Python数据分析及应用 课件 第9章Python可视化分析

云南财经大学信息学院

Python程序设计及应用第9章9.2pyecharts数据可视化9.1matplotlib数据可视化目录学习目标知识目标掌握pyplot基础语法,掌握散点图、折线图、柱状图及饼图的作用及绘制方法。掌握pyecharts库绘图的基础知识,掌握柱状图、饼图、漏斗图及仪表盘的绘制方法。技能目标掌握pyplot基础图形的绘制方法；掌握pyecharts基础图形的绘制方法。素质目标具备一定的Python数据可视化分析能力。123本章导读在Python数据可视化中,“一图胜万言”这句话得到了充分体现。复杂的数据以可视化图形的方式展示,让你无需费力解读大量数字和表格,一眼就能洞察数据的特征和趋势。例如:《纽约时报》的疫情地图,展示了全球各地新冠疫情的传播情况,通过不同颜色的深浅代表病例数量的多少,直观地呈现了疫情的严重程度和扩散趋势。通过交互操作查看不同国家和地区的具体数据,帮助人们更好地了解疫情动态,为公共卫生决策提供了重要参考。Python作为一种编程语言,提供了丰富的工具和库,可以用于各行业数据可视化。我们可以用Pandas库来读取和处理数据,再使用matplotlib或pyecharts库进行数据可视化。本章将介绍如何分析财务经营数据和各电商平台销售数据等,根据选定的指标和分析方向,绘制相应的可视化图表,通过散点图,柱形图、折线图、饼图以展示不同数据指标的变化。Python数据可视化绘图中最为经典的是Matplotlib工具包,成为Python中应用非常广的绘图工具包之一。Matplotlib中应用最广的是Matplotlib.pyplot模块。pyplot提供了一套和MATLAB类似的绘图API,使得Matplotlib的机制更像MATLAB。我们只需要调用pyplot模块所提供的函数就可以实现快速绘图并设置图表的各个细节。

在Jupyternotebook中进行交互式绘图，需要执行一下语句：%matplotlibnotebook使用matplotlib时，使用的导入惯例为：importmatplotlib.pyplotasplt9.1matplotlib数据可视化9.1matplotlib数据可视化在Matplotlib库中，pyplot模块基本绘图流程主要分为3个部分，如图9-1所示图9-1

pyplot基本绘图流程1.创建画布与创建子图构建出一张空白的画布,并可以选择是否将整个画布划分为多个部分，以便于在同一幅图上绘制多个图形。当只需要绘制一幅简单图形时，创建子图这部分内容可以省略。在pyplot模块中创建画布，创建并选中子图的函数如表所示。函数名称函数作用figure用于创建一个空白画布，可以指定画布大小、像素add_subplot用于创建并选中子图，可以指定子图的行数、列数，并选中图片编号2.添加画布添加画布内容是绘图的主体部分，其中添加标题、坐标轴名称、绘制图形等步骤是并列的，没有先后顺序。可以先绘制图形，也可以先添加各类标签。值得注意的是图例只有在绘制图形之后才可进行添加。在pyplot模块中添加各类标签和图例的函数如表所示。函数名称函数作用title用于在当前图形中添加标题xlabel用于在当前图形中添加x轴名称ylabel用于在当前图形中添加y轴名称xlim用于指定当前图形x轴的范围ylim用于指定当前图形y轴的范围legend用于指定当前图形的图例3.保存与显示图形保存和显示图形常用函数如表所示。函数名称函数作用savafig用于保存绘制的图片show用于在本机显示图形pyplot基础语法

