基于教材的多元数据可视化¶

这里列举的是教材第三章中的示例内容，是基于Pandas的直接可视化操作，并未涉及到专门的可视化工具包。这里的示例是在Pandas包之上就可以实现，但其中部分设置隐含了Matplotlib的内容。

3.1 多元数据可视化准备¶

3.1.1 多元数据的收集方式¶

3.1.2 多元数据的读取方法¶

In [5]:

import pandas as pd
pd.set_option('display.max_rows',8)         #显示最大行数
print(pd.read_excel('mvsData.xlsx','d31'))  #读Excel数据表
#pd.read_excel('mvsData.xlsx')

import pandas as pd pd.set_option('display.max_rows',8) #显示最大行数 print(pd.read_excel('mvsData.xlsx','d31')) #读Excel数据表 #pd.read_excel('mvsData.xlsx')

    地区      食品      衣着      设备      医疗      交通      教育       居住      杂项
0   北京  8488.5  2229.5  2387.3  3739.7  4979.0  4310.9  15751.4  1151.9
1   天津  8983.7  1999.5  1956.7  2991.9  4236.4  3584.4   6946.1  1154.9
2   河北  4675.7  1304.8  1170.4  1699.0  2415.7  1984.1   4301.6   435.8
3   山西  3997.2  1289.9   910.7  1820.7  1979.7  2136.2   3331.6   396.5
..  ..     ...     ...     ...     ...     ...     ...      ...     ...
27  甘肃  4574.0  1125.3   945.3  1619.3  1972.7  1843.5   3440.4   358.6
28  青海  5130.9  1359.8   953.2  1995.6  2587.6  1731.8   3304.0   481.8
29  宁夏  4605.2  1476.6  1144.5  1929.3  3018.1  2352.4   3245.1   525.5
30  新疆  5042.7  1472.1  1159.5  1725.4  2408.1  1876.1   3270.9   441.7

[31 rows x 9 columns]

如果将代码直接拷贝，会因为数据没有本地存储，出现异常。因此，当你试图在本地实现代码内容，可以使用下面代码：

In [ ]:

path = 'https://www.getwage.xyz/courses/multi_variance/visual/mvsData.xlsx' 
pd.read_excel(path,'d31') #从网络读取Excel数据表

path = 'https://www.getwage.xyz/courses/multi_variance/visual/mvsData.xlsx' pd.read_excel(path,'d31') #从网络读取Excel数据表

In [ ]:

d31=pd.read_excel('mvsData.xlsx','d31',index_col=0) #将第一列设置为索引标记
print(d31)  #将第一列设置为行标记

d31=pd.read_excel('mvsData.xlsx','d31',index_col=0) #将第一列设置为索引标记 print(d31) #将第一列设置为行标记

        食品      衣着      设备      医疗      交通      教育       居住      杂项
地区                                                                 
北京  8488.5  2229.5  2387.3  3739.7  4979.0  4310.9  15751.4  1151.9
天津  8983.7  1999.5  1956.7  2991.9  4236.4  3584.4   6946.1  1154.9
河北  4675.7  1304.8  1170.4  1699.0  2415.7  1984.1   4301.6   435.8
山西  3997.2  1289.9   910.7  1820.7  1979.7  2136.2   3331.6   396.5
..     ...     ...     ...     ...     ...     ...      ...     ...
甘肃  4574.0  1125.3   945.3  1619.3  1972.7  1843.5   3440.4   358.6
青海  5130.9  1359.8   953.2  1995.6  2587.6  1731.8   3304.0   481.8
宁夏  4605.2  1476.6  1144.5  1929.3  3018.1  2352.4   3245.1   525.5
新疆  5042.7  1472.1  1159.5  1725.4  2408.1  1876.1   3270.9   441.7

[31 rows x 8 columns]

In [9]:

#dat=pd.read_clipboard(index_col=0);dat  #读取粘贴板数据

#dat=pd.read_clipboard(index_col=0);dat #读取粘贴板数据

3.1.3 多元统计量与绘图函数¶

1. 多元数据基本统计量

In [13]:

d31.mean()   #均值向量

d31.mean() #均值向量

Out[13]:

食品    6021.254839
衣着    1379.064516
设备    1255.632258
医疗    1932.835484
交通    2867.716129
教育    2492.990323
居住    5059.958065
杂项     551.874194
dtype: float64

In [15]:

pd.set_option('display.precision',4)       #设置pandas输出精度
pd.set_option('display.width', 160)        #设置pandas输出宽度
print(d31.cov())  #协方差矩阵

pd.set_option('display.precision',4) #设置pandas输出精度 pd.set_option('display.width', 160) #设置pandas输出宽度 print(d31.cov()) #协方差矩阵

