# 设置cell多行输出

from IPython.core.interactiveshell import InteractiveShell 
InteractiveShell.ast_node_interactivity = 'all' #默认为'last'

# 导入相关库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
import os

warnings.filterwarnings('ignore')
os.chdir(r'E:\python_learn\data\data_for_kaggle')

file_name = 'kaggle_bike_train.csv'
data = pd.read_csv(file_name)
data.head()

data.isna().sum().sum()  # 无缺失
data.info()

0



<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10886 entries, 0 to 10885
Data columns (total 12 columns):
datetime      10886 non-null object
season        10886 non-null int64
holiday       10886 non-null int64
workingday    10886 non-null int64
weather       10886 non-null int64
temp          10886 non-null float64
atemp         10886 non-null float64
humidity      10886 non-null int64
windspeed     10886 non-null float64
casual        10886 non-null int64
registered    10886 non-null int64
count         10886 non-null int64
dtypes: float64(3), int64(8), object(1)
memory usage: 1020.6+ KB

data['datetime']=pd.to_datetime(data['datetime'])
data['month'] = data['datetime'].dt.month
data['weekday'] = data['datetime'].dt.weekday_name.str[:4]
data.head()
data.info()

image.png

柱状图 → plt.plot(kind='bar')/plt.bar()

柱状图：是一种以长方形的长度为变量的统计图表。长条图用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用于较小的数据集分析。

适用场景：适用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较，用于显示一段时间内的数据变化或显示各项之间的比较情况。

优势：柱状图利用柱子的高度，反映数据的差异，肉眼对高度差异很敏感。

劣势：柱状图的局限在于只适用中小规模的数据集。

data_m = data.groupby('month').mean()['count']  # 按月统计租车量

# 柱状图绘制按月统计租车量count

# 单系列柱状图
data_m.plot(kind='bar',color='r',alpha=0.5,width=0.8,figsize=(12,8),rot=45)  # data_m 为series，series.plot()
plt.title('单系列柱状图',fontsize=18,pad=12)  # 设置标题
plt.ylabel('y轴标签设置')    # 设置y轴标签，x轴标签→plt.xlabel()
plt.grid(True,ls='--',lw=0.8,alpha=0.5,color='gray',axis='y')  # 设置网格，axis='y',只显示y轴网格，默认xy都显示
plt.ylim([0,300])  # 设置y轴标尺的范围

for x,y in zip(range(len(data_m)),data_m):
    plt.text(x,y,'%.f'%y,ha='center',va='bottom',fontsize=12)  # 给柱状图添加文字注释

output_6_16.png

# 多系列柱状图
data_m_2 = data.groupby('month',as_index=False).mean()[['casual','registered']]

data_m_2.plot(kind='bar',figsize=(12,8),width=0.8)

for i,j in zip(range(len(data_m_2)),data_m_2['casual']):
    plt.text(i-0.2,j+3,'%.f'%j,color='black',ha='center',va='center_baseline',fontsize=12)
for i,j in zip(range(len(data_m_2)),data_m_2['registered']):
    plt.text(i+0.2,j+2,'%.f'%j,color='black',ha='center',va='center_baseline',fontsize=12)

plt.legend(loc=0) # 设置图例，loc=0自定适配位置
plt.title('多系列柱状图',fontsize=18,pad=12)

柱状图延申图表

条形图 → plt.plot(kind='barh')

条形图：是用宽度相同的条形的高度或长短来表示数据多少的图形，与柱状图类似，条形图纵置就是柱状图

适用场景：显示各个项目之间的比较情况，和柱状图类似的作用

优势：每个条都清晰表示数据，直观；易于比较数据之间的差别

# 条形图绘制按月统计租车量count
data_m.plot(kind='barh',figsize=(12,8),alpha=0.5,width=0.8,color='b')
plt.xlabel('count')
plt.title('柱状图延申图-条形图',fontsize=18,pad=12)

# 给条形图标注文字注释略有不同
for x,y in zip(data_m,range(len(data_m))):
    plt.text(x,y,'%.f'%x,ha='left',va='center',fontsize=12,color='r')  # 给柱状图添加文字注释

堆叠图 → plt.plot(kind='bar/barh',stacked=True)

堆叠图：显示单个项目与整体之间的关系。

优势：堆叠图能够使人们一眼看出各个数据的大小，易于比较数据之间的差别。利用条状的长度，反映数据的差异，肉眼对长短差异很敏感，可以使得数据更加直观，且堆叠图不仅仅可以直观的看出每个系列的值，还能够反映出系列的总和，尤其是当需要看某一单位的综合以及各系列值的比重时，最适合使用堆叠图。

