Python數(shù)據(jù)分析與數(shù)據(jù)挖掘 課件 第6、7章 Pandas基礎(chǔ)與應(yīng)用、Matplotlib

第6章Pandas基礎(chǔ)與應(yīng)用主講人：***15-10月-23Python數(shù)據(jù)分析與數(shù)據(jù)挖掘目錄contentsPandas中的數(shù)據(jù)結(jié)構(gòu)0102Pandas簡(jiǎn)介0304數(shù)據(jù)運(yùn)算與分析Pandas中數(shù)據(jù)的基本操作Pandas簡(jiǎn)介016.1.1主要特性Pandas是Python中的一個(gè)高效易用的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析的第三方庫(kù)。Pandas是Python中數(shù)據(jù)分析的基礎(chǔ)，旨在成為最實(shí)用最便利的開(kāi)源數(shù)據(jù)分析的工具。其主要特性如下：善于處理浮點(diǎn)數(shù)和非浮點(diǎn)數(shù)的數(shù)據(jù)缺失（用NaN來(lái)表示）；大小可變：數(shù)據(jù)的行列能夠從DataFrame或者更高維度的數(shù)據(jù)結(jié)構(gòu)中添加或者刪除；自動(dòng)數(shù)據(jù)對(duì)齊：目標(biāo)會(huì)被顯式地根據(jù)標(biāo)簽對(duì)齊，使用者也可以忽略標(biāo)簽，直接利用DataFrame、Series來(lái)自動(dòng)對(duì)齊；功能強(qiáng)大，靈活的分組功能，可對(duì)數(shù)據(jù)執(zhí)行拆分-應(yīng)用-組合的一系列操作，以便聚合和轉(zhuǎn)換數(shù)據(jù)；可以很方便地把其他Python和NumPy的雜亂的數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換成DataFrame對(duì)象；6.1.1主要特性基于智能標(biāo)簽的切片、花式索引和子集化大數(shù)據(jù)集；直觀的合并和連接數(shù)據(jù)集；靈活的重塑(reshape)和數(shù)據(jù)集的旋轉(zhuǎn)；軸的分層標(biāo)簽（每個(gè)標(biāo)記可能有多個(gè)標(biāo)簽）；強(qiáng)大的IO工具，用于從原始文件（CSV）、Excel文件、數(shù)據(jù)庫(kù)中加載數(shù)據(jù)，以及從超快速HDF5格式保存/加載數(shù)據(jù)；

時(shí)間序列-特定功能：日期范圍生成和頻率轉(zhuǎn)換、移動(dòng)窗口統(tǒng)計(jì)、移動(dòng)窗口線

性回歸、日期移動(dòng)和滯后等。6.1.2

pandas安裝安裝包方法：pip命令，語(yǔ)法格式為：pipinstallpandasconda命令，語(yǔ)法格式為：condainstallpandas還可以使用condalistpandas查看已安裝的pandas包的版本信息。Anaconda環(huán)境中默認(rèn)已集成了Numpy和Pandas等第三方工具包，如想自行安裝，可使用pip命令或conda命令。Pandas中的數(shù)據(jù)結(jié)構(gòu)026.2.1

Series數(shù)據(jù)結(jié)構(gòu)Series數(shù)據(jù)結(jié)構(gòu)一種類(lèi)似于一維數(shù)組的對(duì)象，它由一組數(shù)據(jù)以及一組與之相對(duì)應(yīng)的數(shù)據(jù)標(biāo)簽（即索引）組成。創(chuàng)建Series的語(yǔ)法為：s=pd.Series(data,index=index)其中：data可以是一維數(shù)組、列表和字典，還可以是一個(gè)標(biāo)量；index參數(shù)是與之對(duì)應(yīng)的行的索引，可依實(shí)際情況進(jìn)行指定或默認(rèn)。[例6-1]使用標(biāo)量創(chuàng)建Series：index參數(shù)必須設(shè)置，如未設(shè)置index，默認(rèn)狀態(tài)時(shí)生成只有一組數(shù)據(jù)（1個(gè)data和一個(gè)索引）的Series。(左側(cè)為索引值，右側(cè)為數(shù)據(jù))[例6-2]數(shù)組創(chuàng)建Series：index可默認(rèn)或設(shè)定，默認(rèn)狀態(tài)下的index從0開(kāi)始。[例6-3]列表創(chuàng)建Series：使用列表創(chuàng)建Series，并自定義index。6.2.1

Series數(shù)據(jù)結(jié)構(gòu)索引個(gè)數(shù)大于data個(gè)數(shù)時(shí)，會(huì)用NaN自動(dòng)補(bǔ)全[例6-4]字典創(chuàng)建Series：當(dāng)index默認(rèn)時(shí)，會(huì)自動(dòng)以字典的key作為索引，并按照排序后排列6.2.1

Series數(shù)據(jù)結(jié)構(gòu)

Series操作

對(duì)于Series對(duì)象的使用，主要取決于其創(chuàng)建對(duì)象的相關(guān)操作。由于數(shù)組和字典都可以用來(lái)創(chuàng)建Series，所以Series除了具備基本屬性外，還適用數(shù)組、字典的相關(guān)操作。Series支持許多數(shù)組類(lèi)型的操作。如：索引、切片等，以及許多NumPy的函數(shù)也適用于Series，其返回值仍是Series[例6-5]顯示Series對(duì)象的屬性。Series的常用屬性包括values和index，還有name和屬性。[例6-6]Series支持?jǐn)?shù)組類(lèi)型的操作。如：索引、切片等。6.2.1

Series數(shù)據(jù)結(jié)構(gòu)

Series還適用于字典的基本操作，如in()和get()。in()用來(lái)查看Series中是否有某個(gè)標(biāo)記，返回值為true或false；get()來(lái)索引不存在的標(biāo)記，返回值為Nan。[例6-7]Series支持的字典操作。（其中s為例6-6中創(chuàng)建的Series對(duì)象） Series還支持一些向量化操作。如兩個(gè)Series相加、數(shù)乘等。[例6-8]Series支持的向量化操作。6.2.1

Series數(shù)據(jù)結(jié)構(gòu)6.2.2DataFrame數(shù)據(jù)結(jié)構(gòu) DataFrame數(shù)據(jù)結(jié)構(gòu)

DataFrame是一個(gè)結(jié)構(gòu)類(lèi)似于二維數(shù)組或表格的數(shù)據(jù)類(lèi)型，可以看作一張表格，它含有一組有序的列，每一列的數(shù)據(jù)類(lèi)型都是一致的。DataFrame類(lèi)對(duì)象由索引和數(shù)據(jù)組成，與Series類(lèi)對(duì)象相比，該對(duì)象有兩組索引，分別是行索引(index)和列索引(columns)。DataFrame的數(shù)據(jù)結(jié)構(gòu)如下圖所示。6.2.2DataFrame數(shù)據(jù)結(jié)構(gòu)[例6-10]可以指定行索引和列索引創(chuàng)建DataFrame，如下：[例6-9]由數(shù)組構(gòu)建DataFrame。等長(zhǎng)列表或NumPy數(shù)組：系統(tǒng)自動(dòng)分配列索引和行索引

列表類(lèi)型是字典時(shí)，一般不需另外指定列的索引，會(huì)自動(dòng)采用字典的key豎向作為列索引，并排序后輸出，但支持指定行索引。注意：字典值的長(zhǎng)度必須相同，否則會(huì)報(bào)錯(cuò)。[例6-11]傳入列表類(lèi)型的字典構(gòu)建DataFrame。6.2.2DataFrame數(shù)據(jù)結(jié)構(gòu)

DataFrame的常用屬性包括values、index、columns、dtypes、size、ndim和shape等，分別可以顯示DataFrame的數(shù)據(jù)、索引、列名、類(lèi)型、元素個(gè)數(shù)、維度和形狀等，如表6-1所示。6.2.2DataFrame數(shù)據(jù)結(jié)構(gòu)

