从零开始：Python与Jupyter Notebook中的数据可视化之旅
目录
理解数据与数据可视化的基本流程
数据可视化的核心不仅是将数据映射为图形，而是一个贯穿整个数据流向的完整过程。这个过程可以分为以下几个关键步骤：
- 数据采集：首先需要收集原始数据，可能来自数据库、API、手动输入或其它形式的文件（如CSV、Excel等）。
- 数据处理和变换：对数据进行清洗、转换、聚合等处理，以便获得可用的数据结构和格式。
- 可视化映射：将数据映射为图形符号，如点、线、颜色等，展示数据的结构和关系。
- 人机交互：通过交互式图形实现动态数据探索，用户可以通过缩放、选择、过滤等操作更深入理解数据。
- 用户感知：最终目标是通过图形呈现帮助用户理解数据的模式、趋势和重要信息。
了解Python与其他可视化工具
在数据可视化领域，Python拥有多个强大的库，可以生成各种类型的图形。常用的库包括：
- Matplotlib：最基础的可视化库，支持创建各种静态、动态、交互式图形。
- Seaborn：基于Matplotlib，提供了更高级和美观的统计图形工具，简化了数据的可视化操作。
- Pandas：主要是用于数据操作和分析的库，但其内置的可视化功能也非常强大，适合快速生成常见图表。
- Pyecharts：一个基于Python的库，支持创建交互式图形，适合需要精美和复杂展示的场景。
掌握Anaconda、Jupyter Notebook的常用操作方法
- Anaconda：是一个集成数据科学工具的平台，常用于安装和管理Python及其相关库。
- 创建虚拟环境：使用
conda create -n myenv python=3.x来创建环境。 - 安装库：在环境中运行
conda install <package>或pip install <package>。
- 创建虚拟环境：使用
- Jupyter Notebook：是一个交互式编程环境，支持实时代码执行、数据可视化和文档撰写。
- 在终端输入
jupyter notebook启动应用，打开浏览器进行操作。 - 通过Markdown格式添加文本注释、公式，方便记录实验过程。
- 在终端输入
原理
数据可视化的流程可以分为四个主要部分：
- 数据采集：收集、导入数据源，通常以CSV、数据库等形式存在。
- 数据处理和变换：利用Pandas等工具对数据进行整理。
- 可视化映射：借助Matplotlib、Seaborn等库创建图形展示。
- 交互和感知：通过交互功能（如Pyecharts）与用户进行数据分析交互，增强对数据的理解。
这种整体的流程不仅提升了可视化的质量，也为用户提供了高效的分析工具。
环境配置
1. 安装Anaconda软件，创建实验环境
- 下载并安装 Anaconda。
激活环境：
conda activate myenv 打开Anaconda Prompt，创建新的实验环境并指定Python版本：
conda create -n myenv python=3.x （例如，python=3.8可以选择合适版本）
2. 安装Jupyter Notebook
启动Jupyter Notebook：
jupyter notebook 安装Jupyter Notebook：
conda install jupyter 3. 创建第一个Jupyter Notebook文本
- 在Jupyter Notebook界面中，点击
New->Python 3，创建一个新的Notebook文件。
（1）更改保存路径、重命名文件
- 创建文件后，可以点击顶部文件名（默认是
Untitled），然后重命名为Iris Visualization或其他合适的名字。
（2）创建代码单元和Markdown单元
- 点击
+按钮可以添加新的单元。 - 在
Cell类型的下拉框中，可以选择Code（代码单元）或Markdown（文本单元）。 - 代码单元用来输入Python代码，Markdown单元则可以用来写实验步骤、注释、公式等。
实验1-1：鸢尾花数据集可视化练习
打开软件，可能需要等一会
点击file——》Python 3
点击红框，重命名bushuo1-1.
1. 安装scikit-learn库
在Anaconda Prompt中运行以下命令安装scikit-learn库：
conda install scikit-learn 
2. 导入鸢尾花数据集并绘制表格
代码步骤：
# 导入必要的库from sklearn import datasets import pandas as pd import matplotlib.pyplot as plt # 设置字体以支持中文显示 plt.rcParams['font.family']='Arial Unicode MS'# 加载鸢尾花数据集 iris = datasets.load_iris()# 创建DataFrame并设置列名 df = pd.DataFrame(iris.data, columns=['SL','SW','PL','PW'])# 修改列名为中文 df.columns =['长度','宽度','长度2','宽度2']# 显示前几行数据print(df.head())
绘制特征之间的散点图
plt.figure(figsize=(10, 6)) plt.scatter(df['长度'], df['宽度'], c=iris.target, cmap='viridis') plt.xlabel('花萼长度 (cm)') plt.ylabel('花萼宽度 (cm)') plt.title('鸢尾花花萼长度与宽度的散点图') plt.colorbar(label='种类') plt.show() 绘制饼图
plt.rcParams['font.family']='Arial Unicode MS' df['类别']= iris.target df_sum=pd.DataFrame(df.groupby('类别').size(),columns=['数量']) df_sum.plot.pie(y='数量')绘制散点图
# 导入必要的库 from sklearn importdatasetsimportpandas as pd importmatplotlib.pyplot as plt # 设置字体以支持中文显示 plt.rcParams['font.family']='Arial Unicode MS' # 加载鸢尾花数据集 iris = datasets.load_iris() # 创建DataFrame并设置列名 df =pd.DataFrame(iris.data, columns=['SL','SW','PL','PW']) df.columns =['花萼长度','花萼宽度','花瓣长度','花瓣宽度'] # 绘制散点图 - 展示花萼长度与宽度的关系 plt.figure(figsize=(10,6)) plt.scatter(df['花萼长度'], df['花萼宽度'], c=iris.target, cmap='viridis') plt.xlabel('花萼长度 (cm)') plt.ylabel('花萼宽度 (cm)') plt.title('鸢尾花花萼长度与宽度的散点图') plt.colorbar(label='种类') plt.show()条形图：展示每种鸢尾花品种的平均特征值，例如平均花萼长度。
通过鸢尾花的目标（种类）创建类别列
df[‘种类’] = pd.Categorical.from_codes(iris.target, iris.target_names)
计算每个品种的平均特征值
mean_values = df.groupby(‘种类’).mean()
绘制条形图 - 展示不同品种的平均花萼长度
plt.figure(figsize=(10,6)) mean_values['花萼长度'].plot(kind='bar', color=['#4CAF50','#FF9800','#2196F3']) plt.title('不同鸢尾花品种的平均花萼长度') plt.xlabel('鸢尾花品种') plt.ylabel('平均花萼长度 (cm)') plt.xticks(rotation=0) plt.show()
代码解析：
散点图：
使用 plt.scatter() 绘制花萼长度与花萼宽度的关系，并根据鸢尾花品种（iris.target）进行颜色映射。
cmap=‘viridis’ 用来指定颜色图，plt.colorbar() 添加颜色图例，显示各个颜色对应的品种。
条形图：
使用 groupby(‘种类’) 将鸢尾花数据按种类分类，并计算每种花的平均特征值。
mean_values[‘花萼长度’].plot(kind=‘bar’) 用于绘制条形图，显示不同品种鸢尾花的平均花萼长度。
color 参数指定了不同品种的颜色，xticks(rotation=0) 保持x轴标签不旋转。
结论：
散点图提供了特征之间的相关性和品种的分布信息，有助于发现不同品种的分布模式。
条形图则突出展示了不同品种鸢尾花的平均特征值，直观对比它们在某个维度（如花萼长度）上的差异。
这两个可视化方法相结合，有助于从多个角度深入理解鸢尾花数据集中的特征关系和品种差异。