# 垂直堆叠
data_m_2.plot(kind='bar',stacked=True,figsize=(12,8),alpha=0.7)
plt.xlabel('month')
plt.ylabel('count')
plt.title('柱状图延伸图-堆叠图',fontsize=18,pad=12)
for i,j in zip(range(len(data_m_2)),data_m_2['casual']):
    plt.text(i,j,'%.f'%j,color='black',ha='center',va='top',fontsize=12)
for i,j in zip(range(len(data_m_2)),data_m_2['registered']):
    plt.text(i,j,'%.f'%j,color='black',ha='center',va='center_baseline',fontsize=12)

# 水平堆叠
data_m_2.plot(kind='barh',stacked=True,figsize=(12,8),alpha=0.7,width=0.7)
plt.xlabel('month')
plt.ylabel('count')
plt.title('柱状图延伸图-堆叠图',fontsize=18,pad=12)

for i,j in zip(data_m_2['casual'],range(len(data_m_2))):
    plt.text(i,j,'%.f'%i,color='black',ha='right',va='center',fontsize=12)
for i,j in zip(data_m_2['registered'],range(len(data_m_2))):
    plt.text(i,j,'%.f'%i,color='black',ha='left',va='center',fontsize=12)
u = data_m.mean()
plt.axvline(u,ls='--',c='b',lw=1,alpha=0.8,) # 添加垂直辅助线
plt.text(u,0,'%.2f'%u,color='blue',fontsize=14,bbox=dict(facecolor='yellow', alpha=0.5))

折线图 → plt.plot(kind='line')

折线图：折线图可以显示随时间而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。

适用场景: 折线图适合二维的大数据集，还适合多个二维数据集的比较。

优势：容易反应出数据变化的趋势。

# 折线图绘制按月统计租车量count

data_m.plot(figsize=(8,6),style='bo--')  # 设置style可同时设置线段颜色，标记，和线段样式，但必须把颜色写在最前面
u = data_m.mean()
plt.xlim([1,12])
plt.axhline(u,ls='--',c='r',lw=0.8,alpha=0.5,) # 添加水平辅助线
plt.text(data_m.index[-1]+0.2,u,'%.2f'%u,color='r',fontsize=14)  # 标注
plt.title('折线图',fontsize=18,pad=12)

data_m_2.plot(figsize=(8,6),style='x--')
plt.legend(loc=0)
ma = data_m_2['registered'].max()
plt.grid(True,linestyle='--',linewidth=0.5,color='gray',axis='y',alpha=0.5)
plt.text(data_m_2.index[5],ma,'%.2f'%ma,fontsize=12,bbox=dict(facecolor='red', alpha=0.5))  # 标注某个点
plt.title('折线图',fontsize=18,pad=12)

直方图 → plt.hist()

直方图：又称质量分布图，是一种统计报告图，一般用横轴表示数据类型，纵轴表示分布情况。

适用场景：观察数据集的分布情况

优势：直观观察数据形状，突出显示数据的中心趋势，确定数据样本的分布是对称还是偏斜

# 直方图绘制temp
data['temp'].hist(bins=30,figsize=(8,6),edgecolor='black')
# bins，设置箱子数量
# edgecolor，设置边框颜色

plt.title('直方图',fontsize=18,pad=12)

data['temp'].hist(bins=30,figsize=(8,6),density=True)
# 参数density是关键，y轴会按百分比表示
# density=False，表示决定将y轴的取值范围落在某个箱子中的元素的个数，即系y轴表示频率次数
# density=True，表示决定将y轴的取值范围落在某个箱子中的元素的个数占总体的百分比，即系y轴表示百分比
plt.grid(False)
plt.title('直方图',fontsize=18,pad=12)

data['temp'].plot(kind='kde',color='r')  # 密度图在直方图参数density=True时，和直方图一起使用

饼图 → plt.pie()

适用场景：显示各项的大小与各项总和的比例。适用简单的占比比例图，在不要求数据精细的情况适用。

优势：明确显示数据的比例情况，尤其合适渠道来源分析等场景。

劣势：数据类别较多时不适用

参数：
x :(每一块)的比例，如果sum(x) > 1会使用sum(x)归一化；
labels :(每一块)饼图外侧显示的说明文字；
explode :(每一块)离开中心距离；
startangle :起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起；
shadow :在饼图下面画一个阴影。默认值：False，即不画阴影；
labeldistance :label标记的绘制位置,相对于半径的比例，默认值为1.1, 如<1则绘制在饼图内侧；
autopct :控制饼图内百分比设置,可以使用format字符串或者format function
'%1.1f'指小数点前后位数(没有用空格补齐)；
pctdistance :类似于labeldistance,指定autopct的位置刻度,默认值为0.6；
radius :控制饼图半径，默认值为1；
counterclock ：指定指针方向；布尔值，可选参数，默认为：True，即逆时针。将值改为False即可改为顺时针。
wedgeprops ：字典类型，可选参数，默认值：None。参数字典传递给wedge对象用来画一个饼图。例如：wedgeprops={'linewidth':3}设置wedge线宽为3。
textprops ：设置标签（labels）和比例文字的格式；字典类型，可选参数，默认值为：None。传递给text对象的字典参数。
center ：浮点类型的列表，可选参数，默认值：(0,0)。图标中心位置。
frame ：布尔类型，可选参数，默认值：False。如果是true，绘制带有表的轴框架。
rotatelabels ：布尔类型，可选参数，默认为：False。如果为True，旋转每个label到指定的角度。