            食品           衣着          设备          医疗          交通          教育          居住           杂项
食品  3.1859e+06  349943.7493  5.4983e+05  5.8170e+05  1.3828e+06  1.2776e+06  4.5541e+06  381181.6715
衣着  3.4994e+05  129237.3604  1.0527e+05  1.6506e+05  2.3643e+05  2.0552e+05  7.5072e+05   77244.9784
设备  5.4983e+05  105269.4482  1.4240e+05  1.7800e+05  3.0353e+05  2.8308e+05  1.0552e+06   85398.4345
医疗  5.8170e+05  165058.6870  1.7800e+05  3.7119e+05  3.9708e+05  4.3441e+05  1.3833e+06  128981.0263
交通  1.3828e+06  236432.7339  3.0353e+05  3.9708e+05  7.8831e+05  6.9771e+05  2.4886e+06  210725.2624
教育  1.2776e+06  205515.3553  2.8308e+05  4.3441e+05  6.9771e+05  7.6951e+05  2.4373e+06  200446.6811
居住  4.5541e+06  750724.0011  1.0552e+06  1.3833e+06  2.4886e+06  2.4373e+06  9.7783e+06  700751.2685
杂项  3.8118e+05   77244.9784  8.5398e+04  1.2898e+05  2.1073e+05  2.0045e+05  7.0075e+05   66632.3326

In [17]:

d31.corr() #相关系数矩阵

d31.corr() #相关系数矩阵

Out[17]:

	食品	衣着	设备	医疗	交通	教育	居住	杂项
食品	1.0000	0.5454	0.8163	0.5349	0.8726	0.8159	0.8159	0.8273
衣着	0.5454	1.0000	0.7760	0.7536	0.7407	0.6517	0.6678	0.8324
设备	0.8163	0.7760	1.0000	0.7742	0.9059	0.8552	0.8942	0.8767
医疗	0.5349	0.7536	0.7742	1.0000	0.7341	0.8128	0.7261	0.8201
交通	0.8726	0.7407	0.9059	0.7341	1.0000	0.8958	0.8964	0.9194
教育	0.8159	0.6517	0.8552	0.8128	0.8958	1.0000	0.8885	0.8852
居住	0.8159	0.6678	0.8942	0.7261	0.8964	0.8885	1.0000	0.8681
杂项	0.8273	0.8324	0.8767	0.8201	0.9194	0.8852	0.8681	1.0000

3.2 条图或柱图¶

3.2.1 原始数据的条图¶

In [21]:

import matplotlib.pyplot as plt              #加载基本绘图包
plt.rcParams['font.sans-serif']=['SimHei'];  #设置中文字体为黑体

import matplotlib.pyplot as plt #加载基本绘图包 plt.rcParams['font.sans-serif']=['SimHei']; #设置中文字体为黑体

In [27]:

d31.plot()

d31.plot()

Out[27]:

<Axes: xlabel='地区'>

In [29]:

d31['食品'].plot(kind='bar',figsize=(10,5));

d31['食品'].plot(kind='bar',figsize=(10,5));

In [31]:

d31.plot(kind='bar',figsize=(10,5));

d31.plot(kind='bar',figsize=(10,5));

In [33]:

d31.plot(kind='bar',subplots=True,figsize=(10,15));

d31.plot(kind='bar',subplots=True,figsize=(10,15));

In [34]:

d31.plot(kind='barh',subplots=True,layout=(3,3),figsize=(12,18),xlabel='',legend=False);

d31.plot(kind='barh',subplots=True,layout=(3,3),figsize=(12,18),xlabel='',legend=False);

In [36]:

d31.loc[['北京']].plot(kind='bar',xlabel='');

d31.loc[['北京']].plot(kind='bar',xlabel='');

In [38]:

d31.loc[['北京','上海','广东']].plot(kind='bar');

d31.loc[['北京','上海','广东']].plot(kind='bar');

3.2.2 统计量的条图¶

In [42]:

print(d31.mean())
d31.mean().plot(kind='barh');

print(d31.mean()) d31.mean().plot(kind='barh');

食品    6021.2548
衣着    1379.0645
设备    1255.6323
医疗    1932.8355
交通    2867.7161
教育    2492.9903
居住    5059.9581
杂项     551.8742
dtype: float64

In [44]:

print(d31.median().T)
d31.median().plot(kind='barh');

print(d31.median().T) d31.median().plot(kind='barh');