为扩展部分

老师可根据情况选择讲解pyplot基础语法1.创建画布与创建子图第一部分主要作用是构建出一张空白的画布，并可以选择是否将整个画布划分为多个部分，方便在同一幅图上绘制多个图形的情况。最简单的绘图可以省略第一部分，而后直接在默认的画布上进行图形绘制。函数名称函数作用plt.figure创建一个空白画布，可以指定画布大小，像素。figure.add_subplot创建并选中子图，可以指定子图的行数，列数，与选中图片编号。pyplot基础语法importmatplotlib.pyplotaspltimportnumpyasnpdata=np.arange(10)plt.plot(data)绘制的图位于图片（figure）对象中。pyplot基础语法创建子图importmatplotlib.pyplotaspltfig=plt.figure()#不能使用空白的figure绘图，需要创建子图ax1=fig.add_subplot(2,2,1)ax2=fig.add_subplot(2,2,2)ax3=fig.add_subplot(2,2,3)pyplot基础语法子图绘制fig=plt.figure()ax1=fig.add_subplot(2,2,1)ax2=fig.add_subplot(2,2,2)ax3=fig.add_subplot(2,2,3)ax1.plot([1.5,2,3.5,-1,1.6])pyplot基础语法2.添加画布内容第二部分是绘图的主体部分。其中添加标题，坐标轴名称，绘制图形等步骤是并列的，没有先后顺序，可以先绘制图形，也可以先添加各类标签。但是添加图例一定要在绘制图形之后。函数名称函数作用plt.title在当前图形中添加标题，可以指定标题的名称、位置、颜色、字体大小等参数。plt.xlabel在当前图形中添加x轴名称，可以指定位置、颜色、字体大小等参数。plt.ylabel在当前图形中添加y轴名称，可以指定位置、颜色、字体大小等参数。plt.xlim指定当前图形x轴的范围，只能确定一个数值区间，而无法使用字符串标识。plt.ylim指定当前图形y轴的范围，只能确定一个数值区间，而无法使用字符串标识。plt.xticks指定x轴刻度的数目与取值。plt.yticks指定y轴刻度的数目与取值。plt.legend指定当前图形的图例，可以指定图例的大小、位置、标签。pyplot基础语法importnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinlinedata=np.arange(0,1,0.01)plt.title('mylinesexample')plt.xlabel('X')plt.ylabel('Y')plt.xlim(0,1)plt.ylim(0,1)plt.xticks([0,0.2,0.4,0.6,0.8,1])plt.yticks([0,0.2,0.4,0.6,0.8,1])plt.plot(data,data**2)plt.plot(data,data**3)plt.legend(['y=x^2','y=x^3'])plt.show()pyplot基础语法

Matplotlib的Legend图例就是为了帮助我们展示每个数据对应的图像名称，更好的让读者认识到你的数据结构。关于plt.legend()的说明如下：常用设置示例：plt.legend(loc='best',frameon=False)#去掉图例边框,推荐使用plt.legend(loc='best',edgecolor='blue')#设置图例边框颜色plt.legend(loc='best',facecolor='blue')#设置图例背景颜色,若无边框,参数无效0:’best’1:‘upperright’2:‘upperleft’3:‘lowerleft’4:‘lowerright’5:‘right’6:‘centerleft’7:‘centerright’8:‘lowercenter’9:‘uppercenter’10:‘center’pyplot基础语法

3.保存与显示图形

figure.savefig选项参数描述fname包含文件路径或Python文件型对象的字符串。图片格式是从文件扩展名中推断出来的（例如pdf格式的.pdf）dpi设置每英寸点数的分辨率，默认为100facecolor，edgecolor子图之外的图形背景颜色，默认是’w’（白色）format文件格式（’png’,’pdf’,’svg’,’ps’等）bbox_inches要保存的图片范围，如果设置为‘tight‘则去除图片周围的空白散点图(ScatterDiagram)又称为散点分布图，是以一个特征为横坐标、另一个特征为纵坐标、使用坐标点(散点)的分布形态反映特征间统计关系的一种图形。值是由点在图表中的位置表示，类别是由图表中的不同标记表示，通常用于比较跨类别的数据。散点图包含的数据点越多，比较的效果就会越好。scatter方法的格式:matplotlib.pyplot.scatter(x,y,s=None,c=None,marker=None,alpha=None)scatter函数主要参数及其说明。参数描述x,y表示x轴和y轴对应的数据s指定点的大小c指定点的颜色marker表示绘制的散点类型alpha表示点的透明度，接收0~1之间的小数9.1.1绘制散点图实例9-1scatter绘图实例。importmatplotlib.pyplotaspltimportnumpyasnpimportmatplotlib%matplotlibinlineplt.rcParams['font.family']=['SimHei']

#用来显示中文标签plt.rcParams['axes.unicode_minus']=False

#用来正常显示负号x=np.arange(1,20)y=np.cos(x)lvalue=x#绘制散点图plt.scatter(x,y,c='g',s=100,linewidths=lvalue,marker='o',alpha=0.6)#添加标题plt.title('散点图')

#

添加x轴的名称plt.xlabel('X-axis')#添加y轴的名称plt.ylabel('Y-axis')

plt.show()实例9-2

scatter绘图实例。importpandasaspdimportmatplotlib.pyplotasplt#读取数据frame=pd.read_csv('C:\\temp\\股票数据.csv',encoding='GBK')#绘制散点图plt.scatter(frame['开盘价'],frame['收盘价'],c='r',s=10,alpha=0.6)#添加标题plt.title('股票数据散点图')#添加x轴的名称plt.xlabel('开盘价')

