dev_xulongjin
b4ef64314b
- 新增 aqi.csv 文件，包含 2020 年 1 月 1 日至 9 月 27 日的空气质量数据- 数据包括日期、AQI、质量等级以及 PM2.5、PM10、SO2、CO、NO2、O3等污染物含量
366 lines
9.2 KiB
Python
Executable File
366 lines
9.2 KiB
Python
Executable File
# 代码5-13
|
||
# 导库
|
||
from matplotlib import pyplot as plt
|
||
import pandas as pd
|
||
import seaborn as sns
|
||
import warnings
|
||
# 忽略所有警告
|
||
warnings.filterwarnings("ignore")
|
||
# 设置中文字体
|
||
plt.rcParams['font.sans-serif'] = ['SimHei']
|
||
sns.set_style({'font.sans-serif':['simhei', 'Arial']})
|
||
|
||
# 加载数据
|
||
hr = pd.read_csv('../data/hr.csv', encoding='gbk')
|
||
|
||
data = hr.head(100)
|
||
# 使用Matplotlib库绘图
|
||
color_map = dict(zip(data['薪资'].unique(), ['b', 'y', 'r']))
|
||
for species, group in data.groupby('薪资'):
|
||
plt.scatter(group['每月平均工作小时数（小时）'],
|
||
group['满意度'],
|
||
color=color_map[species], alpha=0.4,
|
||
edgecolors=None, label=species)
|
||
plt.legend(frameon=True, title='薪资')
|
||
plt.xlabel('平均每个月工作时长（小时）')
|
||
plt.ylabel('满意度水平')
|
||
plt.title('满意度水平与平均每个月工作小时')
|
||
plt.show()
|
||
|
||
# 使用seaborn库绘图
|
||
sns.lmplot('每月平均工作小时数（小时）', '满意度', data, hue='薪资', fit_reg=False, height=4)
|
||
plt.xlabel('平均每个月工作时长（小时）')
|
||
plt.ylabel('满意度水平')
|
||
plt.title('满意度水平与平均每个月工作小时')
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-14
|
||
import numpy as np
|
||
plt.rcParams['axes.unicode_minus'] = False
|
||
x = np.arange(1, 10, 2)
|
||
y1 = x + 1
|
||
y2 = x + 3
|
||
y3 = x + 5
|
||
# 绘制3条不同的直线
|
||
# 使用Matplotlib库绘图
|
||
plt.title('Matplotlib库的绘图风格')
|
||
plt.plot(x, y1)
|
||
plt.plot(x, y2)
|
||
plt.plot(x, y3)
|
||
plt.show()
|
||
|
||
# 使用seaborn库绘图
|
||
# 第1部分
|
||
sns.set_style('darkgrid') # 全黑风格
|
||
sns.set_style({'font.sans-serif':['simhei', 'Arial']})
|
||
plt.title('seaborn库的绘图风格')
|
||
# 第2部分
|
||
sns.lineplot(x, y1)
|
||
sns.lineplot(x, y2)
|
||
sns.lineplot(x, y3)
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-15
|
||
x = np.arange(1, 10, 2)
|
||
y1 = x + 1
|
||
y2 = x + 3
|
||
y3 = x + 5
|
||
def showLine(flip=1):
|
||
sns.lineplot(x, y1)
|
||
sns.lineplot(x, y2)
|
||
sns.lineplot(x, y3)
|
||
pic = plt.figure(figsize=(12, 8))
|
||
with sns.axes_style('darkgrid'): # 使用darkgrid主题
|
||
pic.add_subplot(2, 3, 1)
|
||
showLine()
|
||
plt.title('darkgrid')
|
||
with sns.axes_style('whitegrid'): # 使用whitegrid主题
|
||
pic.add_subplot(2, 3, 2)
|
||
showLine()
|
||
plt.title('whitegrid')
|
||
with sns.axes_style('dark'): # 使用dark主题
|
||
pic.add_subplot(2, 3, 3)
|
||
showLine()
|
||
plt.title('dark')
|
||
with sns.axes_style('white'): # 使用white主题
|
||
pic.add_subplot(2, 3, 4)
|
||
showLine()
|
||
plt.title('white')
|
||
with sns.axes_style('ticks'): # 使用ticks主题
|
||
pic.add_subplot(2, 3, 5)
|
||
showLine()
|
||
plt.title('ticks')
|
||
sns.set_style(style='darkgrid', rc={'font.sans-serif': ['MicrosoftYaHei', 'SimHei'],
|
||
'grid.color': 'black'}) # 修改主题中参数
|
||
pic.add_subplot(2, 3, 6)
|
||
showLine()
|
||
plt.title('修改参数')
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-16
|
||
sns.set()
|
||
x = np.arange(1, 10, 2)
|
||
y1 = x + 1
|
||
y2 = x + 3
|
||
y3 = x + 5
|
||
def showLine(flip=1):
|
||
sns.lineplot(x, y1)
|
||
sns.lineplot(x, y2)
|
||