user_count = data[['casual','registered']].sum()
user_count

casual         392135
registered    1693341
dtype: int64

plt.figure(figsize=(8,6))
explode = [0.1,0]
labels = user_count.index
plt.pie(user_count,explode=explode,autopct='%.2f%%',labels=labels,pctdistance=1.3,labeldistance=0.5,)
# explode，距离圆中心的距离
# labels,(每一块)饼图外侧显示的说明文字
# autopct在饼图中，显示百分数
plt.title('饼图',fontsize=18,pad=12)

面积图 → plt.stackplot()

适用场景：强调数量随时间而变化的程度，也可用于引起人们对总值趋势的注意

data_stack = data.groupby('month').mean()[['casual','registered','count']]
x = data_stack.index
y = data_stack['casual']
y1 = data_stack['registered']
y2 = data_stack['count']
plt.figure(figsize=(12,6))
plt.stackplot(x,y,y1,y2,alpha=0.6,labels=data_stack.columns)
plt.xlim([1,12])
plt.title('面积图',fontsize=18,pad=12)
plt.legend(loc=0)

散点图 → plt.scatter(x,y)

适用场景：显示若干数据系列中各数值之间的关系，类似XY轴，判断两变量之间是否存在某种关联。散点图适用于三维数据集，但其中只有两维需要比较。

优势：对于处理值的分布和数据点的分簇，散点图都很理想。如果数据集中包含非常多的点，那么散点图便是最佳图表类型。

劣势：在点状图中显示多个序列看上去非常混乱。

x = np.random.rand(1000)
y = np.random.randn(1000)*10
plt.figure(figsize=(8,6))
plt.scatter(x,y,color='r',alpha=0.5)
plt.title('散点图',fontsize=18,pad=12)

散点图延伸图

气泡图 → plt.scatter(x,y,s)

气泡图：是可用于展示四个变量之间的关系。它与散点图类似，绘制时将一个变量放在横轴，另一个变量放在纵轴，而第三个变量则用气泡的大小来表示，第四个变量用气泡颜色深浅来表示。气泡图与散点图相似，不同之处在于：气泡图允许在图表中额外加入一个表示大小的变量进行对比。

plt.scatter(x,y,s)的参数：
x,y 输入数据
s，用于调整点的大小，形成气泡图
c，用于调整颜色的深浅

x = np.random.randn(1000)
y = np.random.randn(1000)
plt.figure(figsize=(12,8))
plt.scatter(x,y,s=np.random.randn(1000)*100,c=y,cmap='Blues',edgecolor='black',alpha=0.5)
plt.title('气泡图',fontsize=18,pad=12)

散点矩阵图 → pd.scatter_matrix()

df = pd.DataFrame(np.random.randn(100,4),columns=list('ABCD'))
pd.scatter_matrix(df,figsize=(12,12),marker='o',diagonal='kde',range_padding=0.1)
# diagonal='hist' 设置对角线图表形式，默认直方图hist，kde为密度图
# range_padding=0.1，图像在x轴、y轴原点附近的留白(padding)，该值越大，留白距离越大，图像远离坐标原点

箱线图 → plt.boxplot()/plt.plot.box()

箱型图：是一种用作显示一组数据分散情况资料的统计图。主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱线图作用非常广泛，可检测异常值以及用于观察数据形状、偏态和尾重。

# plt.boxplot()
df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
plt.figure(figsize=(10,4))
# 创建图表、数据

f = df.boxplot(sym = 'o',  # 异常点形状，参考marker
               vert = True,  # 是否垂直
               whis = 1.5,  # IQR，默认1.5，也可以设置区间比如[5,95]，代表强制上下边缘为数据95%和5%位置
               patch_artist = True,  # 上下四分位框内是否填充，True为填充
               meanline = False,showmeans=True,  # 是否有均值线及其形状
               showbox = True,  # 是否显示箱线
               showcaps = True,  # 是否显示边缘线
               showfliers = True,  # 是否显示异常值
               notch = False,  # 中间箱体是否缺口
               return_type='dict'  # 返回类型为字典
              ) 
plt.title('箱线图A',fontsize=18,pad=12)

# plt.boxplot()箱线图分组汇总
season = data[['season','casual','registered']]
season.boxplot(by='season',figsize=(12,12),sym='+')

# plt.plot.box()
df.plot.box(figsize=(8,6),sym='+')
plt.title('箱线图B',fontsize=18,pad=12)