Day 4: 数据可视化基础

学习目标

完成今天的学习后，你将能够：

掌握matplotlib的基本使用
使用seaborn创建统计图表
选择合适的图表类型
美化和定制图表

技术原理

数据可视化的重要性

数据探索：发现数据中的模式和趋势
结果展示：清晰地传达分析结果
决策支持：帮助决策者理解数据
故事讲述：用数据讲述有说服力的故事

常用图表类型

比较类图表

柱状图：比较不同类别的数值
条形图：水平柱状图
雷达图：多维度比较

分布类图表

直方图：显示数据分布
箱线图：显示数据分布和异常值
小提琴图：结合箱线图和密度图

关系类图表

散点图：显示两个变量的关系
气泡图：三个变量的关系
热力图：显示矩阵数据的关系

趋势类图表

折线图：显示时间序列趋势
面积图：强调数量变化
瀑布图：显示累积变化

图表设计原则

简洁性：避免不必要的装饰
准确性：准确表示数据
可读性：标签、标题清晰
一致性：颜色、字体统一

案例：销售数据可视化

假设我们有一个销售数据集，包含产品、销售额、日期、地区等信息。我们需要创建以下图表：

各产品销售额柱状图
销售趋势折线图
地区销售占比饼图
销售额与数量散点图

应用场景

业务报告：月度、季度销售报告
数据仪表板：实时监控关键指标
学术论文：研究结果可视化
新闻报道：数据新闻可视化
产品展示：产品功能和数据展示

代码案例

matplotlib基础

python

# matplotlib基础示例

import matplotlib.pyplot as plt
import numpy as np

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 1. 基本折线图
x = np.linspace(0, 10, 100)  # 生成0到10的100个点
y1 = np.sin(x)  # 计算正弦值
y2 = np.cos(x)  # 计算余弦值

plt.figure(figsize=(10, 6))  # 设置图表大小
plt.plot(x, y1, label='sin(x)', color='blue', linewidth=2)  # 绘制正弦曲线
plt.plot(x, y2, label='cos(x)', color='red', linewidth=2, linestyle='--')  # 绘制余弦曲线
plt.title('正弦和余弦函数')  # 设置标题
plt.xlabel('x')  # 设置x轴标签
plt.ylabel('y')  # 设置y轴标签
plt.legend()  # 显示图例
plt.grid(True, alpha=0.3)  # 显示网格
plt.show()  # 显示图表

# 2. 柱状图
categories = ['A', 'B', 'C', 'D', 'E']
values = [25, 40, 30, 55, 45]

plt.figure(figsize=(8, 6))
bars = plt.bar(categories, values, color=['#FF9999', '#66B2FF', '#99FF99', '#FFCC99', '#FF99CC'])
plt.title('类别分布')  # 设置标题
plt.xlabel('类别')  # 设置x轴标签
plt.ylabel('数值')  # 设置y轴标签

# 在柱状图上显示数值
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height}',
             ha='center', va='bottom')

plt.show()

# 3. 散点图
np.random.seed(42)
x = np.random.randn(100)
y = 2 * x + np.random.randn(100) * 0.5

plt.figure(figsize=(8, 6))
plt.scatter(x, y, alpha=0.6, c='blue', edgecolors='black', s=50)
plt.title('散点图示例')
plt.xlabel('X')
plt.ylabel('Y')
plt.grid(True, alpha=0.3)
plt.show()

# 4. 饼图
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']
explode = (0, 0.1, 0, 0)  # 突出显示第二块

plt.figure(figsize=(8, 6))
plt.pie(sizes, explode=explode, labels=labels, colors=colors,
        autopct='%1.1f%%', shadow=True, startangle=90)
plt.title('饼图示例')
plt.axis('equal')  # 确保饼图是圆形
plt.show()

# 5. 子图
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 第一个子图：折线图
axes[0, 0].plot([1, 2, 3, 4], [1, 4, 2, 3])
axes[0, 0].set_title('折线图')

