数据分析

什么是数据分析

  数据分析是用适当的方法对收集来的大量数据进行分析，帮助人们作出判断，以便采取适当行动。

数据分析的流程

matplotlib

什么是matplotlib

matplotlib：最流行的Python底层绘图库，主要做数据可视化图表，名字取材于MATLAB，模仿MATLAB构建

为什么要学习matplotlib

  1. 能将数据进行可视化，更直观地呈现
  2. 使数据更加客观、更具说服力

matplotlib基本要点

• 导入pyplot绘图模块

  from matplotlib import pyplot as plt

• 设置图片大小

fig = plt.figure(figsize=(20, 8), dpi=80)    

①figure是图形图标的意思，这里指我们画的图
②通过实例化一个figure并且传递参数，能够在后台自动使用该figure实例
③figsize : 图片大小参数，是一个元组，(20, 8)指的是宽20，高8
④dpi : dots per inch每英寸上点的个数，在图像模糊的时候可以传入dpi参数，让图片更加清晰

• 设置坐标轴刻度

plt.xticks(ticks, [labels], **kwargs)

xticks()函数:
ticks：数组类型，用于设置X轴刻度间隔
[labels]：数组类型，用于设置每个间隔的显示标签
**kwargs：用于设置标签字体倾斜度和颜色等外观属性。(注：python里的双星号代表这个位置接收任意多个关键字参数)

【yticks()函数与上面一致】

1. 仅设置ticks参数

x = range(1, 6, 1)    
y = [15, 13, 14.5, 17, 20]
plt.xticks(x)   # x轴
plt.yticks(range(min(y),max(y)+1))   # y轴,+1是由于取数左闭右开

   x轴刻度的步长可通过range(1, 6, 1)第三个参数进行调整，但对于range函数，第三个参数只可取整数，而不可取浮点数，此时可将range类型转换成list类型控制步长

2. ticks和[labels] 同时设置

x = range(1, 6, 1) 
xtick_label = ['a', 'b', 'c', 'd', 'e']
plt.xticks(x, xtick_label)   
plt.yticks(range(min(y),max(y)+1))   # y轴,+1是由于取数左闭右开

3. **kwargs参数

   rotation：x轴刻度旋转的度数

• 添加描述信息

plt.xlabel("x轴名称")
plt.ylabel("y轴名称")
plt.title("图表名称")

• 添加网格

plt.grid(alpha=0.4)

  alpha参数用于设置网格透明度，取值范围为[0, 1]

• 自定义绘制图形的风格

plt.plot(
        x,                   # x
        y,                   # y
        color='r',           # 线条颜色
        linestyle='--',      # 线条风格
        linewidth=5,         # 线条粗细
        alpha=0.5            # 透明度
       )  

• 添加图例

plt.legend(prop,loc="best")

 通过prop指定图例的字体
 通过loc指定图例的位置，默认右上角

• 保存图片

plt.savefig("./sig_size.png")  

可以保存为svg这种矢量图格式，放大不会有锯齿

from matplotlib import pyplot as plt
x = range(1, 6, 1)    # 数据在x轴的位置，是一个可迭代对象
y = [15, 13, 14.5, 17, 20]    # 数据在y轴的位置，是一个可迭代对象

# 设置图片大小
fig = plt.figure(figsize=(20, 8), dpi=80) 

# 绘图
plt.plot(x, y, labels="图例")

# 设置x轴的刻度
plt.xticks(x)

# 绘制网格
plt.grid()

# 添加图例
plt.legend()

# 保存    
plt.savefig("./sig_size.png")  

# 展示图形   
plt.show()      

matplotlib的散点图、条形图、直方图

• 散点图：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。
  特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）

plt.scatter()

  参数设置与plt.plot()类似

• 条形图：排列在工作表的列或行中的数据可以绘制到条形图中。
  特点：绘制离散的数据，能够一眼看出各个数据的大小，比较数据之间的差别。（统计）

plt.bar()    # 竖着的条形图
plt.barh()   # 横着的条形图

  参数设置与plt.plot()类似，barh中的height参数等同width参数

• 直方图：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范围，纵轴表示分布情况。
  特点：绘制连续性的数据，展示一组或者多组数据的分布状况。（统计）

   把数据分为多少组进行统计？

   组数要适当，太少有较大的统计误差，太多规律不明显。当数据在100个以内时，按数据多少常分为5-12组。

  • 应用场景

    ①用户的年龄分布状态
    ②一段时间内用户点击次数的分布状态
    ③用户活跃时间的分布状态

bin_width = 3    # 设置组距为3
num_bins = int((max(a)-min(a))/bin_width)   # 分为多少组

# （1）传入需要统计的数据以及组数即可
plt.hist(a, num_bins)

# （2）可以传入一个列表，长度为组数，值为分组依据，当组距不均匀时使用
plt.hist(a, [min(a)+i*bin_width for i in range(numbins)])

# （3）normed:bool 是否绘制频率分布直方图，默认为频数直方图
plt.hist(a, num_bins, normed = 1)

plt.xticks(list(range(min(a), max(a))[::bin_width],rotation=45)
plt.grid(True, linestyle = "-.", alpha=0.5)

 plt.hist方法一般用于那些没有统计过的数据

原文链接:https://blog.csdn.net/qq_38380338/article/details/118364263