[人工智能] Python笔记 —— pandas数据分析+seaborn可视化实例

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> Python笔记 —— pandas数据分析+seaborn可视化实例 -> 正文阅读

[人工智能]Python笔记 —— pandas数据分析+seaborn可视化实例

现在有student.txt和score.txt数据文件，利用pandas求取每个班级的总分前三名的学生。然后将求取后的结果dataframe，利用seaborn完成数据可视化操作

首先导入pandas

import pandas as pd

然后利用pandas读取文件，将数据写入到dataframe里面

stuDF = pd.read_csv("./data/students.txt",names=['id','name','age','gender','clazz'])
scoreDF = pd.read_csv("./data/score.txt",names=['student_id','subject_id','score'])

查看一下数据

在这里插入图片描述
第一步：计算每个学生的总分

#第一步，计算每个学生的总分
# groupby为对原DataFrame进行打包分组，agg为聚合（其操作包括max、min、std、sum、count）

#（1）scoreDF.groupby('student_id')根据学生id进行聚合分组
#（2）scoreDF.groupby('student_id')['score'].agg('sum')根据分组计算每组的成绩socre总和
#（3）scoreDF.groupby('student_id')['score'].agg('sum').reset_index()通过reset_index重新设置连续的行索引index
#（4）最后rename(columns={'score':'sum_score'})将结果集中的score列名改为sum_socre

sumDF = scoreDF.groupby('student_id')['score'].agg('sum').reset_index().rename(columns={'score':'sum_score'})
sumDF.head()

在这里插入图片描述
第二步：将计算每个人成绩总和后的成绩表sumDF与学生表stuDF关联

#将计算每个人成绩总和后的成绩表sumDF与学生表stuDF关联

#（1）stuDF.merge(sumDF,left_on='id',right_on='student_id',how='left')将左表stuDF与右表sumDF关联
# 左表在括号外面，右表在括号里面，left_on是左表关联字段，right_on是右表关联字段
# how用来指定关联方式，有inner ，left，right几种选项

#（2）drop('student_id',axis=1)删除 student_id 这一列，axis是坐标轴，axis=0是行坐标轴，用来删除行，axis=1是列坐标轴，用来删除列

stu_sumDF = stuDF.merge(sumDF,left_on='id',right_on='student_id',how='left').drop('student_id',axis=1)
stu_sumDF.head()

在这里插入图片描述
第三步：增加几个新的列，给每行数据打上序号，然后利用序号来进行排序

# 增加几个新的列
# first与开窗函数的row_number一样，按照顺序打上序号排列
# min表示当两行数据的值相同时，两行数据的序号都为较小的序号。比如第3行和第4行的sum_score都为200，那么两行的first_rank的值都是3
# max表示当两行数据的值相同时，两行数据的序号都为较大的序号。比如第3行和第4行的sum_score都为200，那么两行的first_rank的值都是4
# dense与开窗函数的dense_rank一样，当两行数据的列值相同时，序号是 1，2，3，3，4
# average_rank类似于开窗函数的rank，序号会发生跳跃，但是列值相同时会求取平均值，
#             即当两行数据的列值相同时，序号是 1，2，3.5，3.5，5。其中，3.5是3和4的平均值
# ascending=False降序排列，ascending=True升序排序

stu_sumDF['first_rank'] = stu_sumDF.groupby('clazz')['sum_score'].rank(method='first',ascending=False)
stu_sumDF['min_rank'] = stu_sumDF.groupby('clazz')['sum_score'].rank(method='min',ascending=False)
stu_sumDF['max_rank'] = stu_sumDF.groupby('clazz')['sum_score'].rank(method='max',ascending=False)
stu_sumDF['dense_rank'] = stu_sumDF.groupby('clazz')['sum_score'].rank(method='dense',ascending=False)
stu_sumDF['average_rank'] = stu_sumDF.groupby('clazz')['sum_score'].rank(method='average',ascending=False)

在这里插入图片描述
第四步：按照sum_socre列值和之前增加的新的列进行排序

#先按照clazz排序，然后相同的clazz里面按照first_rank排序
# 在最后三行可以比较明显的看除不同排序字段的区别，当两行数据的列值相同时，应该如何打上序号
stu_sum_sortDF = stu_sumDF.sort_values(['clazz','first_rank'])
stu_sum_sortDF.head(17)

在这里插入图片描述
最后一步：利用布尔索引，找到每个班的总分前三名

#利用布尔索引，stu_sum_sortDF['first_rank']<=3返回的是一系列的true和false
clazz_top3 = stu_sum_sortDF[stu_sum_sortDF['first_rank']<=3]
clazz_top3.head()

在这里插入图片描述
数据分析部分到这里结束，现在得到了一个放着最终结果的dataframe，现在要利用seaborn来对其进行可视化处理

seaborn官方api文档，在里面可以查到各种图的写法

第一步：导包

#上面求处了每班总分前三名的dataframe，现在将这个dataframe可视化

import seaborn as sns
import matplotlib.pyplot as plt

第二步：解决中文乱码问题

# windows解决中文乱码
plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签

# mac解决中文乱码
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']

plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号

第三步：利用直方图来完成可视化操作

#用直方图barplot来可视化
# x是x轴的列，y是y轴的列，hue是类别，也就是图上的蓝色，橙色，绿色，data是数据源dataframe
sns.barplot(x='clazz',y='sum_score',hue='first_rank',data=clazz_top3)

在这里插入图片描述

#上面的表不够美观，利用matplotlib.pyplot修改一下
#设置画布大小
plt.figure(figsize=(16,8))
#设置图的标题
plt.title("班级总分top3")
#绘图
sns.barplot(x='clazz',y='sum_score',hue='first_rank',data=clazz_top3)
#设置x轴和y轴的标签名
plt.xlabel("班级")
plt.ylabel("总成绩")
#设置y轴的刻度范围，从(0,650)变成(450,650)，这样可以突出不同立方柱的高度差异
plt.ylim((450,650))
plt.show()