表6-1DataFrame的常用屬性[例6-12]輸出上例中DataFrame對(duì)象的屬性。6.2.2DataFrame數(shù)據(jù)結(jié)構(gòu)Pandas中數(shù)據(jù)的基本操作036.3.1數(shù)據(jù)的導(dǎo)入和導(dǎo)出 Pandas支持多種文件格式的數(shù)據(jù)讀取與寫(xiě)入，包括txt、Excel、csv、sql、table、html和json等眾多格式。讀取文件的語(yǔ)法格式為：File=pd.read_xxx(file,encoding)

其中，read_xxx()函數(shù)的選擇取決于要讀取文件的格式，在實(shí)際操作中可以tab鍵補(bǔ)全函數(shù)；file是指將要讀取的文件路徑；encoding是指讀取文件的編碼格式，一般常用的有utf-8、utf-16、gbk及gb2312。 Dataframe數(shù)據(jù)也可以保存在各種格式的文件中，需要使用的函數(shù)是.to_xxx()函數(shù)。6.3.1數(shù)據(jù)的導(dǎo)入和導(dǎo)出Pandas常用的數(shù)據(jù)導(dǎo)入函數(shù)如表6-2所示。表6-2Pandas常用的數(shù)據(jù)導(dǎo)入函數(shù)6.3.1數(shù)據(jù)的導(dǎo)入和導(dǎo)出[例6-13]Pandas讀取csv文件數(shù)據(jù)。6.3.1數(shù)據(jù)的導(dǎo)入和導(dǎo)出[例6-14]Pandas讀取excel文件數(shù)據(jù)。6.3.1數(shù)據(jù)的導(dǎo)入和導(dǎo)出[例6-15]Pandas讀取json文件數(shù)據(jù)。6.3.1數(shù)據(jù)的導(dǎo)入和導(dǎo)出

文本數(shù)據(jù)的導(dǎo)出存儲(chǔ)與讀取類(lèi)似，可以使用DataFrame的.to_xxx()函數(shù)將Dataframe對(duì)象數(shù)據(jù)保存到各種格式的文件中。結(jié)構(gòu)化數(shù)據(jù)可以通過(guò)to_csv函數(shù)以csv文件格式存儲(chǔ)，to_excel函數(shù)可以將數(shù)據(jù)存儲(chǔ)為Excel文件格式。[例6-16]將df數(shù)據(jù)保存為csv文件，使用逗號(hào)作為分隔符。6.3.2數(shù)據(jù)的選取

首先創(chuàng)建一個(gè)DataFrame對(duì)象df1，然后介紹相關(guān)數(shù)據(jù)的查看與選取方法。[例6-17]創(chuàng)建一個(gè)DataFrame對(duì)象。1.基本選取方式1）按列選取數(shù)據(jù)DataFrame的列數(shù)據(jù)為一個(gè)Series?？筛鶕?jù)字典訪問(wèn)key值的方式使用對(duì)應(yīng)的列名或列名的列表，實(shí)現(xiàn)單列或多列數(shù)據(jù)的訪問(wèn)，或者以屬性的方式實(shí)現(xiàn)單列數(shù)據(jù)的訪問(wèn)，例如df.A。[例6-18]按列選取DataFrame的數(shù)據(jù)。6.3.2數(shù)據(jù)的選取1.基本選取方式2）按行選取數(shù)據(jù)訪問(wèn)DataFrame某幾行數(shù)據(jù)可以使用[:]實(shí)現(xiàn)。也可以使用head和tail函數(shù)得到多行數(shù)據(jù)，默認(rèn)獲得開(kāi)始或末尾的連續(xù)5行數(shù)據(jù)，可以在函數(shù)中輸入要訪問(wèn)的行數(shù)，即可實(shí)現(xiàn)目標(biāo)行數(shù)的查看，如head(10)可查看前10行數(shù)據(jù)。[例6-19]按行選取DataFrame的數(shù)據(jù)。6.3.2數(shù)據(jù)的選取1.基本選取方式3）按行和列選取數(shù)據(jù)選取DataFrame中某一列的某幾行時(shí)，單獨(dú)一列的DataFrame可以看作一個(gè)Series，而訪問(wèn)一個(gè)Series基本和訪問(wèn)一個(gè)一維的ndarray相同。選取DataFrame多列數(shù)據(jù)時(shí)，可以將多個(gè)列索引名作為一個(gè)列表。同時(shí)訪問(wèn)DataFrame多列數(shù)據(jù)中的多行數(shù)據(jù)與訪問(wèn)單列數(shù)據(jù)的多行數(shù)據(jù)方法基本相同。[例6-20]按行和列選取DataFrame的數(shù)據(jù)。6.3.2數(shù)據(jù)的選取1.基本選取方式4）布爾運(yùn)算選取數(shù)據(jù)可以對(duì)DataFrame中的數(shù)據(jù)根據(jù)布爾運(yùn)算進(jìn)行選取，常用的布爾運(yùn)算符包括大于(>)、小于(<)、不等于（!=）等。[例6-21]布爾運(yùn)算選取DataFrame的數(shù)據(jù)。6.3.2數(shù)據(jù)的選取2. loc及iloc選取方式可以使用Pandas提供的loc和iloc方法對(duì)DataFrame進(jìn)行切片訪問(wèn)。loc方法使用索引名稱(chēng)對(duì)DataFrame進(jìn)行切片，如果傳入的不是索引名稱(chēng)，則切片操作將無(wú)法執(zhí)行。iloc方法，即indexlocate，參數(shù)是整型，需使用行索引和列索引的位置進(jìn)行切片訪問(wèn)。loc和iloc的使用方法如下。DataFrame.loc[行索引名稱(chēng)或條件,列索引名稱(chēng)]DataFrame.iloc[行索引位置,列索引位置]6.3.2數(shù)據(jù)的選取2. loc及iloc選取方式6.3.2數(shù)據(jù)的選取[例6-22]使用loc方法進(jìn)行切片選取，實(shí)例代碼為：2. loc及iloc選取方式6.3.2數(shù)據(jù)的選取[例6-23]使用iloc方法進(jìn)行切片選取，實(shí)例代碼為：[例6-24]DataFrame中增加數(shù)據(jù)。6.3.3數(shù)據(jù)的編輯1.增加數(shù)據(jù)可以通過(guò)給新列直接賦值來(lái)為DataFrame增加新列。默認(rèn)狀態(tài)下，新增加的列將排在原對(duì)象的后面，也可以使用insert()方法，將列添加到指定位置。用法為：df1.insert(iloc,column,value)，其中，第一個(gè)參數(shù)是增加列的位置，第二個(gè)參數(shù)是增加列的索引，第三個(gè)位置是增加列的內(nèi)容。[例6-25]通過(guò)append()方法傳入字典結(jié)構(gòu)數(shù)據(jù)來(lái)增加數(shù)據(jù)。請(qǐng)注意，默認(rèn)append不改變?cè)瓟?shù)據(jù)，若要在原數(shù)據(jù)中增加，需要讓原數(shù)據(jù)等于append后的結(jié)果。6.3.2數(shù)據(jù)的選取[例6-26]刪除DataFrame中的數(shù)據(jù)。6.3.3數(shù)據(jù)的編輯2.刪除數(shù)據(jù)可用關(guān)鍵詞del或者pop()方法刪除指定列。還可以使用drop()方法，并設(shè)置axis參數(shù)指定要?jiǎng)h除的是行還是列，默認(rèn)不改變?cè)瓟?shù)據(jù)，若要在原數(shù)據(jù)中刪除，需要設(shè)置參數(shù)inplace=True。[例6-27]修改DataFrame中的數(shù)據(jù)。6.3.3數(shù)據(jù)的編輯3.修改數(shù)據(jù)對(duì)選定的數(shù)據(jù)直接賦值即可修改數(shù)據(jù)，數(shù)據(jù)的修改操作無(wú)法撤銷(xiāo)，且是在原數(shù)據(jù)上直接修改，因此需要實(shí)現(xiàn)做好數(shù)據(jù)的備份。6.3.4數(shù)據(jù)的合并1.merge()函數(shù)操作類(lèi)似于sql里面的join，實(shí)現(xiàn)將2個(gè)DataFrame根據(jù)一些共有的列連接起來(lái)，內(nèi)含多個(gè)參數(shù)，具體參數(shù)說(shuō)明見(jiàn)下表。參數(shù)說(shuō)明left參與合并的左側(cè)的DataFrameright參與合并的右側(cè)的DataFramehow連接方式：‘inner’(默認(rèn))，‘outer’，‘left’，‘right’on用于連接的列名，必須同時(shí)存在于左右兩個(gè)DataFrame對(duì)象中，若干未指定，則left和right的列名交集作為連接鍵。left_on左側(cè)DataFrame中用作連接鍵的列right_on右側(cè)DataFrame中用作連接鍵的列l(wèi)eft_index將左側(cè)的行索引用作其連接鍵right_index將右側(cè)的行索引用作其連接鍵sort根據(jù)連接鍵對(duì)合并后的數(shù)據(jù)進(jìn)行排序，默認(rèn)為T(mén)rue。suffixes字符串值元組，用于追加到重疊列名的末尾，默認(rèn)為(‘_x’，‘_y’)。copy設(shè)置為False，可以在某些特殊情況下避免將數(shù)據(jù)復(fù)制到結(jié)果數(shù)據(jù)結(jié)構(gòu)中。merge()函數(shù)—實(shí)例初始化兩個(gè)DataFrame對(duì)象：left=right=[例6-28]默認(rèn)狀態(tài)：DataFrame合并時(shí)會(huì)以列名的交集作為連接鍵。若連接列中含有多個(gè)相同的值，則采用笛卡爾積的形式進(jìn)行連接。設(shè)置how參數(shù)：設(shè)置連接時(shí)的方式，默認(rèn)狀態(tài)下是inner。當(dāng)how取值outer時(shí)，會(huì)采用并集式合并，缺項(xiàng)以NaN補(bǔ)齊。6.3.4數(shù)據(jù)的合并

