数据可视化 课件 第5章 有关时间趋势的可视化

第5章

有关时间趋势的可视化在时间中寻求什么时间中的离散点（柱形、柱形堆叠、圆点）延续性数据（点点相连、平滑与估算）本章主要内容5.1

在时间中寻求什么发现趋势找出变化中存在的模式了解来龙去脉图

时序数据的可视化3

-2

-1

-02000 2005 2010 20152000 2005 2010 20153

-2

-1

-0早上6点晚上12点晚上9点中午12点早上9点下午3点下午6点与折线图类似，

早上3点

但是围绕成了一圈径向分布图散点图显示不同的点，如果数据量不大，可以用线连接起来以显示趋势2000 2005 2010 201503

-2

-1

-对于离散的时间点很有用时序图有很多方法可以观察到随着时间推移生成的模式，可以用长度、方向和位置等这些视觉暗示。条形图

折线图2000 2005 2010 20153

-2

-1

-0线条使趋势更加明显相对条形图，更聚焦于端点点线图日历2015年1月星期模式图形看上去更有力5.2.1

柱形图5.2

时间中的离散点标注http://www.allanalytics.com/author.asp?se

ction_id=3072&doc_id=2625395.2.2

堆叠柱状图数据存在子分类，且各子分类之和有意义。工具实现Tableau案例演示产品类别销售额和利润额比较单击标记卡[标签]，点选[对齐]右侧的“﹀”符号，在[方向]中点选“A”

：并列柱形图堆叠条形图是一个综合性的库，用于在Python中创建静态、动画和交互式可视化。创建出版物质量图。制作可缩放、平移和更新的交互式图形。定制视觉风格和布局。导出为多种文件格式。嵌入JupyterLab和图形用户界面。使用基于Matplotlib的丰富的第三方软件包。Python-Matplotlib

简介Matplotlib绘图的一般过程生成或读入数据创建画布、获取坐标轴根据实际需要绘制折线图、散点图、柱状图、饼状图、雷达图或三维曲线和曲面设置坐标轴标签（可以使用matplotlib.pyplot模块的xlabel()、ylabel()函数或轴域的set_xlabel()、set_ylabel()方法）、坐标轴刻度（可以使用matplotlib. pyplot模块的xticks()、yticks()函数或轴域的set_xticks()、set_yticks()方法）、图例（可以使用matplotlib.pyplot模块的legend()函数）、标题（可以使用matplotlib.pyplot模块的title()函数）等图形属性，最后显示或保存绘图结果。函数名称：figure()函数功能：创建画布调用签名：figure(num,figsize,dpi,facecolor,edgecolor,frameon)参数说明：num→当前图形的编号或名称，数据为整数或字符串，默认为None。figsize→宽度和高度（单位是英寸），数据为浮点数二元组，默认为[6.4,

4.8]。dpi→图形的分辨率，即每英寸的像素数，数据为浮点数，默认值为72。facecolor→图片的背景颜色，数据为颜色值，默认为white。edgecolor→图片的边界颜色，数据为颜色值，默认为white。frameon→是否显示边框，数据为布尔值，默认为

True创建画布坐标轴:

axes

&

axis

IIlegend

位置属性loc显示和保存图像Python柱状图matplotlib

——

添加文本信息（text）matplotlib.pyplot.text(x,y,s,fontdict=None,withdash=False,

**kwargs)x,

y：表示坐标；s：字符串文本；fontdict：字典，可选；kw：fontsize=12,horizontalalignment=‘center’、ha=’center’

#简写haverticalalignment=’center’、va=’center’ #简写va•fig.text()（fig=

plt.figure(…)）ax.text()（ax=

plt.subplot(…)）返回值：此方法返回作为创建的文本实例的文本。并列柱状图层叠柱状图Python水平柱状图——条形图barh()

matplotlib.pyplot.barh(y,width,height,left,

align='center',**kwargs)参数说明（部分）：y→y轴的坐标，浮点数或类数组width→条形的宽度，即x轴坐标，浮点数或类数组height→条形的高度，浮点数或类数组，默认值0.8left→条形左侧的横坐标,