sns.lineplot(x, y3)
|
||
# 恢复默认参数
|
||
pic = plt.figure(figsize=(8, 8), dpi=100)
|
||
with sns.plotting_context('paper'): # 选择paper类型
|
||
pic.add_subplot(2, 2, 1)
|
||
showLine()
|
||
plt.title('paper')
|
||
with sns.plotting_context('notebook'): # 选择notebook类型
|
||
pic.add_subplot(2, 2, 2)
|
||
showLine()
|
||
plt.title('notebook')
|
||
with sns.plotting_context('talk'): # 选择talk类型
|
||
pic.add_subplot(2, 2, 3)
|
||
showLine()
|
||
plt.title('talk')
|
||
with sns.plotting_context('poster'): # 选择poster类型
|
||
pic.add_subplot(2, 2, 4)
|
||
showLine()
|
||
plt.title('poster')
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-17
|
||
with sns.axes_style('white'):
|
||
showLine()
|
||
sns.despine() # 默认无参数状态，就是删除上方和右方的边框
|
||
plt.title('控制图形边框')
|
||
plt.show()
|
||
|
||
|
||
with sns.axes_style('white'):
|
||
data = np.random.normal(size=(20, 6)) + np.arange(6) / 2
|
||
sns.boxplot(data=data)
|
||
sns.despine(offset=10, left=False, bottom=False)
|
||
plt.title('控制图形边框')
|
||
plt.show()
|
||
|
||
|
||
|
||
|
||
# 代码5-18
|
||
sns.palplot(sns.color_palette())
|
||
|
||
|
||
|
||
# 代码5-19
|
||
palette = sns.color_palette('muted')
|
||
sns.palplot(palette)
|
||
|
||
|
||
|
||
# 代码5-20
|
||
sns.palplot(sns.color_palette('hls', 8))
|
||
|
||
|
||
|
||
# 代码5-21
|
||
sns.palplot(sns.hls_palette(8, l=.3, s=.8)) # l控制亮度，s控制饱和度
|
||
|
||
|
||
#代码5-22
|
||
sns.palplot(sns.color_palette('husl', 8))
|
||
|
||
|
||
|
||
# 代码5-23
|
||
plt.plot(x, y1, sns.xkcd_rgb['pale red'], lw=3)
|
||
plt.plot(x, y2, sns.xkcd_rgb['medium green'], lw=3)
|
||
plt.plot(x, y3, sns.xkcd_rgb['denim blue'], lw=3)
|
||
plt.title('线条颜色示例')
|
||
plt.show()
|
||
|
||
# 自定义定性调色板
|
||
colors = ['windows blue', 'amber', 'greyish', 'faded green', 'dusty purple']
|
||
sns.palplot(sns.xkcd_palette(colors))
|
||
|
||
|
||
|
||
# 代码5-24
|
||
sns.palplot(sns.color_palette('Greens'))
|
||
sns.palplot(sns.color_palette('YlOrRd_r'))
|
||
sns.palplot(sns.color_palette('YlOrRd_d'))
|
||
|
||
|
||
|
||
# 代码5-25
|
||
sns.palplot(sns.cubehelix_palette(8, start=1, rot=0))
|
||
|
||
x, y = np.random.multivariate_normal([0, 0], [[1, -.5], [-.5, 1]], size=300).T
|
||
cmap = sns.cubehelix_palette(as_cmap=True) # 生产调色板对象
|
||
sns.kdeplot(x, y, cmap=cmap, shade=True)
|
||
plt.title('连续调色板')
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-26
|
||
sns.palplot(sns.light_palette('blue'))
|
||
sns.palplot(sns.dark_palette('yellow'))
|
||
# 使用husl颜色空间作为种子
|
||
pal = sns.dark_palette((200, 80, 60), input='husl', reverse=True, as_cmap=True)
|
||
sns.kdeplot(x, y, cmap=pal)
|
||
plt.title('自定义连续调色板')
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-27
|
||
sns.palplot(sns.color_palette('BrBG', 7))
|
||
sns.palplot(sns.color_palette('RdBu_r', 7))
|
||
|
||
|
||
|
||
# 代码5-28
|
||
sns.palplot(sns.color_palette('coolwarm', 7))
|
||
|
||
|
||
|
||
# 代码5-29
|
||
sns.palplot(sns.diverging_palette(240, 10, n=7))
|
||
sns.palplot(sns.diverging_palette(150, 275, s=80, l=55, n=7))
|
||
# 创建中间是暗色的调色板
|
||
sns.palplot(sns.diverging_palette(250, 15, s=75, l=40, n=7, center='dark'))
|
||
# 通过sep参数控制中间区域渐变宽度
|
||
sns.palplot(sns.diverging_palette(150, 275, s=80, l=55, n=7, sep=80))
|
||