當(dāng)DataFrame的列交集不止一項(xiàng)時(shí)，可以通過(guò)參數(shù)on來(lái)指定連接鍵，可一個(gè)，也可多個(gè)。如果合并的DataFrame中還有相同的列索引，可以設(shè)置suffixes參數(shù)，實(shí)現(xiàn)對(duì)列名的區(qū)分。[例6-29]使用merge函數(shù)并設(shè)置suffixes參數(shù)，連接DataFrame對(duì)象。6.3.4數(shù)據(jù)的合并merge()函數(shù)—實(shí)例2.concat()函數(shù)

主要實(shí)現(xiàn)一些簡(jiǎn)單的行合并和列合并的操作，其內(nèi)含多個(gè)參數(shù)，具體見(jiàn)下表。參數(shù)說(shuō)明objs參與連接的列表或字典，且列表或字典里的對(duì)象是Pandas數(shù)據(jù)類(lèi)型，唯一必須給定的參數(shù)axis=0指明連接的軸向，0是縱軸，1是橫軸，默認(rèn)是0join‘inter’(交集)，‘outer’(并集)，默認(rèn)是‘outer’join_axis指明用于其他n-1條軸的索引，不執(zhí)行交并集keys與連接對(duì)象有關(guān)的值，可以是任意值的列表、元組或數(shù)組levels指定用作層次化索引各級(jí)別上的索引，如果設(shè)置keys的話names用于創(chuàng)建分層級(jí)別的名稱(chēng)，如果設(shè)置keys或levels的話verify_integrity檢查結(jié)果對(duì)象新軸上的重復(fù)情況，默認(rèn)值為false，允許重復(fù)ignore_index不保留連接軸上的索引，產(chǎn)生一組新索引range(total_length)6.3.4數(shù)據(jù)的合并concat()函數(shù)—實(shí)例初始化三個(gè)DataFrame對(duì)象：df1=df2=[例6-30]設(shè)置參數(shù)axis：axis=0時(shí)，縱向合并；axis=1時(shí)，橫向合并。設(shè)置ignore_index參數(shù)：合并時(shí)是否保留原來(lái)的索引；默認(rèn)狀態(tài)下，合并后的索引不改變。df3=6.3.4數(shù)據(jù)的合并初始化兩個(gè)DataFrame對(duì)象：df1=df2=[例6-31]設(shè)置join參數(shù)：當(dāng)join參數(shù)設(shè)置為outer，按并集方法合并，缺少的部分填充N(xiāo)aN。當(dāng)join參數(shù)設(shè)置為inner時(shí)，以交集方式合并，即只合并公共的部分6.3.4數(shù)據(jù)的合并concat()函數(shù)—實(shí)例數(shù)據(jù)運(yùn)算與分析046.4.1算術(shù)和比較運(yùn)算Pandas為Series和DataFrame提供了許多算術(shù)運(yùn)算的方法，算術(shù)規(guī)則是根據(jù)行列索引補(bǔ)齊后進(jìn)行運(yùn)算，運(yùn)算結(jié)果默認(rèn)為浮點(diǎn)型，補(bǔ)齊時(shí)缺項(xiàng)填充為NaN。初始化兩個(gè)DataFrame對(duì)象：a：b：[例6-32]DataFrame對(duì)象的算術(shù)運(yùn)算。四則運(yùn)算時(shí)：返回一個(gè)新的對(duì)象，也可以采用相關(guān)方法，實(shí)現(xiàn)相似的效果，分別是：.add(d,**argws).sub(d,**argws).mul(d,**argws).div(d,**argws)6.4.1算術(shù)和比較運(yùn)算a：b：[例6-33]DataFrame對(duì)象的比較運(yùn)算。比較運(yùn)算：只能比較相同索引的元素，而且不進(jìn)行補(bǔ)齊操作，返回一個(gè)布爾型的對(duì)象。常見(jiàn)的比較運(yùn)算有：‘>’，‘<’，‘>=’，‘<=’，‘==’，‘!=’等。初始化兩個(gè)DataFrame對(duì)象：6.4.2數(shù)據(jù)排序

Pandas提供了數(shù)據(jù)排序的方法，既可以依據(jù)行列的索引排序，也可以依據(jù)指定行列索引的數(shù)據(jù)排序。排序主要利用的方法是sort_index()和sort_values()。

依據(jù)索引排序：采用sort_index(axis=[0,1],ascending=True)方法。通過(guò)設(shè)置參數(shù)axis實(shí)現(xiàn)對(duì)行索引和列索引的排序，一般默認(rèn)順序排列。

當(dāng)axis=1時(shí)，實(shí)現(xiàn)對(duì)列索引的排序；

當(dāng)axis=0時(shí)，實(shí)現(xiàn)對(duì)行索引的排序。[例6-34]DataFrame對(duì)象的數(shù)據(jù)排序。6.4.2數(shù)據(jù)排序

依據(jù)數(shù)值排序：使用的方法是sort_values(by,axis=0,ascending=True)，其中默認(rèn)順序排列，by是axis軸上的某個(gè)索引或者索引列表。此外，若含有空值時(shí)，統(tǒng)一排序到末尾。

