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JupyterNotebook
　　JupyterNotebook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JupyterNotebook。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JupyterNotebook或者在搜索框中搜索JupyterNotebook（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243）：
　　importmatplotlib。pyplotasplt
　　导入matplotlib库中的pyplot并命名别名为plt
　　matplotlibinline
　　为了使图表在JupyterNotebook中输出
　　plt。rcParams〔font。sansserif〕SimHei
　　指定标签的字体，但要保证Anaconda安装了该字体
　　plt。rcParams〔axes。unicodeminus〕False
　　解决负号显示出错的问题
　　configInlineBackend。figuresvg
　　设置显示格式为矢量图，可以提高清晰度
　　figplt。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：
　　importmatplotlib。pyplotasplt
　　matplotlibinline
　　plt。rcParams〔font。sansserif〕SimHei
　　plt。rcParams〔axes。unicodeminus〕False
　　configInlineBackend。figuresvg
　　figplt。figure（）
　　ax1fig。addsubplot（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：
　　importmatplotlib。pyplotasplt
　　matplotlibinline
　　plt。rcParams〔font。sansserif〕SimHei
　　plt。rcParams〔axes。unicodeminus〕False
　　configInlineBackend。figuresvg
　　figplt。figure（）
　　ax1fig。addsubplot（2，2，1）
　　ax2fig。addsubplot（2，2，2）
　　ax3fig。addsubplot（2，2，3）
　　ax4fig。addsubplot（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）：
　　importpandasaspd
　　importnumpyasnp
　　importmatplotlib。pyplotasplt
　　matplotlibinline
　　plt。rcParams〔font。sansserif〕SimHei
　　plt。rcParams〔axes。unicodeminus〕False
　　configInlineBackend。figuresvg
　　figplt。figure（）
　　datapd。readcsv（d：sell。txt）〔1〕
　　xdata〔month〕〔2〕
　　ydata〔amount〕
　　plt。xlabel（月份）设置横轴标题
　　plt。ylabel（销售量，labelpad10）设置纵轴标题，labelpad为ylabel到y轴的距离
　　plt。grid（bTrue，linestyledashed，linewidth1）〔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（ncol2）2个图例都显示
　　plt。title（label大漠公司112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。readcsv（）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。readcsv（）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。readcsv（）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。
　　bTrue用来启用网格线。
　　如果仅开启x轴的网格线，可用参数如果仅开启y轴的网格线，可用参数若不设置axis，则同时开启x和y轴的网格线。
　　linestyle用于设置线型，如linestyledashed，表示设置为虚线。
　　linewidth1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012，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