这是机器未来的第55篇文章

原文首发：https://robotsfutures.blog.csdn.net/article/details/127002749

《Python数据科学快速入门系列》快速导航：

  • 【Python数据科学快速入门系列 | 01】Numpy初窥——基础概念
  • 【Python数据科学快速入门系列 | 02】创建ndarray对象的十多种方法
  • 【Python数据科学快速入门系列 | 03】玩转数据摘取：Numpy的索引与切片
  • 【Python数据科学快速入门系列 | 04】Numpy四则运算、矩阵运算和广播机制的爱恨情仇
  • 【Python数据科学快速入门系列 | 05】常用科学计算函数
  • 【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门（一）
  • 【Python数据科学快速入门系列 | 07】Matplotlib数据可视化基础入门（二）

文章目录

  • 《Python数据科学快速入门系列》快速导航：
  • 1. 概述
  • 2. 类别比较图表详解
    • 2.1 柱状图
    • 2.2 条形图
    • 2.3 簇状柱状图
    • 2.4 堆积柱状图
  • 3. 总结

写在开始：

  • 博客简介：专注AIoT领域，追逐未来时代的脉搏，记录路途中的技术成长！
  • 博主社区：AIoT机器智能, 欢迎加入！
  • 专栏简介：从0到1掌握数据科学常用库Numpy、Matploblib、Pandas。
  • 面向人群：AI初级学习者

1. 概述

数据可视化是数据分析的重要手段，而不同的应用场景应选择不一样的图表。根据应用场景的不同，我们将图表分为6类：类别比较图表、数据关系图表、数据分布图表、时间序列图表、整体局部图表、地理空间图表。

  • 类别比较图表

强调分类数据的规模对比

  • 数据关系图表

强调2个或以上变量的相关性关系。

例如机器学习、深度学习时分析特征与标签的相关性分析。数据关系图表又分为数值关系、层次关系和网络关系三种。

  • 数据分布图表

强调数据集中的数值及其频率或分布规律

  • 时间序列图表

强调数据随时间变化的规律或趋势，例如股票数据。

  • 整体局部图表

强调局部组成部分与整体的占比。

  • 地理空间图表

强调数据中的精确位置和地理分布规律

2. 类别比较图表详解

强调分类数据的规模对比

2.1 柱状图

在机器学习时我们一般会对数据进行预处理，其中有一项很重要的工作就是标签均衡，保证数据集的分布是均匀的。

以鸢尾花数据集为例，可以使用柱状图来查看鸢尾花数据集标签是否均衡。

plt.bar(x=range(len(label_count)), height=label_count, tick_label=label_class_name)

或

figure, ax = plt.subplots()ax.bar(x=range(len(label_count)), height=label_count, tick_label=label_class_name)
import numpy as npdata = []column_name = []with open(file='iris.txt',mode='r') as f:# 过滤标题行line = f.readline()if line:column_name = np.array(line.strip().split(','))while True:line = f.readline()if line:data.append(line.strip().split(','))else:breakdata = np.array(data,dtype=float)# 使用切片提取前4列数据作为特征数据X_data = data[:, :4]# 或者 X_data = data[:, :-1]# 使用切片提取最后1列数据作为标签数据y_data = data[:, -1]data.shape, X_data.shape, y_data.shape
((150, 5), (150, 4), (150,))
# 柱状图# 查看数据集数据统计分布，分布是否均衡label_count = np.bincount(y_data.astype(int))
from matplotlib import pyplot as plt# 山鸢尾（Setosa）、变色鸢尾（Versicolor）、维吉尼亚鸢尾（Virginical）label_class_name = np.array(['Setosa', 'Versicolor', 'Virginical'])# x为柱状图横轴柱子的序号，首先确定柱子的数量，然后用range生成序列# height为柱子的高度，对应的就是每类标签的数量统计# tick_label为柱子的名称，对应标签分类名称# plt.bar(x=range(len(label_count)), height=label_count, tick_label=label_class_name)figure, ax = plt.subplots()ax.bar(x=range(len(label_count)), height=label_count, tick_label=label_class_name)

2.2 条形图

如果应用场景需要排序对比的话，条形图更加直观。

绘图接口和柱状图类似

ax.barh(y, width, tick_label)
import numpy as npfrom matplotlib import pyplot as pltval = np.arange(1, 10, 1)figure, ax = plt.subplots()ax.barh(y=range(len(val)), width=val)