6.4.3統(tǒng)計(jì)分析 Pandas提供的Series和DataFrame兩種數(shù)組類(lèi)型還支持各種統(tǒng)計(jì)分析的操作?；镜慕y(tǒng)計(jì)分析函數(shù)一般均適用于以上兩種數(shù)據(jù)類(lèi)型。常見(jiàn)的基本統(tǒng)計(jì)函數(shù)如下表。方法說(shuō)明.sum()計(jì)算數(shù)據(jù)的總和，按0軸計(jì)算，下同.count()非NaN值得數(shù)量.mean().median()計(jì)算數(shù)據(jù)的算術(shù)平均值、算術(shù)中位數(shù).var().std()計(jì)算數(shù)據(jù)的方差、標(biāo)準(zhǔn)差.min().max()計(jì)算數(shù)據(jù)的最小值、最大值.argmin().argmax()計(jì)算數(shù)據(jù)最大、最小值所在位置的索引位置（自定義所用），僅Series可用.idxmin().idxmax()計(jì)算數(shù)據(jù)最大、最小值所在位置的索引（自定義所用），僅Series可用.describe()針對(duì)各列的統(tǒng)計(jì)匯總6.4.3統(tǒng)計(jì)分析[例6-35]讀入小費(fèi)文件tips.csv，使用DataFrame對(duì)象的基本統(tǒng)計(jì)分析方法了解數(shù)據(jù)信息。6.4.3統(tǒng)計(jì)分析describe()方法返回的結(jié)果包括各列的元素個(gè)數(shù)、均值、標(biāo)準(zhǔn)差、最小值、四分之一分位點(diǎn)、中位數(shù)、四分之三分位點(diǎn)和最大值。corr()方法可以返回?cái)?shù)值列或指定兩個(gè)數(shù)值列之間的相關(guān)系數(shù)。6.4.3統(tǒng)計(jì)分析

對(duì)于Pandas數(shù)據(jù)，由于其類(lèi)似表格的特性，還支持許多累計(jì)統(tǒng)計(jì)的分析，為數(shù)據(jù)分析提供了很大的方便，也成Pandas的一大優(yōu)勢(shì)。常見(jiàn)的累計(jì)統(tǒng)計(jì)分析函數(shù)如下表。方法說(shuō)明.cumsum()依次給出前n個(gè)數(shù)的和.cumprod()依次給出前n個(gè)數(shù)的積.cummax()依次給出前n個(gè)數(shù)的最大值.cummin()依次給出前n個(gè)數(shù)的最小值df：首先，構(gòu)建一個(gè)DateFrame對(duì)象。6.4.3統(tǒng)計(jì)分析[例6-36]DataFrame對(duì)象的累計(jì)函數(shù)。.cumsum()和.cumprod()函數(shù)分別返回一個(gè)DataFrame，除第一數(shù)據(jù)外，其余行是前幾行（包括本行）數(shù)據(jù)累加/積的結(jié)果。本例中，df.cumsum()和df.cumprod()的結(jié)果如下：6.4.3統(tǒng)計(jì)分析[例6-36]DataFrame對(duì)象的累計(jì)函數(shù)。.cummax()和.cummin()函數(shù)分別返回一個(gè)DataFrame，返回值分別為對(duì)應(yīng)列上前幾行數(shù)據(jù)的最大值和最小值。本例中，df.cummax()和df.cummin()的結(jié)果如下：6.4.3統(tǒng)計(jì)分析[例6-36]DataFrame對(duì)象的累計(jì)函數(shù)。此外，Pandas在統(tǒng)計(jì)操作中，還支持滾動(dòng)計(jì)算，利用的函數(shù)主要是.rollong(w).sum()等類(lèi)似函數(shù)，其中，w主要是指參與運(yùn)算的元素?cái)?shù)量，其返回值是一個(gè)DataFrame，缺失值以NaN補(bǔ)全，df.rolling(2).sum()的結(jié)果下：6.4.4分組與聚合1.數(shù)據(jù)分組可以使用groupby()根據(jù)索引或字段對(duì)數(shù)據(jù)進(jìn)行分組，具體的用法如下所示：DataFrame.groupby(by=None,axis=0,level=None,as_index=True,sort=True,group_keys=True,squeeze=<no_default>,observed=False,dropna=True)說(shuō)明如下：6.4.4分組與聚合[例6-37]數(shù)據(jù)分組實(shí)例。

groupby分組后的結(jié)果不再是DataFrame類(lèi)型，而是一個(gè)DataFrameGroupBy對(duì)象?？梢园磫瘟蟹纸M，也可以同時(shí)按多個(gè)列進(jìn)行分組，如df.groupby(["A","B"])表示按A和B兩列進(jìn)行分組。6.4.4分組與聚合2.數(shù)據(jù)聚合分組后的結(jié)果不能直接查看，可以使用聚合運(yùn)算對(duì)分組后數(shù)據(jù)進(jìn)行計(jì)算，并查看可聚合計(jì)算后的結(jié)果，常用的數(shù)據(jù)聚合方法如下表所示。6.4.4分組與聚合[例6-38]數(shù)據(jù)聚合實(shí)例。6.4.4分組與聚合2.數(shù)據(jù)聚合除了使用pandas提供的數(shù)據(jù)聚合方法，還可以將自定義的聚合函數(shù)傳入agg()或aggregate()方法，實(shí)現(xiàn)分組后的數(shù)據(jù)聚合計(jì)算。agg()方法可以指定軸上使用一個(gè)或多個(gè)操作進(jìn)行聚合，支持Python內(nèi)置函數(shù)或自定義的函數(shù)。aggregate()方法對(duì)DataFrame對(duì)象操作的功能基本相同。6.4.4分組與聚合[例6-39]使用agg()方法聚合數(shù)據(jù)，df為上例中定義的DataFrame對(duì)象。6.4.5透視表與交叉表1.透視表數(shù)據(jù)透視表是常用的數(shù)據(jù)分析工具之一，它可以根據(jù)一個(gè)或多個(gè)指定的維度對(duì)數(shù)據(jù)進(jìn)行聚合。在python中可以通過(guò)pandas.pivot_table函數(shù)來(lái)實(shí)現(xiàn)數(shù)據(jù)透視表。pandas.pivot_table函數(shù)包含5個(gè)主要參數(shù)及其他可選參數(shù)，如下所示。pandas.pivot_table(data,values=None,index=None,columns=None,aggfunc='mean',fill_value=None,margins=False,dropna=True,margins_name='All',observed=False,sort=True)說(shuō)明如下：[例6-40]使用pivot_table創(chuàng)建數(shù)據(jù)透視表。6.4.5透視表與交叉表[例6-40]使用pivot_table創(chuàng)建數(shù)據(jù)透視表。6.4.5透視表與交叉表首先，設(shè)列A作為行分組鍵，列C作為列分組鍵，通過(guò)sum來(lái)聚合列D的數(shù)據(jù)。[例6-40]使用pivot_table創(chuàng)建數(shù)據(jù)透視表。6.4.5透視表與交叉表然后，設(shè)列A和B作為行分組鍵，列C作為列分組鍵，通過(guò)sum來(lái)聚合列D的數(shù)據(jù)，使用fill_value參數(shù)填充缺失值。[例6-40]使用pivot_table創(chuàng)建數(shù)據(jù)透視表。6.4.5透視表與交叉表最后，設(shè)列A和B作為行分組鍵，通過(guò)列D和列E的平均值進(jìn)行聚合。6.4.5透視表與交叉表2.交叉表交叉表是一種特殊的透視表，主要用于計(jì)算分組頻率。pandas.crosstab函數(shù)可以用于制作交叉表，該函數(shù)的參數(shù)和使用格式如下。pandas.crosstab(index,columns,values=None,rownames=None,colnames=None,aggfunc=None,margins=False,margins_name='All',dropna=True,normalize=False)[例6-41]使用crosstab創(chuàng)建交叉表。6.4.5透視表與交叉表6.4.5透視表與交叉表首先，設(shè)列A作為行分組鍵，列B作為列分組鍵，創(chuàng)建交叉表。然后設(shè)列A作為行分組鍵，列B作為列分組鍵，用列C的平均值創(chuàng)建交叉表。[例6-41]使用crosstab創(chuàng)建交叉表。6.4.5透視表與交叉表可以使用normalize參數(shù)對(duì)頻率表進(jìn)行規(guī)范化，以顯示百分比，而不是計(jì)數(shù)。另外，還可以將margins參數(shù)設(shè)置為T(mén)rue，則可以打開(kāi)匯總(Total)功能。[例6-41]使用crosstab創(chuàng)建交叉表。本章實(shí)踐例題本章實(shí)踐例題[例6-42]DataFrame創(chuàng)建實(shí)例。本章實(shí)踐例題[例6-43]Pandas文件讀寫(xiě)實(shí)例。本章實(shí)踐例題[例6-44]天氣信息文件temp.xlsx中存放著某城市最近一周（從周一到周日）的每天最高和最低氣溫（單位為攝氏度）。每行中，第一列為序號(hào)，代表周幾，第二列為當(dāng)天最高氣溫maxTemp，第三列為當(dāng)天最低氣溫minTemp。求：1、增加一列，存放每天的平均氣溫；2、求出本周溫度的平均值；3、這一周中第幾天最熱（按最高氣溫計(jì)算），最高多少度？這一周中第幾天最冷（按最低氣溫計(jì)算），最冷多少度？本章實(shí)踐例題[例6-45]