#添加y轴的名称plt.ylabel('收盘价')

plt.show()折线图(LineChart)是一种将数据点按照顺序连接起来的图形，也可以看作是将散点图按照X轴坐标顺序连接起来的图形。折线图的主要功能是查看因变量y随着自变量x改变的趋势，最适合用于显示随时间(根据常用比例设置)而变化的连续数据。同时，还可以看出数量的差异、增长趋势的变化。绘制折线图plot的格式：matplotlib.pyplot.plot(x,y,color=None,linestyle=None,

linewidth=None,

marker=None,alpha=None)plot函数在官方文档的语法中只要求填入不定长参数，实际可以填入的主要参数及其说明见表9-5。参数描述x,y表示x轴和y轴对应的数据linestyle指定线型样式，有“-”“--”“-.”“：”4种，默认为“-”linewidth指定线条宽度，默认为1.5color指定数据点的颜色marker表示数据点样式，有“o”“D”“h”“.”“*”“s”等alpha表示数据点的透明度，接收0~1之间的小数9.1.2绘制折线图实例9-3plot绘制折线图实例。importmatplotlib.pyplotaspltimportnumpyasnp%matplotlibinlineplt.rcParams['font.family']=['SimHei']#用来显示中文标签plt.rcParams['axes.unicode_minus']=False#用来正常显示负号x=np.arange(30)y1=2*x+9y2=x**2+1#marker数据点样式，linewidth线宽，linestyle线型样式，#color表示颜色plt.plot(x,y1,marker='*',linewidth=1,linestyle='--',color='orange')plt.plot(x,y2)plt.title('plot折线图')plt.xlabel('x',fontsize=15)plt.ylabel('y',fontsize=15)#设置图例plt.legend(['y=2*x+9','y=x**2+1'],loc='upperleft')plt.grid(True)plt.show()实例9-4plot绘制折线图实例。importmatplotlib.pyplotaspltimportpandasaspd%matplotlibinline#设置显示中文字体plt.rcParams['font.sans-serif']=['SimHei']df=pd.read_excel(

'C:\\temp\\财务数据.xlsx',

#Excel文件路径

sheet_name='运营资产',

#获取'营运资产'工作表的数据

index_col=0,

#把第1列数据设置为索引列

)#绘制折线图plt.plot(df.index,df.应收账款,linestyle='--',marker='*',color='b',linewidth=2)#x轴标签plt.xlabel("年份")#y轴标签plt.ylabel("金额（万）")#图标题plt.title("2018年-2022年应收账款")#显示图例plt.legend(['应收账款'])#保存图片plt.savefig("C:\\temp\\应收账款情况.jpg")plt.show()柱状图(Histogram)由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据所属类别，纵轴表示数量或者占比。用柱状图可以比较直观地看出产品质量特性的分布状态，便于判断其总体质量分布情况。柱状图可以发现分布表无法发现的数据模式、样本的频率分布和总体的分布。绘制柱状图函数bar的格式：matplotlib.pyplot.bar(left,height,width=0.8,color=None,bottom=None,data=None)函数bar的常用参数及其说明见表9-6。参数描述left表示

X轴数据,无默认height表示每个柱状图的高度width表示每个柱状图的宽度,默认为0.8color表示柱状图颜色bottom表示每个柱状图的底部位置，默认值为None，即表示与x轴距离为0data表示用于绘制的数据集，可以是DataFrame、Series或数组格式的数据9.1.3绘制柱状图实例9-5bar绘制柱状图实例。importmatplotlib.pyplotaspltimportpandasaspd%matplotlibinline#设置显示中文字体plt.rcParams['font.sans-serif']=['SimHei']df=pd.read_excel(

'C:\\temp\\财务数据.xlsx',

#Excel文件路径

sheet_name='运营资产',

#获取'营运资产'工作表的数据

index_col=0,

#把第1列数据设置为索引列

)#绘制柱状图plt.bar(df.index,df.预付款项,width=0.5)#x轴标签plt.xlabel("年份")#y轴标签plt.ylabel("金额（万元）")#图标题plt.title("2018年-2022年预付款项情况")#显示图例plt.legend(['预付款项'])实例9-6bar绘制多条柱状图实例。importmatplotlib.pyplotaspltimportpandasaspdimportnumpyasnp%matplotlibinline#设置显示中文字体plt.rcParams['font.sans-serif']=['SimHei']df=pd.read_excel(

