Python其实很简单第二十五章数据分析的图形化

　　用数据表达信息是非常准确的，但用图形去表达信息更一目了然。Python有许多用于数据图形化的工具，可以帮助我们快速的将数据用图形表达出来。
　　25.1数据图形化工具Jupyter Notebook
　　Jupyter Notebook是一种Web应用，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。它生成的.jpynb文件可以发布到网上供所有人查阅。
　　如果安装了Anaconda，就不需要额外安装Jupyter Notebook。前面在第十八章中已经介绍过Anaconda的安装方法，这里假设你已经在计算机上安装了Anaconda。
　　可以在Anaconda的目录下找到Jupyter Notebook或者在搜索框中搜索＂Jupyter Notebook＂（不限字母大小写），然后运行即可出现如下界面：
　　接下来，单击右上角的New按钮，在下拉列表中选择Python3，此时会出现如下界面：
　　可以在In [ ]:后面的代码框输入代码，点击运行按钮运行，其他操作都非常容易掌握。
　　25.2 图表的基本组成元素
　　一个标准的可视化图表如下图所示，该表包含了一个图表中的基本组成元素。
　　25.3 创建画布
　　在＂In [ ]:＂后面的代码框输入如下代码（代码24-3）：
　　import matplotlib.pyplot as plt
　　#导入matplotlib库中的pyplot并命名别名为plt
　　%matplotlib inline
　　#为了使图表在Jupyter Notebook中输出
　　plt.rcParams[＂font.sans-serif＂]=＂SimHei＂
　　#指定标签的字体，但要保证Anaconda安装了该字体
　　plt.rcParams[＂axes.unicode_minus＂]=False
　　#解决负号显示出错的问题
　　%config InlineBackend.figure=＂svg＂
　　#设置显示格式为矢量图，可以提高清晰度
　　fig=plt.figure()
　　#创建画布
　　plt.figure(figsize=(8,6))
　　#设置画布的宽和高
　　plt.show()
　　#显示图片
　　点击＂运行＂按钮，即可创建一个宽为8，高为6（单位为英寸）的画布，但此时的画布并看不到，因为它是空白的。
　　如果在plt.show()前面再添加如下几行代码：
　　plt.xlim(0,20)
　　plt.ylim(0,10)
　　plt.xlim()和plt.ylim()函数可以设置坐标轴的最大刻度值。若不设置，坐标轴默认最大刻度值为1。
　　运行后得到如下图表：
　　25.4 建立坐标系
　　1、单坐标系，可运行如下代码：
　　import matplotlib.pyplot as plt
　　%matplotlib inline
　　plt.rcParams[＂font.sans-serif＂]=＂SimHei＂
　　plt.rcParams[＂axes.unicode_minus＂]=False
　　%config InlineBackend.figure=＂svg＂
　　fig=plt.figure()
　　ax1=fig.add_subplot(1,1,1)
　　可以得到如下坐标系：
　　2、也可以在一张画布上绘制多个坐标系，输入如下代码，可以绘制出4个坐标系：
　　import matplotlib.pyplot as plt
　　%matplotlib inline
　　plt.rcParams[＂font.sans-serif＂]=＂SimHei＂
　　plt.rcParams[＂axes.unicode_minus＂]=False
　　%config InlineBackend.figure=＂svg＂
　　fig=plt.figure()
　　ax1=fig.add_subplot(2,2,1)
　　ax2=fig.add_subplot(2,2,2)
　　ax3=fig.add_subplot(2,2,3)
　　ax4=fig.add_subplot(2,2,4)
　　运行后得到如下坐标系：
　　25.5 设置其他图表格式
　　现采用如下数据（＂d:/sell.txt＂）：
　　month,amount
　　1,68980
　　2,78875
　　3,81400
　　4,70624
　　6,65562
　　6,94603
　　7,49705
　　8,76060
　　9,83485
　　10,96033
　　11,85446
　　12,84685
　　用如下实例进行详解，代码如下（不能用注释解释的部分，请按照编号参考后面的详解）：
　　import pandas as pd
　　import numpy as np
　　import matplotlib.pyplot as plt
　　%matplotlib inline
　　plt.rcParams[＂font.sans-serif＂]=＂SimHei＂
　　plt.rcParams[＂axes.unicode_minus＂]=False
　　%config InlineBackend.figure=＂svg＂
　　fig=plt.figure()
　　data = pd.read_csv(＂d:/sell.txt＂) # [1]
　　x=data[＂month＂] # [2]
　　y=data[＂amount＂]
　　plt.xlabel(＂月份＂) #设置横轴标题
　　plt.ylabel(＂销售量＂,labelpad=10) #设置纵轴标题，labelpad为ylabel到y轴的距离
　　plt.grid(b=＂True＂,linestyle=＂dashed＂,linewidth=1) # [3]
　　plt.xticks(np.arange(13),[＂＂,＂1月＂,＂2月＂,＂3月＂,＂4月＂,＂5月＂,＂6月＂,＂7月＂,＂8月＂,＂9月＂,＂10月＂,＂11月＂,＂12月＂]) #[4]
　　plt.plot(x,y,label=＂折线图＂) #画出折线图，并标出图例
　　plt.bar(x,y,label=＂柱状图＂) #画出柱状图，并标出图例
　　plt.legend(ncol=2) # 2个图例都显示
　　plt.title(label=＂大漠公司1—12月销售量统计＂) #设置图表标题
　　运行后得到的图表如下：
　　关于上面程序的详解：
　　【1】pd.read_csv()方法可以读取文本文件，既可以读取.txt文件，也可以读取.csv文件。
　　.txt文件大家都非常熟悉，一般用记事本程序编辑。.csv文件是一种特殊的纯文本文件，可以用Excel程序编辑，文件保存时选择.csv格式即可。.csv文件在Excel中编辑时和普通的.xlsx文件区别，都是按照单元格编辑的，保存为.csv文件后，在记事本中打开，会发现行用换行符区分，列用逗号隔开。
　　从上例我们已经知道，普通的.txt文件也能被pd.read_csv()方法读取，所以，直接使用用行和逗号分隔的数据更为方便。
　　【2】d:/sell.txt被pd.read_csv()方法读取后，是一个DataFrame类型的数据集，共有两个列，即[＂month＂]和[＂amount＂]。
　　【3】plt.grid()用于设置图表的网格线。
　　b=＂True＂用来启用网格线。
　　如果仅开启x轴的网格线，可用参数axis=＂x＂；如果仅开启y轴的网格线，可用参数axis=＂y＂；若不设置axis，则同时开启x和y轴的网格线。
　　linestyle用于设置线型，如linestyle=＂dashed＂，表示设置为虚线。
　　linewidth=1表示线宽的值。
　　【4】plt.xticks用于设置横坐标轴的刻度，格式如plt.xticks(ticks,labels)，其中ticks表示刻度值，labels表示该刻度处对应的标签，都为列表类型。
　　因为在前面的语句plt.xlabel(＂月份＂)中没有设置labelpad参数，所以显示的月份是从0刻度开始的，所以ticks的值设为np.arange(13)，即刻度为0~12，相应的标签为空字符、＂1月＂~＂12月＂。
　　关注大漠孤驼的编程苦旅，告诉你不一样的Python