|
||
|
||
|
||
# 代码5-30
|
||
x = np.arange(1, 10, 2)
|
||
y1 = x + 1
|
||
y2 = x + 3
|
||
y3 = x + 5
|
||
def showLine(flip=1):
|
||
sns.lineplot(x, y1)
|
||
sns.lineplot(x, y2)
|
||
sns.lineplot(x, y3)
|
||
# 使用默认调色板
|
||
showLine()
|
||
plt.title('默认调色板')
|
||
plt.show()
|
||
|
||
# sns.set_palette函数设置调色板
|
||
sns.set_palette('YlOrRd_d')
|
||
showLine()
|
||
plt.title('使用set_palette设置调色板')
|
||
plt.show()
|
||
|
||
sns.set() # 恢复所有默认设置
|
||
plt.rcParams['font.sans-serif'] = ['SimHei']
|
||
plt.rcParams['axes.unicode_minus'] = False
|
||
pic = plt.figure(figsize=(8, 4))
|
||
with sns.color_palette('PuBuGn_d'): # 临时配置调色板
|
||
pic.add_subplot(1, 2, 1)
|
||
showLine()
|
||
plt.title('使用color_palette设置调色板')
|
||
pic.add_subplot(1, 2, 2) # 使用默认调色板
|
||
showLine()
|
||
plt.title('默认调色板')
|
||
plt.show()
|
||
|
||
|
||
# 代码5-31
|
||
boston = pd.read_csv('../data/boston_house_prices.csv', encoding='gbk')
|
||
plt.rcParams['axes.unicode_minus'] = False
|
||
corr = boston.corr() # 特征的相关系数矩阵
|
||
sns.heatmap(corr)
|
||
plt.title('特征矩阵热力图')
|
||
plt.show()
|
||
|
||
|
||
# 代码5-32
|
||
plt.figure(figsize=(10, 10))
|
||
sns.heatmap(corr, annot=True, fmt='.2f')
|
||
plt.title('特征矩阵热力图')
|
||
plt.show()
|
||
|
||
|
||
# 代码5-33
|
||
# 提取部门为销售部、离职为1的数据
|
||
sale = hr.iloc[(hr['部门'].values=='销售部') & (hr['离职'].values==1), :]
|
||
sns.stripplot(x=sale['每月平均工作小时数（小时）'])
|
||
plt.title('简单水平分布散点图')
|
||
plt.show()
|
||
|
||
|
||
# 代码5-34
|
||
# 提取离职为1的数据
|
||
hr1 = hr.iloc[hr['离职'].values==1, :]
|
||
plt.figure(figsize=(10, 5))
|
||
plt.subplot(121)
|
||
plt.xticks(rotation=70)
|
||
sns.stripplot(x='部门', y='每月平均工作小时数（小时）', data=hr1) # 默认添加随机噪声
|
||
plt.title('默认随机噪声抖动')
|
||
plt.subplot(122)
|
||
plt.xticks(rotation=70)
|
||
sns.stripplot(x='部门', y='每月平均工作小时数（小时）',
|
||
data=hr1, jitter=False) # 不添加随机噪声
|
||
plt.title('无随机噪声抖动')
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-35
|
||
# 提取高薪在职的数据
|
||
hr2 = hr.iloc[(hr['薪资'].values=='高') & (hr['离职'].values==0), :]
|
||
sns.stripplot(x='5年内升职', y='每月平均工作小时数（小时）',
|
||
hue='部门', data=hr2, jitter=True)
|
||
plt.title('前5年是否晋升与平均每月工作时长')
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-36
|
||
plt.figure(figsize=(10, 13))
|
||
plt.subplot(211)
|
||
plt.xticks(rotation=70)
|
||
plt.title('不同部门的平均每月工作时长')
|
||
sns.stripplot(x='部门', y='每月平均工作小时数（小时）', hue='5年内升职', data=hr2)
|
||
plt.subplot(212)
|
||
plt.xticks(rotation=70)
|
||
sns.stripplot(x='部门', y='每月平均工作小时数（小时）', hue='5年内升职',
|
||
data=hr2, dodge=True)
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-37
|
||
sns.swarmplot(x='部门', y='每月平均工作小时数（小时）', data=hr2)
|
||
plt.xticks(rotation=70)
|
||
plt.title('不同部门的平均每月工作时长')
|
||
plt.show()
|
||
|
||
|
||
|
||
# 代码5-38
|
||
sns.swarmplot(x='部门', y='每月平均工作小时数（小时）',
|
||
hue='5年内升职', data=hr2)
|
||
plt.xticks(rotation=30)
|
||
plt.title('不同部门的平均每月工作时长')
|
||
plt.show()
|
||
|
||
|
||
# 代码5-39
|
||
fig, axes = plt.subplots(1, 2, figsize=(8, 4))
|
||
axes[0].set_title('修改前的线性回归拟合图')
|
||
axes[1].set_title('修改后的线性回归拟合图')
|
||
sns.regplot(x='房间数（间）', y='房屋价格（美元）', data=boston, ax=axes[0])
|
||
sns.regplot(x='房间数（间）', y='房屋价格（美元）', data=boston, ci=50, ax=axes[1])
|
||
plt.show()
|