2.3 簇状柱状图

上面的柱状图更多反应分类的单个特征，而簇状柱状图反映的是多个特征。
以鸢尾花数据集为例，我们想观测一下鸢尾花每个分类的花萼长度、花萼宽度、花瓣长度、花瓣宽度的均值对比。

# 统计每个分类每个特征的均值cate_avg = []for feature_id in range(4):cate_avg_item = []for label_id in range(3):avg = X_data[y_data == label_id][:, feature_id].mean()cate_avg_item.append(avg)cate_avg.append(cate_avg_item)len(cate_avg), cate_avg
(4, [[5.006, 5.936, 6.587999999999998],[3.428, 2.7700000000000005, 2.974],[1.4620000000000002, 4.26, 5.5520000000000005],[0.24599999999999997, 1.3259999999999998, 2.0260000000000002]])
fig,ax = plt.subplots()width = 0.2# the width of the bars# ax.bar(x=range(len(cate_avg[0])), height=cate_avg[0])for label_id in range(4):x =np.arange(len(cate_avg[0]))rects = ax.bar((x+width*len(cate_avg[0]))+width*label_id, cate_avg[label_id], width, \tick_label=label_class_name, label=column_name[label_id])ax.bar_label(rects, padding=1)ax.legend()fig.tight_layout()plt.show()

2.4 堆积柱状图

堆叠柱状图非常适合用来对比不同类别数据的数值大小，同时对比每一类别数据中，子类别的构成及大小。

举个简单的例子，我们将鸢尾花的数据集按照随机数量挑选成3堆，然后看一下这3堆小数据集各种鸢尾花类型的数量情况。

堆积柱状图和柱状图的区别在于bottom参数的配置，以前一个柱子的数据为底，后面增加新的柱子是将前面柱子加起来作为新的bottom

import numpy as np# 加载数据集data = []column_name = []with open(file='iris.txt',mode='r') as f:# 过滤标题行line = f.readline()if line:column_name = np.array(line.strip().split(','))while True:line = f.readline()if line:data.append(line.strip().split(','))else:breakdata = np.array(data,dtype=float)np.random.shuffle(data)# 使用切片提取前4列数据作为特征数据X_data = data[:, :4]# 或者 X_data = data[:, :-1]# 使用切片提取最后1列数据作为标签数据y_data = data[:, -1]data.shape, X_data.shape, y_data.shape# 随机分为3堆sub_datasets_counts = np.random.randint(10, 40, 2)sub_datasets_counts = np.append(sub_datasets_counts, len(X_data) - sub_datasets_counts.sum())print(sub_datasets_counts)# 统计子数据集各种类的统计情况stats_result = []st = 0et = np.sum(sub_datasets_counts[0])for i in range(3):label_count = np.bincount(y_data[st:et].astype(int))stats_result.append(label_count)if i < 2:st = np.sum(sub_datasets_counts[:i+1])et = np.sum(sub_datasets_counts[:i+2])stats_result = np.asarray(stats_result)print(stats_result)# 绘制图表from matplotlib import pyplot as plt# 山鸢尾（Setosa）、变色鸢尾（Versicolor）、维吉尼亚鸢尾（Virginical）label_class_name = np.array(['Setosa', 'Versicolor', 'Virginical'])figure, ax = plt.subplots()# ax.bar(x=range(len(sub_datasets_counts)), height=sub_datasets_counts)# print(stats_result[:, 0])ax.bar(x=range(len(stats_result[:, 0])), height=stats_result[:, 0], label='s1',tick_label=label_class_name)# print(stats_result[:, 1])ax.bar(x=range(len(stats_result[:, 1])), height=stats_result[:, 1], bottom=stats_result[:, 0], label='s2')# print(stats_result[:, 2])ax.bar(x=range(len(stats_result[:, 2])), height=stats_result[:, 2], bottom=stats_result[:, 0]+stats_result[:, 1], label='s3')ax.legend()plt.show()
[22 32 96][[ 796] [13 118] [30 30 36]]

3. 总结

柱状图非常适合用于分类统计比较，柱状图、条形图、堆积柱状图的绘制方法也都大同小异，相对较为简单。

— 博主热门专栏推荐 —

  • Python零基础快速入门系列
  • 深入浅出i.MX8企业级开发实战系列
  • MQTT从入门到提高系列
  • 物体检测快速入门系列
  • 自动驾驶模拟器AirSim快速入门
  • 安全利器SELinux入门系列
  • Python数据科学快速入门系列