'C:\\temp\\财务数据.xlsx',

#Excel文件路径

sheet_name='运营资产',

#获取'营运资产'工作表的数据

index_col=0,

#把第1列数据设置为索引列)#根据index生成一维数组x=np.arange(5)print(x)#柱状图plt.bar(x,df.应收票据,width=0.2)plt.bar(x+0.2,df.应收账款,width=0.2)plt.bar(x+0.2*2,df.预付款项,width=0.2)#x轴标签plt.xlabel("年份")#y轴标签plt.ylabel("金额(万元)")#图标题plt.title("2018年-2022年资产情况")#x轴刻度值

plt.xticks(x,df.index)#显示图例plt.legend(['应收票据','应收账款','预付款项'])plt.show()实例9-7bar绘制堆叠柱状图实例。importmatplotlib.pyplotaspltimportpandasaspd%matplotlibinline#设置显示中文字体plt.rcParams['font.sans-serif']=['SimHei']df=pd.read_excel(

'C:\\temp\\财务数据.xlsx',

#Excel文件路径

sheet_name='运营资产',

#获取'营运资产'工作表的数据

index_col=0,

#把第1列数据设置为索引列

)#堆叠柱状图plt.bar(df.index,df.应收票据,width=0.5)plt.bar(df.index,df.应收账款,bottom=df.应收票据,width=0.5)plt.bar(df.index,df.预付款项,bottom=df.应收票据+df.应收账款,width=0.5)#x轴标签plt.xlabel("年份")#y轴标签plt.ylabel("金额(万元)")#图标题plt.title("2018年-2022年资产情况")plt.legend(['应收票据','应收账款','预付款项'])plt.show()饼图(PieGraph)用于表示不同分类的占比情况，通过弧度大小来对比各种分类。饼图可以比较清楚地反映出部分与部分、部分与整体之间的比例关系，易于显示每组数据相对于总数的大小，而且显现方式直观。绘制饼图pie方法的格式：matplotlib.pyplot.pie(x,explode=None,labels=None,

autopct=None,

pctdistance=0.6,

labeldistance=1.1)pie函数常用参数及其说明见表9-7。参数说明x接收array,表示用于绘制饼图的数据explode控制各个饼块之间的间距,可以指定每个饼块的间距,也可以不指定直接使用默认间距labels接收array,每个饼块的标签autopct接收特定string,指定数值的显示方式pctdistancefloat型,指定每一项的比例和距离饼图圆心n个半径,默认为0.6labeldistanceloat型,指定每一项的名称和距离饼图圆心的半径数,默认为1.19.1.4绘制饼图实例9-8pie绘制饼图实例。importmatplotlib.pyplotaspltimportpandasaspd%matplotlibinline#设置显示中文字体plt.rcParams['font.sans-serif']=['SimHei']df=pd.read_excel(

'C:\\temp\\财务数据.xlsx',

#Excel文件路径

sheet_name='运营资产',

#获取'营运资产'工作表的数据

index_col=0,

#把第1列数据设置为索引列

)#创建画布,将画布设定为正方形，则绘制的饼图是正圆plt.figure(figsize=(6,6))

#提取数据的columns字段，视为数据的标签name=df.columns

#提取2020年的values字段，数据的存在位置values=df.loc['2020年']

#控制分离的距离的，默认饼图不分离explode=[0.02,0.02,0.02,0.02,0.02]

#绘制饼图plt.pie(values,explode=explode,labels=name,autopct='%1.2f%%',labeldistance=1.1)#图标题plt.title("2020年各资产数据情况")plt.show()9.2matplotlib数据可视化pyecharts主要基于Web浏览器进行显示，绘制的图形比较多，包括折线图、柱状图、饼图、漏斗图、仪表盘、地图及极坐标图等。使用pyecharts绘图代码量很少，而且绘制出来的图形较美观。使用pyecharts时，需要安装相应的库，安装命令为：pipinstallpyechartspyecharts提供了一些全局配置和系列配置选项，用于控制图表的外观和行为。全局配置通过set_global_opts()方法进行设置，可以修改图表的默认配置，例如主题、自动调整大小、宽度和高度等。系列配置通过set_series_opts()方法进行设置，用于控制每个系列(series)的图表样式和数据，例如线条样式、柱状图颜色、标签格式等。pyecharts模块配置文档具体使用可从官方网站查阅学习(/#/zh-cn/)。pyecharts模块有很多配置选项,常用的全局配置项有以下几种，如图9-10所示:初始化配置项(InitOpts)标题配置项(TitleOpts)图例配置项(LegendOpts)工具箱配置项(ToolboxOpts)视觉映射配置项(VisualMapOpts)提示框配置项(TooltipOpts)区域缩放配置项(DataZoomOpts)图9-10常见全局配置项系列配置项共包含18项配置内容，主要偏重于可视化过程中的图像细节把控和调整。常用的系列配置项有如下几种:LabelOpts：标签配置项LineStyleOpts：线样式配置项TextStyleOpts：文字样式配置项MarkPointOpts：标记点配置项（设置标记点相关）MarkLineOpts：标记线配置项（设置标记线相关）使用Bar函数可以绘制柱状图。Bar函数的常用方法及说明见表9-8。方法说明add_xaxis()加入

