python大数据可视化制作趋势线和界限统计图表

python大数据可视化制作趋势线

本文关键阐述了python大数据可视化制作趋势线和界限统计图表，python制作趋势线，呈现2个自变量的关系，当数据信息包括多个时，应用不一样颜色形状区别。

制作趋势线

实现方案：python制作趋势线，呈现2个自变量的关系，当数据信息包括多个时，应用不一样颜色形状区别。

实现代码：

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import warnings

warnings.filterwarnings(action='once')
plt.style.use('seaborn-whitegrid')
sns.set_style("whitegrid")
print(mpl.__version__)
print(sns.__version__)

def draw_scatter(file):
    #Import dataset
    midwest=pd.read_csv(file)
    
    #Prepare Data
    #Create as many colors as there are unique midwest['category']
    categories=np.unique(midwest['category'])
    colors=[plt.cm.Set1(i/float(len(categories)-1))for i in range(len(categories))]
    
    #Draw Plot for Each Category
    plt.figure(figsize=(10,6),dpi=100,facecolor='w',edgecolor='k')
    for i,category in enumerate(categories):
        plt.scatter('area','poptotal',data=midwest.loc[midwest.category==category,:],s=20,c=colors[i],label=str(category))
    
    #Decorations
    plt.gca().set(xlim=(0.0,0.1),ylim=(0,90000),)
    plt.xticks(fontsize=10)
    plt.yticks(fontsize=10)
    plt.xlabel('Area',fontdict={'fontsize':10})
    plt.ylabel('Population',fontdict={'fontsize':10})
    plt.title("Scatterplot of Midwest Area vs Population",fontsize=12)
    plt.legend(fontsize=10)
    plt.show()

draw_scatter("F:数据杂坛datasetsmidwest_filter.csv")

实现效果：

绘制边界气泡图

实现功能：气泡图是散点图中的一种类型，可以展现三个数值变量之间的关系，之前的文章介绍过一般的散点图都是反映两个数值型变量的关系，所以如果还想通过散点图添加第三个数值型变量的信息，一般可以使用气泡图。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。而边界气泡图则是在气泡图添加第四个类别型变量的信息，将一些重要的点选出来并连接。

实现代码：

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
from scipy.spatial import ConvexHull

warnings.filterwarnings(action='once')
plt.style.use('seaborn-whitegrid')
sns.set_style("whitegrid")
print(mpl.__version__)
print(sns.__version__)

def draw_scatter(file):
    #Step 1:Prepare Data
    midwest=pd.read_csv(file)
    
    #As many colors as there are unique midwest['category']
    categories=np.unique(midwest['category'])
    colors=[plt.cm.Set1(i/float(len(categories)-1))for i in range(len(categories))]
    
    #Step 2:Draw Scatterplot with unique color for each category
    fig=plt.figure(figsize=(10,6),dpi=80,facecolor='w',edgecolor='k')
    for i,category in enumerate(categories):
        plt.scatter('area','poptotal',data=midwest.loc[midwest.category==category,:],s='dot_size',c=colors[i],label=str(category),edgecolors='black',linewidths=.5)
    
    #Step 3:Encircling
    #https://stackoverflow.com/questions/44575681/how-do-i-encircle-different-data-sets-in-scatter-plot
    def encircle(x,y,ax=None,**kw):
        if not ax:ax=plt.gca()
        p=np.c_[x,y]
        hull=ConvexHull(p)
        poly=plt.Polygon(p[hull.vertices,:],**kw)
        ax.add_patch(poly)
        
    #Select data to be encircled 
    midwest_encircle_data1=midwest.loc[midwest.state=='IN',:]
    encircle(midwest_encircle_data1.area,midwest_encircle_data1.poptotal,ec="pink",fc="#74C476",alpha=0.3)
    encircle(midwest_encircle_data1.area,midwest_encircle_data1.poptotal,ec="g",fc="none",linewidth=1.5)
    midwest_encircle_data6=midwest.loc[midwest.state=='WI',:]
    encircle(midwest_encircle_data6.area,midwest_encircle_data6.poptotal,ec="pink",fc="black",alpha=0.3)
    encircle(midwest_encircle_data6.area,midwest_encircle_data6.poptotal,ec="black",fc="none",linewidth=1.5,linestyle='--')
        
    #Step 4:Decorations
    plt.gca().set(xlim=(0.0,0.1),ylim=(0,90000),)
    plt.xticks(fontsize=12)
    plt.yticks(fontsize=12)
    plt.xlabel('Area',fontdict={'fontsize':14})
    plt.ylabel('Population',fontdict={'fontsize':14})
    plt.title("Bubble Plot with Encircling",fontsize=14)
    plt.legend(fontsize=10)
    plt.show()
    
draw_scatter("F:数据杂坛datasetsmidwest_filter.csv")

实现效果：

综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。