Datenvisualisierung in Python-Draw Cool Heatmaps

Diagrammzeichnung in Python

Der Standard zum Zeichnen von Python-Diagrammen ist "matplotlib", sieht aber etwas unmodern aus. Auf die Komplexität der Notation wurde hingewiesen.

Daher werde ich in diesem Artikel erläutern, wie "Seaborn" verwendet wird, ein Wrapper, mit dem die Funktionen von Matplotlib schöner und einfacher realisiert werden können. Unter den folgenden Links finden Sie weitere Informationen zu Seaborn und dessen rudimentäre Verwendung.

◆ Wunderschöne Grafikzeichnung mit Python - Verwenden Sie Seaborn, um die Datenanalyse und -visualisierung zu verbessern. Teil 1 http://qiita.com/hik0107/items/3dc541158fceb3156ee0

Wärmekarte

Bei seaborn können Sie eine schöne Wärmekarte zeichnen, wie unten gezeigt. (Auszug aus Seaborns Tutorial-Site)

Es wirkt sich auch auf das Erscheinungsbild aus und ist nützlich für Menschen, die nicht sehr gut in Zahlen sind. Ich denke, es lohnt sich, sich daran zu erinnern, wie man es benutzt.

Referenz) http://stanford.edu/~mwaskom/software/seaborn/examples/many_pairwise_correlations.html

Weise

Lassen Sie uns erklären, wie es geht. Importieren Sie die folgenden Bibliotheken, die Sie benötigen

prepare.py

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

Bereiten Sie die Daten vor und konvertieren Sie sie in ein lesbares Format. Seaborn wird standardmäßig mit einigen Datensätzen geliefert. Verwenden wir das also. Dieses Mal werde ich die Daten verwenden, die "Flüge" genannt werden.

data.py

df_flights = sns.load_dataset('flights')
df_flights.head(5)

Wenn Sie sich den Kopf ansehen, sehen Sie, dass die Daten für Jahr und Monat vertikal erweitert werden.

data.py

	year	month	    passengers
0	1949	January	    112
1	1949	February    118
2	1949	March	    132
3	1949	April	    129
4	1949	May         121

Angenommen, Sie interessieren sich für die Trends der Passagiere auf den beiden Achsen Jahr und Monat. Mit anderen Worten, ich werde eine Heatmap für x-Jahr und y-Monat zeichnen.

Die Heatmap kann mit einer Funktion namens sns.heatmap gezeichnet werden, es ist jedoch erforderlich, die zu verzehrenden Daten zu erstellen. Es ist erforderlich, das Pivot-Format mit der Achse zu ändern, die Sie im Index auf x bringen möchten, und der Achse, die Sie in der Spalte auf y bringen möchten.

data.py

df_flights_pivot = pd.pivot_table(data=df_flights, values='passengers', 
                                  columns='year', index='month', aggfunc=np.mean)

Wenn Sie mit der Datenverarbeitung mit Python Pandas nicht vertraut sind, lesen Sie bitte Folgendes.

Referenz: Datenverarbeitung durch Python

Eine rudimentäre Zusammenfassung der Datenmanipulation in Python Pandas - erste und zweite Hälfte http://qiita.com/hik0107/items/d991cc44c2d1778bb82e http://qiita.com/hik0107/items/0ae69131e5317b62c3b7

Jetzt müssen Sie Seaborn nur noch einen Pivot-formatierten Datenrahmen geben.

draw.py

sns.heatmap(df_flights_pivot)

Eine solche Abbildung wird angezeigt. Die Zahl der Passagiere hat seit 1949 von Jahr zu Jahr zugenommen, insbesondere zwischen Juli und August. Sie sehen, dass die Anzahl der Passagiere auf einen Schlag besonders groß ist. Es scheint auch, dass sich die Zahl der Kunden jedes Jahr im November etwas beruhigen und im Dezember wieder zunehmen wird.

Ein bisschen mehr Make-up

Sie können die obige Abbildung so lassen, wie sie ist, aber lassen Sie uns Make-up auftragen, um das Erscheinungsbild ein wenig mehr zu ändern. Zum Beispiel sieht es so aus

draw.py

plt.figure(figsize=(12, 9))
sns.heatmap(df_flights_pivot, annot=True, fmt='g', cmap='Blues')

annot ist das Argument, das die Zahl in die Zelle schreibt, fmt ist die Anpassung der Ziffer der Zahl, cmap ist Color_map, Gibt eine Palette von Abstufungsfarben an.

Es sieht aus wie das. Dies ist besser, wenn Sie bei der Betrachtung bestimmter numerischer Werte diskutieren möchten.

Dieser Artikel auch

Schöne Grafikzeichnung mit Python-Seaborn erleichtert die Datenanalyse und -visualisierung Teil 1 http://qiita.com/hik0107/items/3dc541158fceb3156ee0

Wunderschönes Zeichnen mit Python-Seaborn erleichtert die Datenanalyse und -visualisierung Teil 2 http://qiita.com/hik0107/items/7233ca334b2a5e1ca924

Wenn Sie sich für Datenwissenschaftler interessieren, schauen Sie sich zuerst hier um, eine Zusammenfassung der Literatur und Videos http://qiita.com/hik0107/items/ef5e044d2f47940ba712