analytics and visualization sense
Descriptive analytics: analyse and derive insights from past data. |
Predictive analytics: study trends and predict what will happen in the future. |
Prescriptive analytics: analyzed the data, predict what might happen and provides insights into what steps should be taken based on the available data and what the impact of these decisions would be |
right data: 百分比数据，各部分数字总和得等与100% |
right chart：使用正确的图表刻画数据，比如饼状图->柱状图 |
right label：如果不使用label就无法展示信息 |
right axis：一个维度能反映的区别不要用两个维度来做 |
不要用3D图装逼 |
一些小设置
%matplotlib inline。内嵌绘图，并且可以省略掉plt.show()这一步 |
import matplotlib.pyplot as plt |
使用既定画图风格：matplotlib.style.available; plt.style.use("") |
自定义喜欢的风格：matplotlib.rcParams; matplotlib.rcParams["key"]=xxx来设置参数 |
画图函数
plt.figure(figsize=(8,6))。设置一个canvas画板 |
fig=plt.figure()。创建画布 |
plt.annotate("text", xy, xytext, arrowprops)；xy=(x,y)，坐标根据data的值设置，xytext，arrowprops设置箭头，如{facecolor="black",shrink=0.05} |
df.plot(kind=“TypeOfPlot”, x=“x axis name”, y = “y axis name”, color=“color for points/lines”, title=“title”, legend=True/False) |
kind=“bar”/"scatter"/“hist”/"box"/"density"/"area"/"pie" |
x=x轴的colname，y=y轴的colname |
plt.plot(x_data,y_data, label, color, marker, markerfacecolor, linestyle, linewidth)。x_data/y_data可以是list，也可以是pandas series；markerfacecolor是marker里面的填充颜色 |
plt.xlabel();plt.title()；plt.xlim(,)；plt.ylim(,); plt.grid(True, linewidth, color, linestyle); plt.xticks()刻度线 |
plt.legend(loc, title, title_fontsize)。loc是图例位置，有upper left…；title是图例的标题；title_fontsize是标题大小 |
plt.axhline(y, c, ls,lw)。绘制水平参考线，y=竖坐标，c=color，ls=line style，lw=线宽 |
如果不创建subplot，plt.plot()/bar()/…函数会不停地在一张图里画 |
plt.savefig(path, dpi, facecolor)。facecolor是图表外图片底色， |
1D plotting（就一列data还硬画）
df["colname"].plot(kind) |
plt.plot([1000,2000,3000,4000])。跟上面不一样，一个是df调用，一个是plt调用 |
|
|
Hexagonal bin（散点太密集时用它）
数据sample：df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"]) df["b"] = df["b"] + np.arange(1000) |
df.plot.hexbin(x="a", y="b", gridsize=25, C, reduce_C_function) |
gridsize：控制了x轴方向上的六边形大小，默认值100。更大的size意味着更小更多的bins |
每个六边形会计算范围内的散点，因此涉及到【计算什么值】和【怎么计算值】。C：每个（x,y）被用于计算的value；reduce_C_function：聚合后计算的方法，有mean, max, sum, std |
模型情况，hexbin仅count周围散点的数量 |
Bar plot
有label非时间series->单列柱图：df.iloc[5].plot.bar() |
dataframe->多列柱图（垂直）：df.plot.bar(stacked)。stacked=True/False |
dataframe->多列柱图（水平）：df2.plot.barh(stacked) |
plt.bar(参数跟之前的同理, width, align)；width控制桌子的宽度；align控制柱子对其的位置，有edge/center |
在一个figure中连续调用bar函数，需要用x轴坐标+width来控制柱子的位置错开 |
Pie
数据sample：series = pd.Series(3 * np.random.rand(4), index=["a", "b", "c", "d"], name="series") |
series.plot.pie(figsize=(6, 6),legends, colors, autopct="%.2f", fontsize) |
饼状图适合方形：因此使用figsize或ax.set_aspect('equal') |
单图：y参数指定一列 |
多图：subplots=True |
legends：True/False决定要不要；None决定有没有文字；["AA", "BB", "CC", "DD"] |
colors=["r", "g", "b", "c"]；autopct控制显示的数值格式 |
如果数据的和不足1，他们会被rescale |
plt.pie(data, labels, explode, autopct, wedgeprops)。这个函数跟pandas的区别是总和不足1时不会自动rescale |
explode参数长度跟data，label一样，控制每个部分外移的距离；autopct决定label的显示格式”2.1f“；wedgeprops能让饼图变成环图，如{width: 0.3}，width设1即为饼图 |
2D plotting（终于正常一点）
df.plot(kind,x,y,color) |
plt.plot([1,2,3,4], [1000,2000,3000,4000], color, marker, linestyle)。marker是点的颜色，linestyle是线的风格 |
sns.countplot(df,x="Creditability") |
sns.catplot(df,x='Creditability',y="Credit Amount",kind="violin") |
|
|
Box
df.plot.box(column=["Col1", "Col2"], color=color, sym="r+", vert=False, positions=[1, 4, 5, 6, 8], by="X")。sym参数决定异常点形状，vertical=False让箱线图横过来，positions自定义箱线图距离 |
color = {"boxes": "DarkGreen", "whiskers": "DarkOrange", "medians": "DarkBlue", "caps": "Gray", } |
by=["X","Y"]是指根据df的“X”这一列group，然后分组绘制箱线图。每一个箱线图是一个group内每个列的箱线图 |
也可以先分组再画分组箱线图：df_box.groupby("g").boxplot() |
sns.boxplot(data=df["Credit Amount"]) |
Area
数据sample：df = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"]) |
df.plot.area(stacked) |
histogram
df.plot.hist(stacked, bins, alpha, orientation="horizontal", cumulative=True) |
alpha是颜色透明度，bins是分桶数量，orientation决定了是横着的还是竖着的直方图，cumulative=True意味着不断累积，最后一个柱子的长度是1 |
df.hist(figsize=(50,50))也可以画 |
plt.hist(y_data, bin_data, label) |
Scatter
数据sample：df = pd.DataFrame(np.random.rand(50, 4), columns=["a", "b", "c", "d"]) df["species"] = pd.Categorical( ["setosa"] 20 + ["versicolor"] 20 + ["virginica"] * 10 ) |
df.plot.scatter(x="a", y="b", color, label, c) |
c=“colname”，这个col会被用于cmap，决定每个散点的颜色。如果是类别变量则cmap会是个分段映射 |
s=size。控制每个散点的大小 |
画两组散点在同一个图：ax = df.plot.scatter(x="a", y="b", color="DarkBlue", label="Group 1") df.plot.scatter(x="c", y="d", color="DarkGreen", label="Group 2", ax=ax); |
plt.scatter(days, y_views, label, 其他的同理)； |
3D plotting
df.plot.scatter(x,y,s=df["colname"]) |
s=第三维度，如scatter图里是散点的大小 |
sns.heatmap(df.corr()) |
|