# 第二个子图：柱状图
axes[0, 1].bar(['A', 'B', 'C'], [3, 2, 1])
axes[0, 1].set_title('柱状图')

# 第三个子图：散点图
axes[1, 0].scatter([1, 2, 3, 4], [1, 4, 2, 3])
axes[1, 0].set_title('散点图')

# 第四个子图：饼图
axes[1, 1].pie([30, 40, 30], labels=['A', 'B', 'C'])
axes[1, 1].set_title('饼图')

plt.tight_layout()  # 自动调整子图间距
plt.show()

seaborn基础

python

# seaborn基础示例

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

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 创建示例数据
np.random.seed(42)
data = {
    'x': np.random.randn(100),
    'y': np.random.randn(100),
    'category': np.random.choice(['A', 'B', 'C'], 100),
    'value': np.random.randn(100) * 10 + 50
}
df = pd.DataFrame(data)

# 1. 散点图（带回归线）
plt.figure(figsize=(10, 6))
sns.regplot(x='x', y='y', data=df, scatter_kws={'alpha':0.5})
plt.title('带回归线的散点图')
plt.show()

# 2. 箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(x='category', y='value', data=df)
plt.title('箱线图')
plt.show()

# 3. 小提琴图
plt.figure(figsize=(10, 6))
sns.violinplot(x='category', y='value', data=df)
plt.title('小提琴图')
plt.show()

# 4. 热力图
# 创建相关性矩阵
corr_matrix = df[['x', 'y', 'value']].corr()

plt.figure(figsize=(8, 6))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', center=0)
plt.title('相关性热力图')
plt.show()

# 5. 分布图
fig, axes = plt.subplots(1, 3, figsize=(15, 5))

# 直方图
sns.histplot(df['value'], bins=20, kde=True, ax=axes[0])
axes[0].set_title('直方图')

# 核密度图
sns.kdeplot(df['value'], ax=axes[1])
axes[1].set_title('核密度图')

# 经验累积分布函数图
sns.ecdfplot(df['value'], ax=axes[2])
axes[2].set_title('经验累积分布函数图')

plt.tight_layout()
plt.show()

# 6. 成对关系图
sns.pairplot(df[['x', 'y', 'value', 'category']], hue='category')
plt.suptitle('成对关系图', y=1.02)
plt.show()

图表美化

python

# 图表美化示例

import matplotlib.pyplot as plt
import numpy as np

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 创建示例数据
months = ['1月', '2月', '3月', '4月', '5月', '6月']
sales_2023 = [120, 135, 148, 160, 175, 190]
sales_2024 = [130, 145, 160, 175, 190, 210]

# 1. 基础图表
plt.figure(figsize=(10, 6))
plt.plot(months, sales_2023, marker='o', label='2023年')
plt.plot(months, sales_2024, marker='s', label='2024年')
plt.title('销售趋势对比')
plt.xlabel('月份')
plt.ylabel('销售额（万元）')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# 2. 美化后的图表
plt.figure(figsize=(10, 6))

# 使用更专业的颜色
colors = ['#2E86AB', '#A23B72']
markers = ['o', 's']

# 绘制线条
for i, (sales, year, color, marker) in enumerate(zip(
    [sales_2023, sales_2024], 
    ['2023年', '2024年'],
    colors,
    markers
)):
    plt.plot(months, sales, marker=marker, color=color, 
             linewidth=2.5, markersize=8, label=year)
    
    # 添加数据标签
    for x, y in zip(months, sales):
        plt.annotate(f'{y}', (x, y), textcoords="offset points", 
                    xytext=(0, 10), ha='center', fontsize=9)

# 设置标题和标签
plt.title('销售趋势对比', fontsize=16, fontweight='bold', pad=20)
plt.xlabel('月份', fontsize=12)
plt.ylabel('销售额（万元）', fontsize=12)

# 设置刻度
plt.xticks(fontsize=10)
plt.yticks(fontsize=10)

# 设置图例
plt.legend(loc='upper left', fontsize=10, framealpha=0.9)

# 设置网格
plt.grid(True, linestyle='--', alpha=0.3)

# 设置背景色
plt.gca().set_facecolor('#f8f9fa')
plt.gcf().set_facecolor('white')

# 添加水印
plt.text(0.5, 0.5, '数据分析报告', transform=plt.gca().transAxes,
         fontsize=40, color='gray', alpha=0.1, ha='center', va='center')

plt.tight_layout()
plt.show()

