第一关：Seaborn
任务描述
本关任务：编写一个绘制每个月销售总额的折线图。
相关知识
为了完成本关任务，你需要掌握：1.matplotlib的缺点，2.如何使用seaborn进行可视化,并设置整体布局风格。
- 适用场景: 折线图适合二维的大数据集，尤其是那些趋势比单个数据点更重要的场合。它还适合多个二维数据集的比较。
用Seaborn做可视化
即使matplotlib已经如此强大了，但是不得不承认它不支持的功能还有很多。总结如下：
-
2.0之前的版本的默认配置样式绝对不是用户的最佳选择； -
matplotlib的API比较底层。虽然可以实现复杂的统计数据可视化，但是通常都需要写大量的样板代码； -
matplotlib不支持Pandas的DataFrame数据的可视化，必须先提取每个Series。
对于这些问题的终结者就是seaborn。Seaborn 在 Matplotlib 的基础上开发了一套 API，为默认的图形样式和颜色设置提供了理智的选择，为常用的统计图形定义了许多简单的高级函数，并与 Pandas DataFrame 的功能有机结合。Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图。
而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与Pandas数据结构以及scipy与statsmodels等统计模式。
Seaborn与Matplotlib
下面用 Matplotlib 的经典图形样式和配色方案画一个简易的随机游走图。
import matplotlib.pyplot as pltplt.style.use('classic')import numpy as npimport pandas as pdrng = np.random.RandomState(0)x = np.linspace(0, 10, 500)y = np.cumsum(rng.randn(500, 6), 0)plt.plot(x, y)plt.legend('ABCDEF', ncol=2, loc='upper left')plt.show()
在看看使用seaborn来实现。我们会发现，Seaborn不仅有许多高级的画图功能，而且可以改写matplotlib的默认参数，从而用简单的matplotlib脚本获得更好的效果。可以用Seaborn的set()方法设置样式。
import seaborn as snssns.set()plt.plot(x, y)plt.legend('ABCDEF', ncol=2, loc='upper left')plt.savefig("T2.png")plt.show()
上面应用了seaborn的默认样式。seaborn有5个seaborn的主题，适用于不同的应用和人群偏好：
-
darkgrid黑色网格（默认）； -
whitegrid白色网格； -
dark黑色背景； -
white白色背景； -
ticks应该是四周都有刻度线的白背景。
编程要求
本关的编程任务是补全右侧上部代码编辑区内的相应代码，根据输入文件路径读取文件，统计各个月销售总和，然后绘制折线图，需要应用seaborn设置默认样式，具体可视化要求如下：
-
折线图的
figsize为(10, 10)； -
文件名为
Task1/img/T1.png； -
具体要求请参见后续测试样例。
文件的部分数据如下：
提示：在绘制折线图时，需要对数据进行预处理，通过支付时间提取月份信息，再根据月份信息进行聚类，汇总每个月的实际金额，得到月销售总和。
请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！
测试说明
平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。
测试输入：
无测试输入
预期输出： 生成图片与预期图片一致
开始你的任务吧，祝你成功！
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
def student(input_data):
# ********* Begin *********#
sns.set()
plt.figure(figsize=(10,10))
a=pd.read_csv(input_data)
a["month"]=a["支付时间"].map(lambda x:int(x.split("/")[1]))
d=a["实际金额"].groupby(a["month"]).sum()
d=d.sort_index(ascending=False)
plt.plot(d)
plt.savefig("Task1/img/T1.png")
plt.show()
# ********* End *********#