• 比來日間在整機(jī)械進(jìn)修和算法導(dǎo)論，做預(yù)判分析的時刻發(fā)明，經(jīng)常用到幾個畫圖代碼，老是弄混。睡不著，深夜上線整頓一波，趁便加強(qiáng)一下記憶叭。寫若干是若干，不可就日借居著補(bǔ)。。
• 今天先整頓一波慣例畫圖操作。其實(shí)后來學(xué)了pandas里的 seaborn 庫的時刻，才發(fā)明有更好看標(biāo)圖

import matplptlib.pypplot as plt
import pandas as pd 
# 攫取一個分類明白的數(shù)據(jù)集csv文件,文件里數(shù)據(jù)分了四類
# 數(shù)據(jù)長如許子，先大年夜致head（）前五行看一下吧
# dataset,x,y
  I,10.0,8.04
  I,8.0,6.95
  I,13.0,7.58
  I,9.0,8.81
  I,11.0,8.33

oh=pd.read_csv('anscombe.csv')
print(oh)
# 取數(shù)正人集
oh_1=oh[oh['dataset'] == 'I']
oh_2=oh[oh['dataset'] == 'II']
oh_3=oh[oh['dataset'] == 'III']
oh_4=oh[oh['dataset'] == 'IV']
plt.plot(oh_1['x'],oh_1['y'])
plt.show()
# 如不雅想用它畫圓點(diǎn)，可以給plt.plot傳遞一個‘o’參數(shù)
plt.plot(oh_1['x'],oh_1['y'],'o')
plt.show()
# 如今有四個 子數(shù)據(jù)集，要把他們放在一路，所以先創(chuàng)建一個畫布
# 就弄一個2x2的畫布吧
fig=plt.figure()
axis1=fig.add_subplot(2,2,1)
axis2=fig.add_subplot(2,2,2)
axis3=fig.add_subplot(2,2,3)
axis4=fig.add_subplot(2,2,4)
#  哈哈然后出圖吧
axes1.plot(oh_1['x'],oh_1['y'],'o')
axes2.plot(oh_2['x'],oh_2['y'],'o')
axes3.plot(oh_3['x'],oh_3['y'],'o')
axes4.plot(oh_4['x'],oh_4['y'],'o')
#向各個子圖添加標(biāo)簽，并應(yīng)用tight_layout辦法確保各個坐標(biāo)軸彼此分開
axes1.set_title('oh_1')
axes2.set_title('oh_2')
axes3.set_title('oh_3')
axes4.set_title('oh_4')
#為整幅圖添加一個大年夜標(biāo)題
fig.suptitle('anscomble data')
plt.show()
#緊湊構(gòu)造
fig.tight_layout()

• 單變量畫圖
  單變量做頻數(shù)分析的時刻，畫圖是最直不雅的，樣本頻數(shù)特別小的，我一般也就歸并到其余小樣本里了。直方圖就夠用，選一個變量多一點(diǎn)的文件吧

import pandas as pd
tips=pd.read_csv('tips.csv')
print(tips)
# tips文件 數(shù)據(jù) 截一下前五行
#  就長如許吧
"""  "total_bill","tip","sex","smoker","day","time","size"
      16.99,1.01,"Female","No","Sun","Dinner",2
      10.34,1.66,"Male","No","Sun","Dinner",3
      21.01,3.5,"Male","No","Sun","Dinner",3
      23.68,3.31,"Male","No","Sun","Dinner",2   
      24.59,3.61,"Female","No","Sun","Dinner",4
"""
#  大年夜概就是對 餐桌文化，比如不合性別，花費(fèi)時光，餐桌級別等不合群體的花費(fèi)賬單做個分析，totalbill 即花費(fèi)賬單。
# ok 畫圖吧

import matplotlib.pyplot as plt
fig=plt.figure()
#  畫布啊畫布！ 
axes1=fig.add_subplot(1,1,1) 
# 畫布一行一列，放第一個
axes1.hist(tips['total_bill'],bins=10)
# 直方圖表達(dá)式，y軸衡量的是totalbill，x軸以10為組距
axes1.set_title('histogram of total bill')
axes1.set_xlabel('Frequency')
axes1.set_ylabel('total bill')
plt.show()

• 雙變量
  雙變量畫圖，兩兩比較，妙弗成言。就照樣用剛才的那個花費(fèi)賬單數(shù)據(jù)吧

• 1）散點(diǎn)圖

scatter_plot=plt.figure()
axes1=plt.add_subplot(1,1,1)
axes1.scatter(tips['total_bill'],tips['tip'])
# 再搞一下標(biāo)簽就很完美
axes1.set_xlabel('total bill')
axes1.set_ ylabel('tip')
plt.show()

• 箱線圖

boxplot=plt.figure()
axes1=boxplot.add_subplot(1,1,1)
axes1.boxplot(
#  箱線圖的第一參數(shù)是數(shù)據(jù)
#  因?yàn)橐L制多塊數(shù)據(jù)，是以必須把每塊數(shù)據(jù)放入列表中
    [tips[tips['sex']=='Female']['tip'],
     tips[tips['sex']=='Male']['tip']],
#列表中第一個數(shù)據(jù)表示分類類別，第二表示y軸數(shù)據(jù)
     labels=['Female','Male']
#展示標(biāo)簽
)
axes1.set_xlabel('sex')
axes1.set_ylabel('Tip')
axes1.set_title('boxplot of tips by sex')
plt.show()

其實(shí)同樣是畫箱線圖，調(diào)用seaborn庫 代碼更便捷，可調(diào)節(jié)的格式也比較多。留給下次睡不著整頓吧。。

• 多變量數(shù)據(jù)
  其實(shí)多變量說白了就是再雙變量的基本上，區(qū)分了色彩，大年夜小，外形，增長了信息量。最繁瑣的辦法就是用函數(shù)創(chuàng)建一個帶色彩的變量。
  比如在性別上區(qū)分色彩。

def recode_sex(sex):
    if sex =='Famale':
        return 0
    else:
        return 1
tips['sex_color']=tips['sex'].apply(recode_sex)
# apply 是對列調(diào)用函數(shù)的好辦法，這行代碼 賦值給tips數(shù)據(jù)集一個帶色彩參數(shù)的新列 ' sex_color '   

# 下面開端畫圖吧
# 創(chuàng)建畫布
scatter_plot=plt.figure()
axes1=scatter_plot.add_subplot(1,1,1)
axes1.scatter(
  x=tips['total_bill'], 
  y=tips['tips'],
  s=tips['size']*10,
# 增長一個‘size’ 變量，用大年夜小*10倍的大年夜小區(qū)分
  c=tips['sex_color']
  alpha=0.5
# 增長點(diǎn)透明度，以表示重疊的點(diǎn)
)
# 最后添加標(biāo)題
axes1.set_title('total bill vs tip colored by sex and sized by size')
axes1.set_xlabel('total bill')
axes1.set_ylabel('tip')
plt.show()