浮点数或类数组，默认值0align→条形底部与纵坐标的对齐方式，默认center'center'

：将条形以y位置为中心放置'edge'：将条形的下边缘与y位置对齐要对齐条形的上边缘，可以传递负数的宽度值，并使align='edge'离散分布图5.2.3

散点图柱形图用高度作为视觉线索，而散点图则用位置。可以根据每个点的x轴和y轴坐标来观察，并且根据其他点的位置来进行相互比较。散点图可以提供三类关键信息：变量之间是否存在数量关联趋势；如果存在关联趋势，是线性还是非线性的；观察是否有存在离群值，从而分析这些离群值对建模分析的影响。散点图的重点在每个数值上，趋势不是那么明显。稀疏的散点图2%

0%1955196519751985199520052015失业率10%

8%

6%

4%

用线把稀疏的点连起来，图的焦点就又变了。如果更关心整体趋势，而不是具体的月度变化，那么可以对这些点使用LOESS曲线法

，而不是连接每个点。10%

8%

4%

6%

2%

0%失业率10%

8%

4%

6%

2%

0%1955196519751985199520052015失业率图

用线连接的稀疏散点图图

拟合的LOESS曲线显示数据相同的中值，方差，对应系数和线性回归线数据的相关类型不同的相关程度气泡图优势在于一次比较3个变量:x轴y轴气泡的面积图.

气泡图的基本框架美国谋杀率与入室盗窃率图.

显示美国犯罪率的气泡图加入了各州的人口数量作为第三维度。是否人数越多的州，犯罪率也会越高？工具实现Tableau案例演示新的发现Python

实现——散点图使用Matplotlib库中的scatter函数绘制散点图：函数名称：scatter()函数功能：寻找变量之间的关系调用签名：matplotlib.pyplot.scatter(x,y,s,c,marker,alpha,linewidths,edgecolors)参数说明（部分）：x,

y

→散点的坐标,

数据为浮点数或类数组s

→散点的面积，数据为浮点数或类数组c

→散点的颜色，数据为类数组或颜色值，默认值为蓝色'b'marker

→散点样式，默认值为实心圆'o'alpha

→散点透明度，数据为0-1之间的浮点数，0表示完全透明，1表示完全不透明linewidths

→散点的边缘线宽，数据为浮点数或类数组，默认值1.5edgecolors

→散点的边缘颜色，数据为‘face’、‘None’或颜色值,face指与图形的填充颜色相同，默认facematplotlib库marker表散点图矩阵是散点图的高维扩展从一定程度上克服了在平面上展示高维数据的困难。发现两两变量之间的联系。图.

美国各州犯罪率的散点图矩阵scatter_matrix(

)pandas.plotting.scatter_matrix(frame,alpha=0.5,figsize=None,ax=None,grid=False,diagonal='hist',marker='.',density_kwds=None,hist_kwds=None,range_padding=0.05,**kwds)参数说明：frame:

DataFramealpha:

浮点型,可选择，设置透明度figsize:

(浮点型,浮点型),

可选择，以英寸为单位的元组(宽、高)，设置图像大小ax

:Matplotlib轴对象，可选grid

:

布尔型，可选，将其设置为True将显示网格diagonal

:

{‘hist’,

‘kde’}，在“kde”和“hist”之间选择内核密度估计或对角线上的直方图marker:

字符串，可选，Matplotlib标记类型，默认是'.'hist_kwds

:

其他标绘关键字参数，传递给hist函数density_kwds

:其他标绘关键字参数，传递给核密度估计标绘range_padding

:

浮点型，可选x和y轴范围相对于(x_max

-x_min)或(y_max

-y_min)的相对扩展，默认为0.05kwds

:

其他标绘关键字参数，要传递到散点函数6.3 延续性数据时间序列图表的绘制和点状图很相似，只是要用线条将圆点连接起来。折线图工具实现TableauPython实现函数名称：plot()函数功能：绘制折线图调用签名：matplotlib.pyplot.plot(x,y,linewidth,linestyle,color,marker,

alpha，label