X轴参数add_yaxis()加入

Y轴参数,可以设置Y轴参数,也可在全局设置中设置set_global_opts全局配置设置set_series_opts系列配置设置实例9-9Bar绘制柱状图实例。#V1版本开始支持链式调用frompyecharts.chartsimportBarfrompyechartsimportoptionsasopts%matplotlibinlinebar=(

Bar()

.add_xaxis(['华为','小米','三星','苹果','荣耀','OPPO','VIVO']).add_yaxis('平台A',[3200,321,413,1986,674,793,1070]).set_global_opts(title_opts=opts.TitleOpts(title='平台A销售情况柱形图')))bar.render_notebook()#bar.render()生产html9.2.1绘制柱状图pyecharts从V1版本开始支持链式调用，不习惯链式调用的依旧可以单独调用方法，代码可以写为：

#单独调用方法frompyecharts.chartsimportBarfrompyechartsimportoptionsasopts%matplotlibinlinebar=Bar()bar.add_xaxis(['华为','小米','三星','苹果','荣耀','OPPO','VIVO'])bar.add_yaxis('平台A',[3200,321,413,1986,674,793,1070])bar.set_global_opts(title_opts=opts.TitleOpts(title='平台A销售情况柱形图'))bar.render_notebook()程序运行结果如图所示。实例9-10Bar绘制多个柱状图实例。#使用多个add_yaxis可以绘制并列柱状图frompyecharts.chartsimportBarfrompyechartsimportoptionsasopts%matplotlibinlinebar=Bar()bar.add_xaxis(['华为','小米','三星','苹果','荣耀','OPPO','VIVO'])bar.add_yaxis('平台A',[3200,321,413,1986,674,793,1070])bar.add_yaxis('平台B',[800,140,153,345,800,900,540])bar.set_global_opts(title_opts=opts.TitleOpts(title='平台A和平台B销售情况'))bar.render_notebook()程序运行结果如图所示。实例9-11Bar绘制堆叠柱状图实例。frompyecharts.chartsimportBarfrompyechartsimportoptionsasopts%matplotlibinlinebar=Bar()bar.add_xaxis(['华为','小米','三星','苹果','荣耀','OPPO','VIVO'])bar.add_yaxis('平台A',[3200,321,413,1986,674,793,1070],stack='stack1',

label_opts=opts.LabelOpts(position='insideTop'))bar.add_yaxis('平台B',[800,140,153,345,800,900,540],stack='stack1',

label_opts=opts.LabelOpts(position='insideTop'))bar.set_global_opts(title_opts=opts.TitleOpts(title='平台A和平台B销售情况叠状图'))bar.render_notebook()程序运行结果如图所示。实例9-12Bar绘制水平直方图实例。frompyecharts.chartsimportBarfrompyechartsimportoptionsasopts%matplotlibinlinebar=Bar()bar.add_xaxis(['华为','小米','三星','苹果','荣耀','OPPO','VIVO'])bar.add_yaxis('平台A',[3200,321,413,1986,674,793,1070])bar.add_yaxis('平台B',[800,140,153,345,800,900,540])#toolbox_opts工具箱选项，允许用户交互式操作图表，例如保存图表、切换图表等bar.set_global_opts(title_opts=opts.TitleOpts(title='平台A和平台B销售情况'),toolbox_opts=opts.ToolboxOpts(is_show=True))bar.set_series_opts(label_opts=opts.LabelOpts(position='right'))bar.reversal_axis()#绘制水平直方图bar.render_notebook()程序运行结果如图所示。饼图常用于表现不同类别的占比情况。使用Pie方法可以绘制饼图。实例9-13Pie绘制饼图实例。frompyecharts.chartsimportPiefrompyechartsimportoptionsasopts%matplotlibinlinelabels=['华为','小米','三星','苹果','荣耀','OPPO','VIVO']data=[800,140,153,345,800,900,540]pie=Pie()pie.add('',[list(z)forzinzip(labels,data)])pie.set_global_opts(title_opts=opts.TitleOpts(title='平台B销售情况饼图'))pie.set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}({d}%)'))pie.render_notebook()

程序运行结果如图所示。9.2.2绘制饼图在pie.add的方法中,参数radius用于设置饼图半径