Python視覺化-----複雜的散點圖

---

前言

提示：00 安裝庫，配置環境
在Python中進行視覺化，我們需要的是這些庫：

matplotlib：python中自帶的，也是最常用的視覺化工具包，在Jupyter中甚至可以找到matplotlib的網站。
seaborn：python中視覺化的新起之秀，致力於統計資料視覺化。
brewer2mpl：brewer2mpl是一個專供python使用的，用於訪問colorbrewer2色譜的工具，colorbrewer2是一個專業顏色顧問公司。

matplotlib
通常來說，如果我們是使用anaconda安裝的python，那matplotlib是自帶的
如果你發現你的python環境中沒有matplotlib，那你可以使用以下命令先安裝pip，然後從pip中安裝matplotlib：
下面展示安裝程式碼。

python -m pip install -U pip
python -m pip install -U matplotlib

你可以通過在Jupyter中執行 print(matplotlib.version) 來檢視你現有的matplotlib版本。
下面展示執行程式碼。

import matplotlib as mlp
print(mlp.__version__)

seaborn是需要自己安裝的。如果不是anaconda自帶，建議使用pip安裝。

#%%cmd
#pip install seaborn

import seaborn as sns
print(sns.__version__)

seaborn要求必須0.9.0以上，否則程式碼會報錯，不足0.9.0的大家可以使用以下程式碼進行升級。
下面展示相關程式碼。

#%%cmd
#pip install --upgrade seaborn

brewer2mpl
同樣也需要自己安裝，使用以下程式碼：

#%%cmd
#pip install brewer2mpl

不必過於在意版本，通常來說都是直接安裝成最新版。

---

提示：以下是本篇文章正文內容，下面案例可供參考

一、我們的目標是什麼？

我們的目標是：繪製出下圖，並且利用資料解讀圖內的資訊。

二、實現目標的知識準備

1.引入庫

程式碼如下（示例）：

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
#如果你在使用Jupyter Notebook，你會需要這樣一句命令來讓你的影像顯示

2.匯入資料

程式碼如下（示例）：

#匯入資料
midwest = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")
midwest.head()

該處使用的url網路請求的資料。

---

3.準備標籤的列表和顏色

程式碼如下（示例）：

#（1）標籤
midwest['category']
#提取標籤中的類別
categories = np.unique(midwest['category']) #去掉所有重複的項
categories #這就是我們要使用的標籤的類別列表

顏色

接下來要創造和標籤的類別一樣多的顏色，如果只有三四個類別，或許我們還可以自己寫，然而面對十幾個，或者二十個分類，我們需要讓matplotlib來幫助我們自動生成顏色。

plt.cm.tab10()

用於建立顏色的十號光譜，在matplotlib中，有眾多光譜供我們選擇：https://matplotlib.org/tutorials/colors/colormaps.html
我們可以在plt.cm.tab10()中輸入任意浮點數，來提取出一種顏色。光譜tab10中總共只有十種顏色，如果輸入的浮點數比較接近，會返回類似的顏色。這種顏色會以元祖的形式返回，表示為四個浮點陣列成的RGBA色彩空間或者三個浮點陣列成的RGB色彩空間中的隨機色彩。
程式碼如下（示例）：

#（2）顏色
color1 = plt.cm.tab10(5.2)
color1 #四個浮點陣列成的一個顏色
np.array(color1).reshape(1,-1) #reshape：增維，輸入(1,-1)是讓行上的維度為1，(-1,1)是讓列上的維度為1
x1 = np.random.randn(10)
x2 = x1 + x1**2 - 10
plt.scatter(x1,x2,s=50
            ,c=np.array(color1).reshape(1,-1))
plt.show()

三、畫目標圖片（複雜的散點圖）

至此已經闡述完怎樣找資料、標籤、顏色，現在開始畫圖。
程式碼如下（示例）：

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
#如果你在使用Jupyter Notebook，你會需要這樣一句命令來讓你的影像顯示
midwest.head()
categories[13] #0~13，通過索引提取標籤類別
midwest.loc[midwest["category"] == categories[0],"poptotal"].head()
#為了標籤的名稱，我們本來就需要迴圈和標籤的類別數目一樣的次數
#所以需要迴圈的次數 = 需要生成的顏色的次數 = 需要生成的小數的個數
#只需要在迴圈中不斷生成顏色就好了
#所以我們可以利用迴圈中的i來生成14個不同的小數

plt.figure(figsize=(16,10)) #建立畫布

for i in range(len(categories)):
    plt.scatter(midwest.loc[midwest["category"]==categories[i],"area"]
                ,midwest.loc[midwest["category"]==categories[i],"poptotal"]
                ,s=20
                ,c=np.array(plt.cm.tab10(i/len(categories))).reshape(1,-1)    #i除以固定的數，來獲得小數
                ,label=categories[i]
               )
plt.legend()
plt.show()

四、解讀影像

解析標籤的含義：第一個字母是平均教育程度的高低(越高的話，我們的標籤就是H)
第二個字母是貧困水平的高低（越窮的話，我們的水平就是H）
第三個字母是城市還是鄉村
基於標籤含義的解析，我們對於圖可以分析出什麼呢？
程式碼如下（示例）：

midwest["category"].value_counts()
plt.figure(figsize=(16, 10)   #繪圖尺寸
           , dpi=60           #影像解析度
           , facecolor='w'    #影像的背景顏色，設定為白色，預設也是白色
           , edgecolor='k'    #影像的邊框顏色，設定為黑色，預設也是黑色
          )

#進行迴圈繪圖
for i, category in enumerate(categories):
    plt.scatter('area', 'poptotal', 
                data=midwest.loc[midwest.category==category, :],
                s=20, c=np.array(plt.cm.tab10(i/float(len(categories)-1))).reshape(1,-1),label=str(category))

#高學歷，低貧困的地方
plt.scatter("area","poptotal",
           data = midwest.loc[midwest.category == "HLU",:],
            s=300,
            facecolors="None",
            edgecolors="red",
            label = "Selected")

#低學歷，很貧困的地方
#plt.scatter("area","poptotal",
#           data = midwest.loc[midwest.category == "LHR",:],
#            s=150,
#            facecolors="None", #點的填充顏色，為None的時候，表示點是透明的
#            edgecolors="red", #點的邊框現在是紅色
#           label = "Selected")

#再試試看，高學歷，高貧困的地方？
#學歷低，但很富有的地方？

#對影像進行裝飾
plt.gca().set(xlim=(0.0, 0.12), ylim=(0, 90000)) #控制橫縱座標的範圍
plt.xticks(fontsize=12) #座標軸上的標尺的字的大小
plt.yticks(fontsize=12)
plt.ylabel('Population',fontsize=22) #座標軸上的標題和字型大小
plt.xlabel('Area',fontsize=22)
plt.title("Scatterplot of Midwest Area vs Population", fontsize=22) #整個影像的標題和字型的大小
plt.legend(fontsize=12) #圖例的字型大小
plt.show()

輸出展示：

總結

我們什麼時候會需要散點圖呢？
資料包告 & 學術研究：
展示趨勢：比如產品銷量隨著時間如何變化，智力水平隨著教育程度如何變化等
展現狀態：不同年齡的客戶的成交率，不同生產成本對應的生產員工技能要求

資料探索 & 資料解讀：
探索資料關係，幫助瞭解事實，推動研究

統計學 & 機器學習：
探索資料關係，指導資料預處理和模型選擇