快捷導(dǎo)航

python可視化分析繪制散點(diǎn)圖和邊界氣泡圖

更新時(shí)間：2022年06月23日 17:14:46 作者：不再依然07

這篇文章主要介紹了python可視化分析繪制散點(diǎn)圖和邊界氣泡圖，python繪制散點(diǎn)圖，展現(xiàn)兩個(gè)變量間的關(guān)系，當(dāng)數(shù)據(jù)包含多組時(shí)，使用不同顏色和形狀區(qū)分

一、繪制散點(diǎn)圖

實(shí)現(xiàn)功能：

python繪制散點(diǎn)圖，展現(xiàn)兩個(gè)變量間的關(guān)系，當(dāng)數(shù)據(jù)包含多組時(shí)，使用不同顏色和形狀區(qū)分。

實(shí)現(xiàn)代碼：

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings(action='once')
plt.style.use('seaborn-whitegrid')
sns.set_style("whitegrid")
print(mpl.__version__)
print(sns.__version__)
def draw_scatter(file):
? ? # Import dataset
? ? midwest = pd.read_csv(file)
? ? # Prepare Data
? ? # Create as many colors as there are unique midwest['category']
? ? categories = np.unique(midwest['category'])
? ? colors = [plt.cm.Set1(i / float(len(categories) - 1)) for i in range(len(categories))]
? ? # Draw Plot for Each Category
? ? plt.figure(figsize=(10, 6), dpi=100, facecolor='w', edgecolor='k')

? ? for i, category in enumerate(categories):
? ? ? ? plt.scatter('area', 'poptotal', data=midwest.loc[midwest.category == category, :],s=20,c=colors[i],label=str(category))
? ? # Decorations
? ? plt.gca().set(xlim=(0.0, 0.1), ylim=(0, 90000),)
? ? plt.xticks(fontsize=10)
? ? plt.yticks(fontsize=10)
? ? plt.xlabel('Area', fontdict={'fontsize': 10})
? ? plt.ylabel('Population', fontdict={'fontsize': 10})
? ? plt.title("Scatterplot of Midwest Area vs Population", fontsize=12)
? ? plt.legend(fontsize=10)
? ? plt.show()
draw_scatter("F:\數(shù)據(jù)雜壇\datasets\midwest_filter.csv")

實(shí)現(xiàn)效果：

二、繪制邊界氣泡圖

實(shí)現(xiàn)功能：

氣泡圖是散點(diǎn)圖中的一種類型，可以展現(xiàn)三個(gè)數(shù)值變量之間的關(guān)系，之前的文章介紹過(guò)一般的散點(diǎn)圖都是反映兩個(gè)數(shù)值型變量的關(guān)系，所以如果還想通過(guò)散點(diǎn)圖添加第三個(gè)數(shù)值型變量的信息，一般可以使用氣泡圖。氣泡圖的實(shí)質(zhì)就是通過(guò)第三個(gè)數(shù)值型變量控制每個(gè)散點(diǎn)的大小，點(diǎn)越大，代表的第三維數(shù)值越高，反之亦然。而邊界氣泡圖則是在氣泡圖添加第四個(gè)類別型變量的信息，將一些重要的點(diǎn)選出來(lái)并連接。

實(shí)現(xiàn)代碼：

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
from scipy.spatial import ConvexHull
warnings.filterwarnings(action='once')
plt.style.use('seaborn-whitegrid')
sns.set_style("whitegrid")
print(mpl.__version__)
print(sns.__version__)

def draw_scatter(file):
? ? # Step 1: Prepare Data
? ? midwest = pd.read_csv(file)

? ? # As many colors as there are unique midwest['category']
? ? categories = np.unique(midwest['category'])
? ? colors = [plt.cm.Set1(i / float(len(categories) - 1)) for i in range(len(categories))]

? ? # Step 2: Draw Scatterplot with unique color for each category
? ? fig = plt.figure(figsize=(10, 6), dpi=80, facecolor='w', edgecolor='k')

? ? for i, category in enumerate(categories):
? ? ? ? plt.scatter('area','poptotal',data=midwest.loc[midwest.category == category, :],s='dot_size',c=colors[i],label=str(category),edgecolors='black',linewidths=.5)
? ? # Step 3: Encircling
? ? # https://stackoverflow.com/questions/44575681/how-do-i-encircle-different-data-sets-in-scatter-plot
? ? def encircle(x, y, ax=None, **kw): ?# 定義encircle函數(shù)，圈出重點(diǎn)關(guān)注的點(diǎn)
? ? ? ? if not ax: ax = plt.gca()
? ? ? ? p = np.c_[x, y]
? ? ? ? hull = ConvexHull(p)
? ? ? ? poly = plt.Polygon(p[hull.vertices, :], **kw)
? ? ? ? ax.add_patch(poly)
? ? # Select data to be encircled
? ? midwest_encircle_data1 = midwest.loc[midwest.state == 'IN', :]
? ? encircle(midwest_encircle_data1.area,midwest_encircle_data1.poptotal,ec="pink",fc="#74C476",alpha=0.3)
? ? encircle(midwest_encircle_data1.area,midwest_encircle_data1.poptotal,ec="g",fc="none",linewidth=1.5)
? ? midwest_encircle_data6 = midwest.loc[midwest.state == 'WI', :]
? ? encircle(midwest_encircle_data6.area,midwest_encircle_data6.poptotal,ec="pink",fc="black",alpha=0.3)
? ? encircle(midwest_encircle_data6.area,midwest_encircle_data6.poptotal,ec="black",fc="none",linewidth=1.5,linestyle='--')
? ? # Step 4: Decorations
? ? plt.gca().set(xlim=(0.0, 0.1),ylim=(0, 90000),)
? ? plt.xticks(fontsize=12)
? ? plt.yticks(fontsize=12)
? ? plt.xlabel('Area', fontdict={'fontsize': 14})
? ? plt.ylabel('Population', fontdict={'fontsize': 14})
? ? plt.title("Bubble Plot with Encircling", fontsize=14)
? ? plt.legend(fontsize=10)
? ? plt.show()
draw_scatter("F:\數(shù)據(jù)雜壇\datasets\midwest_filter.csv")

實(shí)現(xiàn)效果：