数据可视化-《白蛇2：青蛇劫起》（1）

目录

数据加载与预处理

前提：工具包引入

数据查看

 过滤空值

 重置

可视化分析

1、评分等级分布

2、每日评论量

3、每小时评论量

---

数据加载与预处理

前提：工具包引入

#数据处理
import numpy as np
import pandas as pd

#可视化
import matplotlib.pyplot as plt
import seaborn as sns

from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.globals import ThemeType, SymbolType, ChartType

读取表格  白蛇(含省份)数据.xlsx

df = pd.read_excel(r"C:\Users\1\Desktop\数据分析\白蛇(含省份)数据.xlsx")

---

数据查看

#用于数值类型查看统计指标
df.describle()

#查看所有字段详细信息
df.info()

#查看表结构 可以用
df.head()

 通过any()知道表格中的空值

代码运行： 

array = np.array([True,False,False])
array.any()

 运行结果图：

 

通过mean()知道表格中的空值
df.isnull().mean()

代码运行： 

df.isnull().mean()

结果图： 

---

 过滤空值

可通过how 和axis来制定空值过滤的规则

过滤空值用dropna(how='any',axis=0)
当how='any'时表示如果表格中这一行有一个空就把它过滤掉
当how='all'时表示如果表格中这一行都为空就把它过滤掉
axis = 0过滤行
axis = 1过滤列

规则设定：删除有空值的一行数据

代码：df = df.dropna(how='any',axis=0)

df = df.dropna(how='any',axis=0)

 重置

因为索引在过滤空值的时候，发生了变化，所以进行重置
df.index = np.arange(df.shape[0])

---

可视化分析

1、评分等级分布

目标：将 白蛇(含省份)数据.xlsx表格文件中的评分等级分布用图像化展示出来。

全局画板设置

sns.set （）

参数说明：
sort=True： 是否要进行排序；默认进行排序
ascending=False： 默认降序排列；
normalize=False： 是否要对计算结果进行标准化，并且显示标准化后的结果，默认是False。
bins=None： 可以自定义分组区间，默认是否；
dropna=True：是否删除缺失值nan，默认删除

bar 柱状图

代码： 

df_star = df['评分'].value_counts().sort_index(ascending=False)

sns.set()#全局的画板风格  背景设置
df_star.plot(kind='bar')

结果展示： 

设置行坐标单元格为‘数字+分 ’

方法1：

def nonamefunction(x):
    return f'{x}分’

 方法2：

lambda x : f'{x}分'

设置行坐标单元格为‘数字+分 ’代码： 

df_star.index.map(lambda x : f'{x}分')

结果展示： 

 配置中文的显示

plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False

用柱状图和饼状图来 表示查看表格中的数据，代码如下：

plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False

figure = plt.figure(figsize=(12,5))#figsize=(12,5)宽12高5

x = np.arange(df_star.size)
plt.bar(x,df_star.values)
#定制刻度
_ = plt.xticks(x,df_star.index.map(lambda x : f'{x}分'))

ax = figure.add_subplot(1,3,3)
_ = ax.pie(df_star.values,labels=df_star.index,autopct='%.1f%%')

结果展示： 

---

2、每日评论量

将表格中每日评论时间大小显示出来： 

df['评论时间'].min(),df['评论时间'].max()

结果图： 

 将时间列设置为索引，方便使用时间序列的技术做数据统计

#把时间列设置为索引，方便使用时间序列的技术做数据统计
df = df.set_index('评论时间') 

 #D表示按天统计
comment_count = df.resample('D')['评论'].coun

在这边回忆一下上一篇的内容，做一个记忆恢复

 plot用法，代码如下：

text_x = np.linspace(0,2*np.pi)
text_y = np.sin(text_x)
plt.plot(text_x,text_y)

 结果展示：

 

然后我们开始 将八月的每日评论数据量用图形展现出来，代码如下：

plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
plt.figure(figsize=(12,5))
plt.plot(comment_count.index.day.tolist(),comment_count.values,color = 'green',marker = 'o')

for x,y in zip(comment_count.index.day.tolist(),comment_count.values):
    plt.text(x,y*1.08,str(y))

plt.title('八月每日评论量',fontsize=16,color='green')

plt.fill_between(comment_count.index.day.tolist(),comment_count.values,color='green')
_ = plt.xticks(comment_count.index.day.tolist())

 结果展示：

3、每小时评论量

df.resample('H')['评论'].count() #H 小时

df.reset_index(inplace = True)#记得运行一次即可 不可重复运行这句
df['小时'] = df['评论时间'].dt.hour
comment_hours = df.groupby('小时')['评论'].count()

figure = plt.figure(figsize=(12,5))
ax1 = figure.add_subplot(1,1,1)
ax1.bar(comment_hours.index,comment_hours.values)
_ = ax1.set_xticks(comment_hours.index)
_ = ax1.set_xticklabels(comment_hours.index.map(lambda x:f'{x}时'))#做一个map映射

for x,y in zip(comment_hours.index,comment_hours.values):
    ax1.text(x-0.4,y*1.05,str(y))

plt.title('每小时评论量')
plt.xlabel('小时')
plt.ylabel('评论次数')

 后续看下篇 ：数据可视化-《白蛇2：青蛇劫起》（2）