泰坦尼克號(hào)乘客生還數(shù)據(jù)的分析實(shí)例。利用DataFrame對(duì)Titanic號(hào)乘客的生還數(shù)據(jù)進(jìn)行預(yù)處理和初步分析。本章實(shí)踐例題[例6-46]讀入data目錄下的tips.csv文件，放到一個(gè)DataFrame結(jié)構(gòu)df1中。查看tips數(shù)據(jù)的相關(guān)信息，并按是否吸煙、性別等字段分組統(tǒng)計(jì)相關(guān)信息，完成對(duì)tips數(shù)據(jù)的分析。小結(jié)Pandas是使用Python進(jìn)行數(shù)據(jù)分析非常重要的包。它提供了許多快速?gòu)?qiáng)大而又簡(jiǎn)單易用的數(shù)據(jù)結(jié)構(gòu)來(lái)處理相關(guān)數(shù)據(jù)，在數(shù)據(jù)分析中有著廣泛的應(yīng)用。本章結(jié)合實(shí)例介紹了Pandas中的常用數(shù)據(jù)結(jié)構(gòu)和常用數(shù)據(jù)分析方法。本章中需要重點(diǎn)掌握的知識(shí)點(diǎn)是：Series數(shù)據(jù)類(lèi)型和DataFrame數(shù)據(jù)類(lèi)型的使用。小結(jié)本章習(xí)題請(qǐng)先用字典數(shù)據(jù)生成一個(gè)DataFrame對(duì)象df，數(shù)據(jù)為：{'Name':['Kate','Rose','Tom','John'],'Height':[155,165,170,168],'Weight':[45,50,65,62]}。完成如下數(shù)據(jù)的編輯：(1)用兩種方法，分別往df中加入性別列'gender'和年齡列'age'（數(shù)據(jù)可自定義）；(2)往df中加入一行數(shù)據(jù)，數(shù)據(jù)為：{'Name':'Lucky','Height':165,'Age':17,'Weight':48,'Gender':'Female'}。本章習(xí)題2. 請(qǐng)先用字典數(shù)據(jù)生成一個(gè)DataFrame對(duì)象，數(shù)據(jù)為：{'城市':['北京','上海','天津','深圳'],'郵編':['010','021','022','073'],'氣溫':[18,22,19,30]}，為其加上行索引'c1','c2','c3','c4'。完成如下數(shù)據(jù)的選?。?1)輸出“氣溫”列；(2)用兩種方法輸出“上?！边@一行的數(shù)據(jù)；(3)輸出“深圳”的郵編；(4)輸出所有“氣溫”大于20度的城市的“城市名”和“郵編”。本章習(xí)題3. 讀取“simple_score.xlsx”文件，首先過(guò)濾其中的異常成績(jī)數(shù)據(jù)（小于0、大于100或?yàn)榭盏氖钱惓?shù)據(jù)），然后統(tǒng)計(jì)“成績(jī)”字段的描述性信息，除了默認(rèn)的均值、方差等以外，還需統(tǒng)計(jì)“總和”、“極差”、“變異系數(shù)”、“四分位數(shù)間距”，并輸出以上統(tǒng)計(jì)信息，輸出結(jié)果如下圖所示。本章習(xí)題4. 讀取“scores.xlsx”文件中sheet_name=0的數(shù)據(jù)，包括學(xué)生學(xué)號(hào)、姓名、性別、及三門(mén)課程的考試成績(jī)。輸出以下內(nèi)容：文件數(shù)據(jù)總行數(shù)，三門(mén)課程按性別分組后的平均分；增加一列“總分”，記錄每個(gè)同學(xué)三門(mén)課程分?jǐn)?shù)的總和，并輸出按總分降序排列結(jié)果中的前5行數(shù)據(jù)，輸出結(jié)果如下圖所示。本章習(xí)題5. 讀取小費(fèi)文件“tips.csv”,先用性別列sex和是否吸煙列smoker分別做行和列的分組鍵，制作透視表，觀察tip列和total_bill列的均值，再以星期列day和時(shí)間列time分別做行和列的分組鍵，觀察tip列和total_bill列的均值，輸出結(jié)果如下圖所示。本章習(xí)題第六章Pandas基礎(chǔ)與應(yīng)用謝謝！Python數(shù)據(jù)分析與數(shù)據(jù)挖掘第7章Matplotlib基礎(chǔ)及應(yīng)用主講人：***15-10月-23Python數(shù)據(jù)分析與數(shù)據(jù)挖掘目錄contentsMatplotlib簡(jiǎn)介0102Matplotlib基礎(chǔ)知識(shí)03Pyplot的使用04Pyplot中的常用圖形Matplotlib簡(jiǎn)介017.1.1

Matplotlib主要特性 Matplotlib是一個(gè)常用的Python繪圖庫(kù)，常與NumPy和Pandas一起結(jié)合使用，它以各種格式和跨平臺(tái)的交互環(huán)境生成可達(dá)到印刷質(zhì)量的圖形。Matplotlib可用于Python腳本、Python和IPythonshell、JupyterNotebook、Web應(yīng)用程序服務(wù)器和四個(gè)圖形用戶界面工具包。 Matplotlib具有良好的操作系統(tǒng)兼容性和圖形顯示底層接口兼容性，并支持幾十種圖形顯示接口與輸出格式，是Python中繪制二維、三維圖表的重要可視化工具。新版的Matplotlib可以輕松實(shí)現(xiàn)主流的繪圖風(fēng)格，其中加入了許多新的程序包，實(shí)現(xiàn)了更加簡(jiǎn)潔新穎的API，例如Seaborn、ggplot、HoloViews、Altair和Pandas對(duì)Matplotlib的API封裝的繪圖功能。其主要特點(diǎn)：使用簡(jiǎn)單繪圖語(yǔ)句實(shí)現(xiàn)復(fù)雜繪圖效果；以交互式操作實(shí)現(xiàn)漸趨精細(xì)的圖形效果；對(duì)圖表的組成元素實(shí)現(xiàn)精細(xì)化控制；使用嵌入式的LaTeX輸出具有印刷級(jí)別的圖表、科學(xué)表達(dá)式和符號(hào)文本。7.1.2Matplotlib安裝python-mpipinstall-Upippython-mpipinstall-Umatplotlib

對(duì)于Windows、MacOS和普通Linux平臺(tái)來(lái)說(shuō)，Anaconda、Canopy和ActiveState都是非常好的選擇。Winpython是Windows用戶的一個(gè)選項(xiàng)。這些發(fā)行版中已經(jīng)包含了matplotlib和許多其他有用的（數(shù)據(jù)）科學(xué)工具。其安裝語(yǔ)法如下：

