Python数据可视化教程之实践篇

网友投稿 959 2022-05-30

知乎专栏 | 来源

https://zhuanlan.zhihu.com/p/55036520

本篇文章在基础篇的基础上,选择实际案例进行了练习。

再明确一次三个步骤:

确定问题,选择图形

转换数据,应用函数

参数设置,一目了然

下面,我们通过案例来进行演示:

%matplotlib inline

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt #导入plt

import seaborn as sns

import warnings

warnings.filterwarnings('ignore')#忽略警告

加载数据

数据采用kaggle中的共享单车项目,比赛提供了跨越两年的每小时共享单车租赁数据,包含天气信息和日期信息。

字段说明

datetime(日期) - hourly date + timestamp

season(季节) - 1 = spring, 2 = summer, 3 = fall, 4 = winter

holiday(是否假日) - whether the day is considered a holiday

workingday(是否工作日) - whether the day is neither a weekend nor holiday

weather(天气等级)

Clear, Few clouds, Partly cloudy 清澈,少云,多云。

Mist + Cloudy, Mist + Broken clouds, Mist + Few clouds, Mist 雾+阴天,雾+碎云、雾+少云、雾

Light Snow, Light Rain + Thunderstorm + Scattered clouds, Light Rain + Scattered clouds 小雪、小雨+雷暴+散云,小雨+云

Heavy Rain + Ice Pallets + Thunderstorm + Mist, Snow + Fog 暴雨+冰雹+雷暴+雾,雪+雾

temp(温度) - temperature in Celsius

atemp(体感温度) - "feels like" temperature in Celsius

humidity(相对湿度) - relative humidity

windspeed(风速) - wind speed

casual(临时租赁数量) - number of non-registered user rentals initiated

registered(会员租赁数量) - number of registered user rentals initiated

count(总租赁数量) - number of total rentals

date(日期) - 由datetime拆分得到

hour(小时)-由datetime拆分得到

year(年份)-由datetime拆分得到

month(月份)-由datetime拆分得到

weeekday(周几)-由datetime拆分得到

windspeed_rfr(经过随机森林树填充0值得到的风速)

#读取数据

#Bikedata = pd.read_csv('./Bike.csv')

Bikedata.head()

#查看描述统计

Bikedata.describe()

#对于整体数据,我们希望查看与三个租赁数量相关的其他特征值的关系,可以选用seaborn包的pairplot函数(多变量图)

sns.pairplot(Bikedata,x_vars=['holiday','workingday','season','weather','hour','windspeed_rfr','atemp','humidity','temp'],y_vars=['count','registered','casual'],plot_kws={'alpha': 0.1})

大致可以看出:会员在工作日出行较多,节假日次数减少,而临时用户相反,第一季度出行人数总体偏低,出行人数受天气影响较大,会员在每天早晚有两个高峰期,对应上下班时间;非会员在下午出行较密集 风速对出行人数有较大的影响 相对湿度,温度和体感温度对非会员出行影响较大,对会员出行影响较小。

#接下来,我们通过相关系数的大小来依次对特征进行可视化分析

#首先,列出相关系数矩阵:df.corr()

corrdf = Bikedata.corr()

corrdf

#各特征按照与租赁总量count的相关系数大小进行排序

corrdf['count'].sort_values(ascending=False)

count            1.000000

registered 0.966209

casual 0.704764

hour 0.405437

temp 0.385954

atemp 0.381967

year 0.234959

month 0.164673

season 0.159801

windspeed_rfr 0.111783

windspeed 0.106074

weekday 0.022602

holiday 0.002978

workingday -0.020764

weather -0.127519

humidity -0.317028

Name: count, dtype: float64

可见,特征对租赁总量的影响力为:

时段>温度>湿度>年份>月份>季节>天气>风速>工作日>节假日

对特征逐项分析

1

首先对时段进行分析

第一步

提出问题:租赁总量对应湿度的变化趋势

适合图形:因为湿度属于连续性数值变量,我们可以选择折线图反应变化趋势

第二步

转换数据:我们需要一个二维数据框,按照温度变化排序,取对应的三个租赁数的平均值

应用函数:直接应用plt的plot函数即可完成折线图

workingday_df = Bikedata[Bikedata['workingday']==1]#t

workingday_df = workingday_df.groupby(['hour'],as_index=True).agg({'count':'mean','registered':'mean','casual':'mean'})

nworkingday_df = Bikedata[Bikedata['workingday']==0]

nworkingday_df = nworkingday_df.groupby(['hour'],as_index=True).agg({'count':'mean','registered':'mean','casual':'mean'})

nworkingday_df.head()

第三步:设置参数

figure,axes = plt.subplots(1,2,sharey=True)#设置一个1*2的画布,且共享y轴

workingday_df.plot(figsize=(15,5),title='The average number of rentals initiated per hour in the working day',ax=axes[0])

nworkingday_df.plot(figsize=(15,5),title='The average number of rentals initiated per hour in the nworking day',ax=axes[1])

可以看出:

