可视化是数据分析的重要一环，也是python比较擅长的工作，本笔记系列尽可能采用统一的数据源和基于matplotlib原生版本进行可视化。
数据源是从国家统计局网站上下载的2000年-2017年的全国各省、直辖市、自治区的GDP数据和人口统计数据，2018年的数据尚未公布，不过网上已公布，可作为后续机器学习预测的比对目标；数据源采用csv格式。
本笔记是基于pandas进行数据读取的，因此也简单的总结了一下pandas的一些常规操作，比如文件读取、数据显示、数据分布、数据列名的展示，数据的分组和统计，数据的排序，行列数据的汇总，以及行列的转换。
其次本文简单演示了一下如何展示行数据和列数据，以及如何展示多列数据。
本系列的最终目标是通过GDP和人口统计数据集来演示matplotlib的各种主要图表。
代码示例
-
import pandas as pd -
import numpy as np -
import matplotlib.pyplot as plt -
import matplotlib -
#--------------------------获取相关数据------------------------ -
#从国家统计局下载2000年-2017年GDP数据和人口数据 -
#打开GDP数据文件，并输出其前五行，各列数据分布、各列名 -
''' -
df=pd.read_csv('GDP.csv', encoding = "gbk") -
print(df.head()) -
print(df.describe()) -
print(list(df.columns.values)) -
''' -
#打开人口数据文件，并输出其前五行，各列数据分布、各列名 -
df=pd.read_csv('population.csv', encoding = "gbk",index_col=1) -
print(df.head()) -
print(df.describe()) -
#-----------以下为六种列名打印方法，均以数组形式返回------------ -
print([column for column in df]) -
print(list(df)) -
print(list(df.columns)) -
print(list(df.columns.values)) -
print(list(df.columns.tolist())) -
print([i for i in df.columns if i not in ['区域', '地区']]) -
#------------------dataframe进行groupby分组---------------------- -
#对个别维度进行分组统计 -
print(df.groupby('区域').sum()) -
#对多个维度进行分组统计 -
print(df.groupby(['区域','地区']).mean()) -
#对多个指标按照不同规则进行分组统计 -
print(df.groupby('区域').agg({'2017年':[np.mean, 'sum'], -
'2016年':['count',np.std], -
'2015年':[np.average,np.max,np.min,np.std,np.sum], -
'2014年':['count','min', 'mean', 'max'], -
'2013年':['min',np.min,'max',np.max]})) -
#------------------datafame增加新列或新行---------------------- -
#新增一列汇总列，对同行数据进行汇总 -
#由于前两列是非数字列，所以要从第三列开始统计2017年~2000年的数字 -
#df['total'] = df.apply(lambda x: x.sum(), axis=1) -
df['total'] = df.apply(lambda x: x[2:].sum(), axis=1) -
#新增一行，对同一列数据进行汇总 -
#df.loc['row_total'] = df.apply(lambda x: x.sum()) -
#---------------------dataframe排序----------------------------- -
#Dataframe排序，但不影响实际存储值 -
df.sort_values(by="total",ascending= False) -
print(df.sort_values(by="total",ascending= False)) -
#-------------------dataframe行列转换--------------------------- -
df2=df.stack() -
print(df2) -
#-------------------dataframe简单画图---------------------------- -
matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文 -
matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 -
#对某列数据画图 -
#df['2017年'].plot() -
#对索引行数据画图，时间是倒序的，为了体现社会主义优越性，只好把行转置一下顺序 -
#df.loc['北京市'][2:19].plot() -
#df.loc['北京市'][18:2:-1].plot() -
#plt.show() -
fig=plt.figure() -
#取2010年和2017年的列数据作图 -
ax=fig.add_subplot(3,1,1) -
ax.plot(df['2017年'].values) -
ax.plot(df['2000年'].values) -
#取2010年到2017年的列数据作图 -
ax1=fig.add_subplot(3,1,2) -
colname=[i for i in df.columns if i not in ['区域', '地区','total']] -
for i in colname: -
ax1.plot(df[i].values) -
#取北京市2010年到2017年的行数据作图，并且倒排序 -
ax2=fig.add_subplot(3,1,3) -
ax2.plot(df.loc['北京市'][18:2:-1]) -
plt.xticks(rotation=90) -
plt.show()