使用時(shí)，只需將其導(dǎo)入即可：以plt作為Pyplot子模塊的縮寫(xiě)。importmatplotlibasmplimportmatplotlib.pyplotaspltMatplotlib基礎(chǔ)知識(shí)027.2.1導(dǎo)入Matplotlib

我們?cè)谧鲌D前，需要導(dǎo)入matplotlib和其中的模塊（如matplotlib.pyplot）。通常為了方便，設(shè)置一個(gè)常用的簡(jiǎn)寫(xiě)形式，本章例子中還需要導(dǎo)入NumPy和Pandas模塊。importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspd7.2.2Matplotlib圖形構(gòu)成

Matplotlib將數(shù)據(jù)繪制在圖形（Figure）上，圖形可以理解為包含其他所有繪圖元素的頂級(jí)容器，其中包含所有軸（Axes）、其他Artist和畫(huà)布（Canvas）。通常情況下，畫(huà)布（Canvas）是一個(gè)繪圖的對(duì)象，對(duì)用戶而言，該對(duì)象一般不可見(jiàn)。在圖形上看到的一切都是Artist，Artist有兩種類(lèi)型，即圖形元素（primitives）和容器（containers）。圖形元素是我們需要加入Canvas的元素，比如線條、矩形、文字等，而容器是放置這些元素的地方，例如Axis、Axes和Figure，其中Figure是頂層的Artist。1、圖形（Figure）[例7-1]使用figure()方法創(chuàng)建新圖形。

軸（Axes）是matplotlibAPI中重要的類(lèi)，這是因?yàn)檩S是大多數(shù)對(duì)象所在的繪圖區(qū)域。在創(chuàng)建Figure對(duì)象之后，在作圖前需要?jiǎng)?chuàng)建軸，軸是繪圖基準(zhǔn)，是圖像中帶數(shù)據(jù)空間的區(qū)域。如果將Figure理解為容器，即畫(huà)布的載體，則具體的繪圖操作是在畫(huà)紙上完成，畫(huà)紙可以理解為子圖Subplot或更加靈活的子圖--軸（Axes）。2、軸（Axes）7.2.2Matplotlib圖形構(gòu)成[例7-2]本例首先生成一個(gè)空白Figure，然后創(chuàng)建1行2列的子圖，返回子圖的軸對(duì)象ax1和ax2。在第1個(gè)子圖的軸對(duì)象ax1上添加軸線標(biāo)簽X-Axis和Y-Axis，并設(shè)置軸線的數(shù)據(jù)范圍：X為[0,5]，Y為[-2,2]。

軸線是類(lèi)似數(shù)字線的對(duì)象，是軸上的刻度。它們負(fù)責(zé)設(shè)置圖形范圍并生成記號(hào)（軸上的標(biāo)記）和記號(hào)標(biāo)簽（標(biāo)記記號(hào)的字符串）。一般情況下，圖中可以包含兩個(gè)或三個(gè)軸線對(duì)象（三維圖），它們負(fù)責(zé)處理數(shù)據(jù)范圍?？梢允褂胮lt.axis()或plt.xlim()等函數(shù)設(shè)置軸線范圍，plt.xlabel()或者plt.ylabel()等為軸線命名，同時(shí)也可利用tick的相關(guān)方法對(duì)軸上的刻度進(jìn)行修改。3、軸線（Axis）7.2.2Matplotlib圖形構(gòu)成[例7-3]設(shè)置軸線實(shí)例。圖Figure、Axes和Axis的關(guān)系

圖例是展現(xiàn)圖表中數(shù)據(jù)組列表并通過(guò)提供線索（線條樣式或顏色）來(lái)讓數(shù)據(jù)組更易于識(shí)別。圖例的設(shè)置與修改是通過(guò)調(diào)用legend()來(lái)實(shí)現(xiàn)。4、圖例(legend)5、標(biāo)題(title)

標(biāo)題是對(duì)整個(gè)圖標(biāo)的說(shuō)明，方便對(duì)整個(gè)圖表含義的理解，通過(guò)調(diào)用plt.title()方法來(lái)實(shí)現(xiàn)對(duì)title內(nèi)容的設(shè)置。6、網(wǎng)格(Grid)

有時(shí)需要在圖形中添加網(wǎng)格，網(wǎng)格線方便看到圖表中每個(gè)元素的精確值，而且也方便執(zhí)行單點(diǎn)之間的對(duì)比。但是網(wǎng)格也會(huì)增加噪聲，讓看到實(shí)際的數(shù)據(jù)流變得困難。一般情況下，默認(rèn)狀態(tài)下無(wú)網(wǎng)格線，可以通過(guò)調(diào)用grid()方法實(shí)現(xiàn)。7.2.2Matplotlib圖形構(gòu)成7、圖形主體內(nèi)容

圖形的主體內(nèi)容是一張圖的核心，對(duì)于二維圖表而言，圖形的主體內(nèi)容可以是點(diǎn)，也可以是線條等。對(duì)應(yīng)的方法分別是點(diǎn)（scatter、plot）、線（line、plot）等。7.2.2Matplotlib圖形構(gòu)成[例7-4]添加了網(wǎng)格、圖例的繪圖實(shí)例。 Matplotlib默認(rèn)狀態(tài)下無(wú)法顯示中文，在前面的許多例子中各種標(biāo)題及圖例都是使用的英文。若在作圖過(guò)程中，需要顯示中文，可通過(guò)下面兩種方法進(jìn)行操作。方法一：借助rcParams修改字體實(shí)現(xiàn)設(shè)置

其中，rcParams[‘font.family’]的種類(lèi)也可以設(shè)置多種。屬性說(shuō)明‘font.family’用于顯示字體的名字‘font.style’字體風(fēng)格，正常‘normal’或斜體‘italic’‘font.size’字體大小，整數(shù)字號(hào)或者‘large’、‘x‐small’rcParams的屬性7.2.3Matplotlib中設(shè)置中文中文字體種類(lèi) Matplotlib默認(rèn)狀態(tài)下無(wú)法顯示中文，在前面的許多例子中各種標(biāo)題及圖例都是使用的英文。若在作圖過(guò)程中，需要顯示中文，可通過(guò)下面兩種方法進(jìn)行操作。方法一：借助rcParams修改字體實(shí)現(xiàn)設(shè)置7.2.3Matplotlib中設(shè)置中文

可以用下列語(yǔ)句查看matplotlib中默認(rèn)已經(jīng)識(shí)別到的所有可用字體和對(duì)應(yīng)的文件名，其中部分輸出的為字體名稱(chēng)，font.fname部分輸出字體文件的路徑和文件名。importmatplotlib.pyplotaspltfrommatplotlibimportfont_managerforfontinfont_manager.fontManager.ttflist:#查看字體名以及對(duì)應(yīng)的字體文件名print(,'--',font.fname)輸出的“KaiTi--C:\Windows\Fonts\simkai.ttf”中，“KaiTi”為字體名，“C:\Windows\Fonts\simkai.ttf”為對(duì)應(yīng)的字體文件。則可以用如下語(yǔ)句來(lái)使用該字體，如下所示：plt.rcParams['font.family']='KaiTi'plt.text(0.5,0.5,'楷體',ha='center',fontsize=50) Matplotlib默認(rèn)狀態(tài)下無(wú)法顯示中文，在前面的許多例子中各種標(biāo)題及圖例都是使用的英文。若在作圖過(guò)程中，需要顯示中文，可通過(guò)下面兩種方法進(jìn)行操作。方法一：借助rcParams修改字體實(shí)現(xiàn)設(shè)置7.2.3Matplotlib中設(shè)置中文[例7-5]中文顯示方法一。 Matplotlib默認(rèn)狀態(tài)下無(wú)法顯示中文，在前面的許多例子中各種標(biāo)題及圖例都是使用的英文。若在作圖過(guò)程中，需要顯示中文，可通過(guò)下面兩種方法進(jìn)行操作。方法二：在有中文輸出的地方，增加一個(gè)fontproperties屬性。7.2.3Matplotlib中設(shè)置中文[例7-6]中文顯示方法二。Pyplot使用037.3.1plt.plot()的使用