在工作日,会员出行对应两个很明显的早晚高峰期,并且在中午会有一个小的高峰,可能对应中午外出就餐需求;

工作日非会员用户出行高峰大概在下午三点;

工作日会员出行次数远多于非会员用户;

在周末,总体出行趋势一致,大部分用车发生在11-5点这段时间,早上五点为用车之最。

2

对温度进行分析

第一步

提出问题:租赁总量对应湿度的变化趋势

适合图形:因为湿度属于连续性数值变量,我们可以选择折线图反应变化趋势

第二步

转换数据:我们需要一个二维数据框,按照温度变化排序,取对应的三个租赁数的平均值

应用函数:直接应用plt的plot函数即可完成折线图

第三步

参数设置:只需要设置折线图的标题,其他参数默认

temp_df = Bikedata.groupby(['temp'],as_index='True').agg({'count':'mean','registered':'mean','casual':'mean'})

temp_df.plot(title = 'The average number of rentals initiated per hour changes with the temperature')

随着温度的升高,租赁数量呈上升趋势;

在温度达到35度时,因天气炎热,总体数量开始下降;

在温度在4度时,租赁数达到最低点;

3

湿度对租赁数量的影响

第一步

提出问题:租赁总量对应湿度的变化趋势

适合图形:因为湿度属于连续性数值变量,我们可以选择折线图反应变化趋势

第二步

转换数据:我们需要一个二维数据框,按照温度变化排序,取对应的三个租赁数的平均值

应用函数:直接应用plt的plot函数即可完成折线图

第三步

参数设置:只需要设置折线图的标题,其他参数默认

humidity_df = Bikedata.groupby(['humidity'],as_index=True).agg({'count':'mean','registered':'mean','casual':'mean'})

humidity_df.plot(title='Average number of rentals initiated per hour in different humidity')

可以观察到在湿度20左右租赁数量迅速达到高峰值,此后缓慢递减。

年份,月份和季节作图方法类似,都采用折线图绘制,这里省略。

4

查看不同天气对出行情况的影响

第一步

提出问题:租赁总量对应湿度的变化趋势

适合图形:因为天气情况属于数值型分类变量,我们可以选择柱形图观察数量分布

第二步

转换数据:我们需要一个二维数据框,按照天气情况对租赁数量取平均值

应用函数:应用plt的plot.bar函数绘制组合柱形图

第三步

参数设置:只需要设置折线图的标题,其他参数默认

weather_df = Bikedata.groupby(['weather'],as_index=True).agg({'registered':'mean','casual':'mean'})

weather_df.plot.bar(stacked=True,title='Average number of rentals initiated per hour in different weather')

观察到天气等级为4时,平均出行人数比天气等级为2是还要高,这不符合常理

我们查看一下天气等级为4的详细情况

count_weather = Bikedata.groupby('weather')

count_weather[['casual','registered','count']].count()

天气状况为4级的只有一天,我们把数据打印出来查看一下

Bikedata[Bikedata['weather']==4]

时间为工作日的下午六点钟,属于晚高峰异常数据,不具有代表性。

5

会员用户和临时用户在整体用户中占比

第一步

提出问题:查看会员用户和临时用户在整体用户中的比例

适合图形:查看占比,适合用饼图pie

第二步

转换数据:需要一个二维数据框,按天数取两种用户的平均值

应用函数:应用plt的plot.pie函数绘制饼图

第三步

参数设置:这是数据标签和类别标签

#考虑到相同日期是否工作日,星期几,以及所属年份等信息是一样的,把租赁数据按天求和,其它日期类数据取平均值

day_df = Bikedata.groupby(['date'], as_index=False).agg({'casual':'sum','registered':'sum','count':'sum', 'workingday':'mean','weekday':'mean','holiday':'mean','year':'mean'})

day_df.head()

#按天取两种类型用户平均值

number_pei=day_df[['casual','registered']].mean()

number_pei

casual 517.411765

registered 2171.067031

dtype: float64

#绘制饼图

plt.axes(aspect='equal')

plt.pie(number_pei, labels=['casual','registered'], autopct='%1.1f%%', pctdistance=0.6 , labeldistance=1.05 , radius=1 )

plt.title('Casual or registered in the total lease')

Text(0.5,1,'Casual or registered in the total lease')

Python数据可视化教程之实践篇

python作图的简单案例

6

总结

要清楚自己想表达什么,有了明确的问题,选择合适的图形,然后按照需求从整体数据中选择自己需要的数据,查阅资料了解函数的参数设置,最后完成图形的绘制

matplotlib是python绘图的基础,也是其他拓展包的基础,认真学习matplotlib的常用图形和参数是很有必要的

学习期间思考为什么要加载matplotlib.pyplot?来进行绘图

- END -

本文为转载分享&推荐阅读,若侵权请联系后台删除

扫一扫下面的二维码

一起学习进步哦~~

“扫一扫,领取Python学习资料”

Python 应用与数据集成平台 ROMA Connect 数据可视化

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:我国当下严峻的形式------大气污染
下一篇:剑指Offer——JVM 基础知识点储备
相关文章