数据：我们需要一个二维数据框，按照温度变化排序，取对应的三个租赁数的平均值

应用函数：直接应用plt的plot函数即可完成折线图


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       workingday_df = Bikedata[Bikedata['workingday']==1]#t
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       workingday_df = workingday_df.groupby(['hour'],as_index=True).agg({'count':'mean','registered':'mean','casual':'mean'})
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
     
      
    
     
    4. 
    
  4. 
     
    
      
    
     
    
     
    
      
    
       nworkingday_df = Bikedata[Bikedata['workingday']==0]
      
    
     
    5. 
    
  5. 
     
    
      
    
     
    
     
    
      
    
       nworkingday_df = nworkingday_df.groupby(['hour'],as_index=True).agg({'count':'mean','registered':'mean','casual':'mean'})
      
    
     
    6. 
    
  6. 
     
    
      
    
     
    
     
    
      
    
       nworkingday_df.head()
      
    
     
    7.

  • 第三步：设置参数


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       figure,axes = plt.subplots(1,2,sharey=True)#设置一个1*2的画布，且共享y轴
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
     
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       workingday_df.plot(figsize=(15,5),title='The average number of rentals initiated per hour in the working day',ax=axes[0])
      
    
     
    4. 
    
  4. 
     
    
      
    
     
    
     
    
      
    
       nworkingday_df.plot(figsize=(15,5),title='The average number of rentals initiated per hour in the nworking day',ax=axes[1])
      
    
     
    5. 
    
  5. 
     
    
      
    
     
    
     
    
      
    
       <matplotlib.axes._subplots.AxesSubplot at 0xe452940>
      
    
     
    6.

可以看出：

  • 在工作日，会员出行对应两个很明显的早晚高峰期，并且在中午会有一个小的高峰，可能对应中午外出就餐需求； 

  • 工作日非会员用户出行高峰大概在下午三点；

  • 工作日会员出行次数远多于非会员用户；

  • 在周末，总体出行趋势一致，大部分用车发生在11-5点这段时间，早上五点为用车之最。

2

对温度进行分析

  • 第一步

提出问题：租赁总量对应湿度的变化趋势

适合图形：因为湿度属于连续性数值变量，我们可以选择折线图反应变化趋势

  • 第二步

转换数据：我们需要一个二维数据框，按照温度变化排序，取对应的三个租赁数的平均值

应用函数：直接应用plt的plot函数即可完成折线图

  • 第三步

参数设置：只需要设置折线图的标题，其他参数默认


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       temp_df = Bikedata.groupby(['temp'],as_index='True').agg({'count':'mean','registered':'mean','casual':'mean'})
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       temp_df.plot(title = 'The average number of rentals initiated per hour changes with the temperature')
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       <matplotlib.axes._subplots.AxesSubplot at 0xe57d7f0>
      
    
     
    4.

  • 随着温度的升高，租赁数量呈上升趋势；

  • 在温度达到35度时，因天气炎热，总体数量开始下降；

  • 在温度在4度时，租赁数达到最低点；

3

湿度对租赁数量的影响

  • 第一步

提出问题：租赁总量对应湿度的变化趋势

适合图形：因为湿度属于连续性数值变量，我们可以选择折线图反应变化趋势

  • 第二步

转换数据：我们需要一个二维数据框，按照温度变化排序，取对应的三个租赁数的平均值

应用函数：直接应用plt的plot函数即可完成折线图

  • 第三步

参数设置：只需要设置折线图的标题，其他参数默认


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       humidity_df = Bikedata.groupby(['humidity'],as_index=True).agg({'count':'mean','registered':'mean','casual':'mean'})
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       humidity_df.plot(title='Average number of rentals initiated per hour in different humidity')
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       <matplotlib.axes._subplots.AxesSubplot at 0xe582400>
      
    
     
    4.

可以观察到在湿度20左右租赁数量迅速达到高峰值，此后缓慢递减。

年份，月份和季节作图方法类似，都采用折线图绘制，这里省略。

4

查看不同天气对出行情况的影响

  • 第一步

提出问题：租赁总量对应湿度的变化趋势

适合图形：因为天气情况属于数值型分类变量，我们可以选择柱形图观察数量分布

  • 第二步

转换数据：我们需要一个二维数据框，按照天气情况对租赁数量取平均值

应用函数：应用plt的plot.bar函数绘制组合柱形图

  • 第三步

参数设置：只需要设置折线图的标题，其他参数默认


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       weather_df = Bikedata.groupby(['weather'],as_index=True).agg({'registered':'mean','casual':'mean'})
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       weather_df.plot.bar(stacked=True,title='Average number of rentals initiated per hour in different weather')
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       <matplotlib.axes._subplots.AxesSubplot at 0xe7e0a90>
      
    
     
    4.