在Matplotlib模塊中，Pyplot是一個(gè)核心的子模塊，通過(guò)該子模塊，我們可以完成很多基本的可視化操作。子模塊的導(dǎo)入如下：importmatplotlib.pyplotasplt

其中，以plt作為Pyplot子模塊的縮寫(xiě) Pyplot繪圖的主要功能是繪制x，y的坐標(biāo)圖，在完成繪圖后一般情況下是不會(huì)自動(dòng)顯示圖表的，需要調(diào)用plt.show()方法顯示。當(dāng)plt.plot()中只有一個(gè)輸入列表或者數(shù)組時(shí)，參數(shù)會(huì)被當(dāng)作Y坐標(biāo)數(shù)據(jù)，而X的坐標(biāo)列表自動(dòng)生成索引，默認(rèn)為[0,1,2,3，…]。1、基本使用使用plt.plot()繪制的主要是線圖，其語(yǔ)法格式為：plt.plot(x,y,

format_string,

**kwargs)其中：必要的參數(shù)是x坐標(biāo)列表和y坐標(biāo)列表。當(dāng)plt.plot(x,y)中用2個(gè)以上參數(shù)時(shí),則會(huì)按照x軸和y軸順序繪制數(shù)據(jù)點(diǎn)。7.3.1plt.plot()的使用[例7-7]plt.plot()繪制實(shí)例。plt.plot()還有數(shù)十個(gè)可選參數(shù)來(lái)設(shè)置繪圖特征，但常用的有幾個(gè)特征，分別是： color：設(shè)置線條顏色，默認(rèn)為藍(lán)色。 linewidthorlw：設(shè)置線條寬度，默認(rèn)為1.0。 linestyleorls：設(shè)置線條樣式，默認(rèn)為實(shí)線。 labels：設(shè)置圖形名稱(chēng)，一般搭配legend屬性使用。 marker：設(shè)置數(shù)據(jù)點(diǎn)的符號(hào)，默認(rèn)為點(diǎn)。字符顏色字符顏色‘b’藍(lán)色‘g’綠色‘r’紅色‘c’青色‘m’品紅色‘y’黃色‘k’黑色‘w’白色字符線條樣式‘-’實(shí)線‘--’虛線‘-.’點(diǎn)劃線‘：’點(diǎn)線字符標(biāo)記類(lèi)型字符標(biāo)記類(lèi)型‘?！c(diǎn)‘，’像素‘o’圓圈‘v’下三角1‘^’上三角1‘<’左三角1‘>’右三角1‘1’下三角2‘2’上三角2‘3’左三角2‘4’右三角2‘s’正方形‘p’五角形‘*’星號(hào)‘h’六邊形樣式1‘H’六邊形樣式2‘+’加號(hào)‘x’X‘D’鉆石‘d’薄鉆石‘|’垂直線‘_’水平線7.3.1plt.plot()的使用1、基本使用Matplotlib的顏色Matplotlib的線條樣式Matplotlib標(biāo)記1、基本使用—參數(shù)設(shè)置實(shí)例7.3.1plt.plot()的使用[例7-8]設(shè)置plot繪圖特征實(shí)例。2、添加內(nèi)容

圖表主體內(nèi)容設(shè)置結(jié)束后，還可以設(shè)置或添加文本內(nèi)容。具體的添加內(nèi)容與所調(diào)用的函數(shù)具體見(jiàn)表。函數(shù)名稱(chēng)函數(shù)作用plt.title()在當(dāng)前圖形中添加標(biāo)題，可以指定標(biāo)題的名稱(chēng)、位置、顏色、字體大小等參數(shù)。plt.xlabel()在當(dāng)前圖形中添加x軸名稱(chēng)，可以指定位置、顏色、字體大小等參數(shù)plt.ylabel()在當(dāng)前圖形中添加y軸名稱(chēng)，可以指定位置、顏色、字體大小等參數(shù)plt.xlim()指定當(dāng)前圖形x軸的范圍，只能確定一個(gè)數(shù)值區(qū)間，而無(wú)法使用字符串標(biāo)識(shí)。plt.ylim()指定當(dāng)前圖形y軸的范圍，只能確定一個(gè)數(shù)值區(qū)間，而無(wú)法使用字符串標(biāo)識(shí)。plt.xticks()指定x軸刻度的數(shù)目與取值。plt.yticks()指定y軸刻度的數(shù)目與取值。plt.legend()指定當(dāng)前圖形的圖例，可以指定圖例的大小、位置、標(biāo)簽7.3.1plt.plot()的使用常用添加畫(huà)布內(nèi)容的函數(shù)說(shuō)明2、添加內(nèi)容—實(shí)例7.3.1plt.plot()的使用[例7-9]設(shè)置plot繪圖文本。2、添加內(nèi)容—實(shí)例7.3.1plt.plot()的使用[例7-10]為圖形添加注釋。代碼中的plt.annotate()函數(shù)有多個(gè)參數(shù)plt.annotate(s,xy=arrow_crd,xytext=text_crd,arrowprops=dict)3、圖形的保存7.3.1plt.plot()的使用

圖形繪制完成后，可以使用plt.show()進(jìn)行顯示，也可以使用plt.savefig()將其保存，在該函數(shù)中可以設(shè)置保存路徑和文件名、圖片的分辨率、邊緣的顏色等參數(shù)。如果既要顯示又要保存，請(qǐng)注意要將plt.savefig()放在plt.show()之前。否則，在plt.show()后實(shí)際上已經(jīng)創(chuàng)建了一個(gè)新的空白的圖片，此時(shí)再用plt.savefig()就會(huì)保存這個(gè)生成的空白圖片。[例7-11]保存圖片。plt.savefig()函數(shù)中主要參數(shù)含義為：fname：含有文件路徑的字符串，拓展名指定文件類(lèi)型，如'png'、'pdf'、’svg'、'ps'、'jpg'等；dpi：分辨率，默認(rèn)100；facecolor：圖像的表面顏色，默認(rèn)為“auto”；bbox_inches：圖表需要保留的部分，如果設(shè)置為“tight”，則將嘗試剪除圖像周?chē)目瞻撞糠帧?.3.2子圖

在Matplotlib中，不僅可以在一張圖形中繪制多條曲線，還可以將一張圖分成多個(gè)子圖進(jìn)行繪制。plt的subplot()方法參數(shù)可以是一個(gè)三位數(shù)字，例如121，也可以是一個(gè)數(shù)組，如[1,2,1]。其中第一個(gè)數(shù)字代表子圖總行數(shù)，第二個(gè)數(shù)字代表子圖總列數(shù)，第三個(gè)數(shù)字表示對(duì)應(yīng)圖像顯示的繪圖區(qū)域數(shù)。【解釋說(shuō)明】：以plt.subplot(2,2,1)為例，它是指將繪圖區(qū)域分為2行2列4個(gè)區(qū)域，并在第一個(gè)區(qū)域內(nèi)作圖，其他同上。1. 使用matplotlib.pyplot.subplot()進(jìn)行設(shè)置子圖[例7-12]用plt的subplot()繪制子圖。

subplot()方法也可以設(shè)置不同大小的繪圖區(qū)域?！窘忉屨f(shuō)明】：對(duì)于第一圖而言，它是在2行1列的區(qū)域內(nèi)作圖，當(dāng)設(shè)置后續(xù)三張圖的位置時(shí)，從編號(hào)4開(kāi)始，暗示圖一占據(jù)3列的寬度。7.3.2子圖1. 使用matplotlib.pyplot.subplot()進(jìn)行設(shè)置子圖[例7-13]使用subplot()設(shè)置不同大小的繪圖區(qū)域。7.3.2子圖

