python学习笔记(14):可视化分析

#引入 matplotlib包
import matplotlib.pyplot as plt
%matplotlib inline

#创建figure
fig = plt.figure()

#在一张图上做子图
ax1 = fig.add_subplot(2,2,1)
ax2= fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,4)
ax4 = fig.add_subplot(2,2,4)

#在subplot上来作图
import numpy as np
random_arr = np.random.randn(100) #生成100个随机数随机分布

#print random_arr
#默认是在最后一次使用subplot的位置上作图，但是在jupyter里是无效的
plt.plot(random_arr) #这里默认作的是线图
plt.show()

#在指定的subplot上来绘图
import scipy as sp 
from scipy import stats

x = np.linspace(-5,15,50)   #这里表示生成一组数，数据的范围是从-5到15，将数据平均分成50份
print(x.shape)  #打印出数据的分布以及数据的大小
print(x)

#绘制高斯分布，下面的这个x是x轴，sp.stats.norm.pdf是y轴
plt.plot(x,sp.stats.norm.pdf(x=x,loc = 5,scale=2))   

#绘制叠加直方图 sp.stats.norm.rvs是生成一个正太分布的直方图，将数据分为50个小组，指定颜色，指定透明度
plt.hist(sp.stats.norm.rvs(loc=5,scale=2,size=200),bins=50,normed=True,color=‘red‘,alpha=0.5)
plt.show()　　　

#绘制直方图
plt.hist(np.random.randn(100),bins=10,color=‘b‘,alpha=0.3)
plt.show()

#绘制散点图,x是一个向量，y也是一个向量
x = np.arange(50)
y = x + 5*np.random.rand(50)
plt.scatter(x,y)

#柱状图，这个图包括了常规作图的基本的元素
x= np.arange(5)  #要生成5个柱子，就需要生成5个坐标
#下面需要绘制两个柱状图，np.random.randint(1,25,size=(2,5))表示生成从1到25的随机整数
#最后生成的形状是2行5列的形状
y1,y2=np.random.randint(1,25,size=(2,5))
print(x)
print(‘y1‘,y1)  #生成的是1到25之间的随机整数，生成的大小是5列的数据
print(type(y1))   #<class ‘numpy.ndarray‘>
print(‘y2‘,y2)
width=0.25    #指定柱子的宽度为0.25
ax = plt.subplot(1,1,1)  #生成1x1的图，现在在1的位置上
ax.bar(x,y1,width,color=‘r‘) #这个地方先画第一组
ax.bar(x+width,y2,width,color=‘g‘)  #因为现在0,1,2,3,4位置被占据了，现在再在原来的位置上作图会有叠加，挪动的位置就是前面柱子的宽度
ax.set_xticks(x+width)  # 将x轴的标记挪动width宽度
ax.set_xticklabels([‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])  #这列设置xlabel的标签
plt.show()

#xticks,yticks
#xlable,ylable
#x_lim,y_lim
#title

import numpy as np

#矩阵绘图
m = np.random.rand(10,10)
print(m)
#interpolation=‘nearest‘输出的时候默认的差值的方法，cmap=plt.cm.ocean设置蓝色的主题
#在机器学习中主要用于绘制混淆矩阵，三分类问题，识别猫狗猪。当类比较多的时候，混淆矩阵就会很有用
plt.imshow(m,interpolation=‘nearest‘,cmap=plt.cm.ocean)
plt.colorbar()
plt.show()

#subplots(2,2s)是指定数据是几行几列，这里绘图是两行两列的子图
fig,subplot_arr = plt.subplots(2,2)
#这里是指定在0行0列的位置上绘制直方图，这是一个正常的情况
subplot_arr[0][0].hist(np.random.randn(100),color=‘b‘,alpha=0.3)
plt.show()

fig,ax = plt.subplots(1)
ax.plot(np.random.randn(1000).cumsum(),label=‘line0‘)
#设置刻度
ax.set_xlim([0,800])

#设置显示的刻度
ax.set_xticks(range(0,500,100))


#设置刻度标签
ax.set_yticklabels([‘Jan‘,‘Feb‘,‘Mar‘])
#设置坐标轴的标签
ax.set_xlabel(‘Number‘)
ax.set_ylabel(‘Month‘)

#设置标题
ax.set_title(‘Example‘)
#图例
ax.plot(np.random.randn(1000).cumsum(),label=‘学校‘)
ax.plot(np.random.randn(1000).cumsum(),label=‘line2‘)
ax.legend()
ax.legend(loc=‘best‘)
plt.legend()