# 3. 使用seaborn样式
plt.style.use('seaborn-v0_8-darkgrid')

fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 子图1：柱状图
x = np.arange(5)
width = 0.35
axes[0, 0].bar(x - width/2, [20, 35, 30, 35, 27], width, label='产品A', color='#2E86AB')
axes[0, 0].bar(x + width/2, [25, 32, 34, 20, 25], width, label='产品B', color='#A23B72')
axes[0, 0].set_title('产品销售对比')
axes[0, 0].set_xticks(x)
axes[0, 0].set_xticklabels(['周一', '周二', '周三', '周四', '周五'])
axes[0, 0].legend()

# 子图2：饼图
sizes = [35, 30, 20, 15]
labels = ['A', 'B', 'C', 'D']
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']
axes[0, 1].pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90)
axes[0, 1].set_title('市场份额')

# 子图3：散点图
np.random.seed(42)
x = np.random.randn(50)
y = 2 * x + np.random.randn(50) * 0.5
axes[1, 0].scatter(x, y, alpha=0.6, c='#2E86AB', edgecolors='black')
axes[1, 0].set_title('相关性分析')
axes[1, 0].set_xlabel('X')
axes[1, 0].set_ylabel('Y')

# 子图4：箱线图
data = [np.random.normal(0, std, 100) for std in range(1, 4)]
axes[1, 1].boxplot(data, labels=['A', 'B', 'C'])
axes[1, 1].set_title('数据分布')

plt.suptitle('数据可视化仪表板', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()

# 恢复默认样式
plt.style.use('default')

课后练习

练习1：matplotlib基础

绘制一个包含正弦和余弦函数的折线图
创建一个柱状图显示5个产品的销售额
绘制一个散点图显示两个变量的关系
创建一个饼图显示数据占比

练习2：seaborn使用

使用seaborn创建箱线图
创建热力图显示相关性
绘制小提琴图
创建成对关系图

练习3：图表美化

选择一个图表进行美化
添加标题、标签、图例
调整颜色和样式
添加数据标签

练习4：综合练习

创建一个包含4个子图的图表
使用不同类型的图表
统一图表风格
添加整体标题

常见问题

Q1: 如何显示中文？

A: 设置字体：

python

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

Q2: 如何保存图表？

A: 使用savefig方法：

python

plt.savefig('figure.png', dpi=300, bbox_inches='tight')

Q3: 如何选择图表类型？

A: 根据数据特点选择：

比较：柱状图、条形图
分布：直方图、箱线图
关系：散点图、热力图
趋势：折线图、面积图

Q4: 如何调整图表大小？

A: 使用figsize参数：

python

plt.figure(figsize=(10, 6))

Q5: 如何设置颜色？

A: 可以使用：

颜色名称：'red', 'blue'
十六进制：'#FF0000'
RGB元组：(1, 0, 0)
颜色映射：'viridis', 'plasma'

下一步学习

完成今天的学习后，建议你：

练习创建不同类型的图表
掌握图表美化技巧
学习选择合适的图表类型
准备进入Day 5的学习：探索性数据分析(EDA)

明天我们将学习探索性数据分析，这是数据分析中非常重要的一步。

Day 4: 数据可视化基础 ​

学习目标 ​

技术原理 ​

数据可视化的重要性 ​

常用图表类型 ​

比较类图表 ​

分布类图表 ​

关系类图表 ​

趋势类图表 ​

图表设计原则 ​

案例：销售数据可视化 ​

应用场景 ​

代码案例 ​

matplotlib基础 ​

seaborn基础 ​

图表美化 ​

课后练习 ​

练习1：matplotlib基础 ​

练习2：seaborn使用 ​

练习3：图表美化 ​

练习4：综合练习 ​

常见问题 ​

Q1: 如何显示中文？ ​

Q2: 如何保存图表？ ​

Q3: 如何选择图表类型？ ​

Q4: 如何调整图表大小？ ​

Q5: 如何设置颜色？ ​

下一步学习 ​

Day 4: 数据可视化基础

学习目标

技术原理

数据可视化的重要性

常用图表类型

比较类图表

分布类图表

关系类图表

趋势类图表

图表设计原则

案例：销售数据可视化

应用场景

代码案例

matplotlib基础

seaborn基础

图表美化

课后练习

练习1：matplotlib基础

练习2：seaborn使用

练习3：图表美化

练习4：综合练习

常见问题

Q1: 如何显示中文？

Q2: 如何保存图表？

Q3: 如何选择图表类型？

Q4: 如何调整图表大小？

Q5: 如何设置颜色？

下一步学习