實(shí)際使用中可能會(huì)面臨更復(fù)雜的繪圖分隔區(qū)域，subplot()方法就不能很好地滿足需要，此時(shí)需要借助subplot2grid()方法。語(yǔ)法如下： plt.subplot2grid(GridSpec，CurSpec，colspan=num1，rowspan=num2)2. 使用matplotlib.pyplot.subplot2grid()設(shè)置復(fù)雜的繪圖分隔區(qū)域【解釋說(shuō)明】：創(chuàng)建第1個(gè)小圖，(3，3)表示將整個(gè)圖像窗口分成3行3列，(0，0)表示從第0行第0列開(kāi)始作圖，colspan=3表示列的跨度為3，行的跨度為缺省,默認(rèn)跨度為1；創(chuàng)建第2個(gè)小圖，(3，3)表示將整個(gè)圖像窗口分成3行3列，(1，0)表示從第1行第0列開(kāi)始作圖，colspan=2表示列的跨度為2。后續(xù)子圖同理。注意：可以使用subplots_adjust()調(diào)整子圖間的間距。7.3.2子圖2. 使用matplotlib.pyplot.subplot2grid()設(shè)置復(fù)雜的繪圖分隔區(qū)域[例7-14]設(shè)置復(fù)雜的繪圖分隔區(qū)域。7.3.2子圖3. 使用matplotlib.pyplot.subplots()函數(shù)來(lái)設(shè)置子圖

subplots()函數(shù)，返回一個(gè)包含figure和axes對(duì)象的元組。因此，通常使用fig,ax=plt.subplots()將元組分解為fig和ax兩個(gè)變量。如果創(chuàng)建了多個(gè)子圖，則ax可以是一個(gè)Axes對(duì)象的數(shù)組。

例如，fig,ax=plt.subplots(m,n,figsize=(a,b))設(shè)置了m*n個(gè)大小為a*b的子圖，fig為圖像對(duì)象，ax為大小為m*n的axes數(shù)組。7.3.2子圖3. 使用matplotlib.pyplot.subplots()函數(shù)來(lái)設(shè)置子圖[例7-15]用subplots()函數(shù)設(shè)置子圖。7.3.2子圖4. 使用matplotlib.figure.Figure.add_subplot()來(lái)設(shè)置子圖

add_subplot()的參數(shù)與plt的subplot()類(lèi)似，可以是一個(gè)三位數(shù)字，例如121，也可以是一個(gè)數(shù)組，如[1,2,1]。其中第一個(gè)數(shù)字代表子圖總行數(shù)，第二個(gè)數(shù)字代表子圖總列數(shù)，第三個(gè)數(shù)字表示對(duì)應(yīng)圖像顯示的繪圖區(qū)域數(shù)。7.3.2子圖[例7-16]使用figure的add_subplot()設(shè)置子圖并標(biāo)號(hào)。4. 使用matplotlib.figure.Figure.add_subplot()來(lái)設(shè)置子圖7.3.2子圖[例7-17]使用figure的add_subplot()設(shè)置子圖。4. 使用matplotlib.figure.Figure.add_subplot()來(lái)設(shè)置子圖Pyplot中的常用圖形047.4Pyplot中的常用圖形

Matplotlib中提供了許多繪制圖形的函數(shù)，包括簡(jiǎn)單的基礎(chǔ)統(tǒng)計(jì)圖形，如直方圖、氣泡圖、箱線圖等，也有一些高維度的立體圖形，如3D圖等。下表給出Pyplot常用的基礎(chǔ)圖像繪制函數(shù)。函數(shù)說(shuō)明Plt.plot(x,y,fmt,…)繪制作表態(tài)Plt.boxplot(data,notch,position)繪制箱型圖Plt.bar(left,height,width,bottom)繪制條形圖Plt.barh(width,bottom,left,height)繪制一個(gè)橫向條形圖Plt.polar(theta,r)繪制極坐標(biāo)圖Plt.pie(data,explode)繪制餅圖Plt.psd(x,NFFT=256,pad_to,Fs)繪制功率譜密度圖Plt.specgarm(x,NFFT=256,pad_to,Fs)繪制譜圖Plt.cohere(x,y,NFFT=256,Fs)繪制X-Y的相關(guān)性圖Plt.scatter(x,y)繪制散點(diǎn)圖，其中x和y長(zhǎng)度相同Plt.step(x,y,where)繪制步階圖Plt.hist(x,bins,normed)繪制直方圖Plt.contour(X,Y,Z,N)繪制等制圖Plt.vlines()繪制垂直圖Plt.stem(x,y,linefmt,markerfmt)繪制柴火圖Plt.plot_date()繪制數(shù)據(jù)日期7.4.1散點(diǎn)圖

散點(diǎn)圖的繪制依賴(lài)plt.scatter()函數(shù)，該函數(shù)包含很多參數(shù)，具體如下：S：點(diǎn)的大小C：點(diǎn)的顏色，取值可以為[‘b’,‘c’,‘g’,‘k’,‘m’,‘r’,‘w’,‘y’]Alpha：點(diǎn)的透明度，取值為0-1Marker：點(diǎn)的形狀，默認(rèn)狀態(tài)下為“o”，常見(jiàn)的還有[‘v’,‘>’,‘<’,‘*’,‘s’,‘p’,‘h’,‘x’,‘+’]。[例7-18]不設(shè)置參數(shù)繪制散點(diǎn)圖。1、不設(shè)置任何參數(shù)時(shí)調(diào)用7.4.1散點(diǎn)圖[例7-19]設(shè)置部分參數(shù)繪制散點(diǎn)圖。2、設(shè)置部分的參數(shù)，優(yōu)化圖表7.4.1散點(diǎn)圖7.4.2柱狀圖

柱狀圖主要用于查看各分組數(shù)據(jù)的數(shù)量分布，以及各個(gè)分組數(shù)據(jù)之間的數(shù)量比較。

柱狀圖的繪制使用：

plt.bar(x,height,width,bottom=None,*,align='center',data=None,**kwargs)7.4.2柱狀圖[例7-20]繪制簡(jiǎn)單柱狀圖。如果把例子中的plt.bar()改為plt.barh()，其他參數(shù)不變，即可以繪制如右圖的水平柱狀圖。7.4.2柱狀圖[例7-21]柱狀圖頂部添加數(shù)據(jù)說(shuō)明。本例中在柱狀圖頂部添加上具體的數(shù)據(jù)說(shuō)明。7.4.3直方圖

直方圖的繪制依賴(lài)plt.hist(x,bins=bins,color=”b”,histtype=’bar’,label=’label’,rwidth=rwidth)函數(shù)，具體各參數(shù)說(shuō)明如下： x：連續(xù)型數(shù)據(jù)的輸入值bins：用于確定柱體的個(gè)數(shù)或是柱體邊緣范圍color：柱體的顏色histtype：柱體類(lèi)型label：圖例內(nèi)容rwidth：柱體寬度[例7-22]繪制簡(jiǎn)單直方圖。7.4.3直方圖[例7-23]繪制堆積直方圖。當(dāng)參數(shù)stacked設(shè)置為False時(shí)，也是默認(rèn)狀態(tài)，則繪制并排放置的直方圖。7.4.4餅圖

餅圖的繪制依賴(lài)plt.pie(size，explode，labels，autopct，startangle，shadow，color)函數(shù)，具體各參數(shù)說(shuō)明如下：size：各部分的百分比；explode：餅片邊緣偏離半徑的百分比，凸出率；labels：每部分餅片的文本標(biāo)簽；autopct：每部分餅片對(duì)應(yīng)數(shù)值的百分比樣式；startangle：第一個(gè)餅片逆時(shí)針旋