观察到天气等级为4时，平均出行人数比天气等级为2是还要高，这不符合常理

我们查看一下天气等级为4的详细情况


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       count_weather = Bikedata.groupby('weather')
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       count_weather[['casual','registered','count']].count()
      
    
     
    3.

天气状况为4级的只有一天，我们把数据打印出来查看一下

Bikedata[Bikedata['weather']==4]

时间为工作日的下午六点钟，属于晚高峰异常数据，不具有代表性。

5

会员用户和临时用户在整体用户中占比

  • 第一步

提出问题：查看会员用户和临时用户在整体用户中的比例

适合图形：查看占比，适合用饼图pie

  • 第二步

转换数据：需要一个二维数据框，按天数取两种用户的平均值

应用函数：应用plt的plot.pie函数绘制饼图

  • 第三步

参数设置：这是数据标签和类别标签


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       #考虑到相同日期是否工作日，星期几，以及所属年份等信息是一样的，把租赁数据按天求和，其它日期类数据取平均值
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       day_df = Bikedata.groupby(['date'], as_index=False).agg({'casual':'sum','registered':'sum','count':'sum', 'workingday':'mean','weekday':'mean','holiday':'mean','year':'mean'})
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       day_df.head()
      
    
     
    4. 
   

  


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       #按天取两种类型用户平均值
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       number_pei=day_df[['casual','registered']].mean()
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       number_pei
      
    
     
    4. 
    
  4. 
     
    
      
    
     
    
     
    
      
    
       casual 517.411765
      
    
     
    5. 
    
  5. 
     
    
      
    
     
    
     
    
      
    
       registered 2171.067031
      
    
     
    6. 
    
  6. 
     
    
      
    
     
    
     
    
      
    
       dtype: float64
      
    
     
    7. 
    
  7. 
     
    
      
    
     
    
     
    
      
    
       #绘制饼图
      
    
     
    8. 
    
  8. 
     
    
      
    
     
    
     
    
      
    
       plt.axes(aspect='equal')
      
    
     
    9. 
    
  9. 
     
    
      
    
     
    
     
    
      
    
       plt.pie(number_pei, labels=['casual','registered'], autopct='%1.1f%%', pctdistance=0.6 , labeldistance=1.05 , radius=1 )
      
    
     
    10. 
    
  10. 
     
    
      
    
     
    
     
    
      
    
       plt.title('Casual or registered in the total lease')
      
    
     
    11. 
    
  11. 
     
    
      
    
     
    
     
    
      
    
       Text(0.5,1,'Casual or registered in the total lease')
      
    
     
    12.

python作图的简单案例

6

总结

  • 要清楚自己想表达什么，有了明确的问题，选择合适的图形，然后按照需求从整体数据中选择自己需要的数据，查阅资料了解函数的参数设置，最后完成图形的绘制

  • matplotlib是python绘图的基础，也是其他拓展包的基础，认真学习matplotlib的常用图形和参数是很有必要的

  • 学习期间思考为什么要加载matplotlib.pyplot？来进行绘图

- END -

本文为转载分享&推荐阅读，若侵权请联系后台删除


   
    
    
  1. 
     
    
      
    
     
    
     
    
      
    
       扫一扫下面的二维码
      
    
     
    2. 
    
  2. 
     
    
      
    
     
    
     
    
      
    
       一起学习进步哦~~
      
    
     
    3. 
    
  3. 
     
    
      
    
     
    
     
    
      
    
       “扫一扫，领取Python学习资料”
      
    
     
    4.

文章来源: blog.csdn.net，作者：敲代码的灰太狼，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/tongtongjing1765/article/details/108332640

【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱： cloudbbs@huaweicloud.com
Python 应用与数据集成平台 ROMA Connect 数据可视化
  • 点赞
  • 收藏
  • 关注作者

评论（0）

0/1000
抱歉，系统识别当前为高风险访问，暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称，即可参与社区互动！

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

确认 取消

加入云驻计划，成为创作者

  • 华为云周边好礼
  • 免费体验产品
  • 特殊身份标识
  • 线下官方门票
  • 内部专家零距离
  • 与10000+优质创作者共同成长
立即加入