食品    5416.8
衣着    1359.8
设备    1159.5
医疗    1925.4
交通    2576.4
教育    2352.4
居住    3943.7
杂项     453.7
dtype: float64

3.3 描述统计及箱尾图¶

3.3.1 描述性统计量¶

In [48]:

print(d31.describe().round(1)) #描述统计量

print(d31.describe().round(1)) #描述统计量

            食品      衣着      设备      医疗      交通      教育       居住      杂项
count     31.0    31.0    31.0    31.0    31.0    31.0     31.0    31.0
mean    6021.3  1379.1  1255.6  1932.8  2867.7  2493.0   5060.0   551.9
std     1784.9   359.5   377.4   609.3   887.9   877.2   3127.0   258.1
min     3997.2   648.0   847.7   519.2  1972.7   690.3   2320.6   294.2
25%     4675.5  1219.8   946.8  1617.6  2351.0  1995.6   3361.0   397.0
50%     5416.8  1359.8  1159.5  1925.4  2576.4  2352.4   3943.7   453.7
75%     6756.8  1484.2  1405.5  2144.6  3018.8  2719.2   4593.0   608.2
max    10952.6  2229.5  2387.3  3739.7  5355.7  5495.1  15751.4  1355.9

3.3.2 箱尾图的绘制¶

In [51]:

d31.plot(kind='box'); #描述统计图

d31.plot(kind='box'); #描述统计图

In [53]:

d31.plot.box(vert=False); #箱尾图中图形按水平放置

d31.plot.box(vert=False); #箱尾图中图形按水平放置

3.4 变量间的关系图¶

3.4.1 两变量散点图¶

In [57]:

d31.plot(x='食品',y='衣着',kind='scatter');

d31.plot(x='食品',y='衣着',kind='scatter');

3.4.2 多变量矩阵散点图¶

In [60]:

pd.plotting.scatter_matrix(d31,figsize=(9,8));

pd.plotting.scatter_matrix(d31,figsize=(9,8));

3.5 其他多元分析图¶

案例3 城市现代化水平的直观分析¶

In [ ]:

#path = 'https://www.getwage.xyz/courses/multi_variance/visual/mvsCase.xlsx' 
#Case3= pd.read_excel('mvsCase.xlsx','Case3',index_col=0)

Case3= pd.read_excel('mvsCase.xlsx','Case3',index_col=0)
Case3

#path = 'https://www.getwage.xyz/courses/multi_variance/visual/mvsCase.xlsx' #Case3= pd.read_excel('mvsCase.xlsx','Case3',index_col=0) Case3= pd.read_excel('mvsCase.xlsx','Case3',index_col=0) Case3

Out[ ]:

	X1	X2	X3	X4	X5	X6	X7	X8	X9
地区
广州	57491	59.5390	91.51	76828.83	714.911	8.7661	13.1707	187.3963	388.1707
深圳	60801	46.6122	100.00	177506.73	4347.830	8.7913	102.8308	274.0615	638.6522
珠海	45284	43.5373	87.90	53668.53	993.304	18.5633	13.1585	42.4107	196.5402
汕头	13284	42.2196	72.34	15068.48	319.595	4.7689	0.9379	50.4039	103.1505
...	...	...	...	...	...	...	...	...	...
清远	15662	45.0777	38.50	19245.04	462.895	1.5165	3.0860	61.5356	168.9934
潮州	18670	48.4535	53.60	34263.68	523.865	0.8095	2.9104	81.4901	248.8359
揭阳	13989	42.5260	41.20	15754.39	471.401	0.4628	0.8407	42.0357	132.2624
云浮	17330	32.9093	37.30	16761.50	112.399	0.2479	3.0910	31.2610	198.1033

21 rows × 9 columns

In [66]:

Case3.X1.plot(kind='bar',figsize=(9,5));

Case3.X1.plot(kind='bar',figsize=(9,5));

In [68]:

Case3.plot(kind='bar',subplots=True,layout=(3,3),figsize=(12,10));

Case3.plot(kind='bar',subplots=True,layout=(3,3),figsize=(12,10));

In [69]:

Case3.plot(kind='barh',stacked=True,figsize=(8,6));

Case3.plot(kind='barh',stacked=True,figsize=(8,6));

In [72]:

Case3.loc[['广州','深圳','珠海']][['X1','X4']]\
     .plot(kind='bar',figsize=(8,6));

Case3.loc[['广州','深圳','珠海']][['X1','X4']]\ .plot(kind='bar',figsize=(8,6));