👂?逝年 - 夏小虎 - 單曲 - 網(wǎng)易云音樂(lè)

目錄

👊Matplotlib綜合應(yīng)用：空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)的圖形化展示

🌼1，AQI時(shí)序變化特點(diǎn)

🌼2，AQI分布特征 + 相關(guān)性分析

🌼3，優(yōu)化圖形

---

👊Matplotlib綜合應(yīng)用：空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)的圖形化展示

🌼1，AQI時(shí)序變化特點(diǎn)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文顯示亂碼問(wèn)題
plt.rcParams['axes.unicode_minus']=Falsedata=pd.read_excel('北京市空氣質(zhì)量數(shù)據(jù).xlsx')
data=data.replace(0,np.NaN) #數(shù)據(jù)框函數(shù)replace()將0替換為缺失值NaNplt.figure(figsize=(10,5)) #plt.figure說(shuō)明圖形一般特征, 此處指定寬10, 高5
plt.plot(data['AQI'],color='black',linestyle='-',linewidth='0.5') #plt.plot繪制折線(xiàn)圖,并指定顏色等
plt.axhline(y=data['AQI'].mean(),color='red',linestyle='-',linewidth='0.5',label='AQI總平均值') #plt.axhline在參數(shù)y指定位置，畫(huà)平行于橫坐標(biāo)的直線(xiàn)
data['年']=data['日期'].apply(lambda x:x.year)AQI_mean=data['AQI'].groupby(data['年']).mean().values #分組計(jì)算各年AQI平均值
year=['2014年','2015年','2016年','2017年','2018年','2019年'] 
col=['red','blue','green','yellow','purple','brown']
for i in range(6): #for循環(huán)繪制多條平行橫坐標(biāo)的直線(xiàn)plt.axhline(y=AQI_mean[i],color=col[i],linestyle='--',linewidth='0.5',label=year[i])plt.title('2014至2019年AQI時(shí)間序列折線(xiàn)圖') #plt.title()標(biāo)題
plt.xlabel('年份') #plt.xlabel()橫坐標(biāo)
plt.ylabel('AQI') #plt.ylabel()縱坐標(biāo)
plt.xlim(xmax=len(data), xmin=1) #plt.xlim橫坐標(biāo)范圍
plt.ylim(ymax=data['AQI'].max(),ymin=1) #plt.ylim縱坐標(biāo)范圍
plt.yticks([data['AQI'].mean()],['AQI平均值']) #指定刻度上給出標(biāo)簽 
plt.xticks([1,365,365*2,365*3,365*4,365*5],['2014','2015','2016','2017','2018','2019'])
plt.legend(loc='best') #plt.legend()指定位置顯示圖例
plt.text(x=list(data['AQI']).index(data['AQI'].max()),y=data['AQI'].max()-20,s='空氣質(zhì)量最差日',color='red') #plt.text()指定行列位置顯示文字plt.show() #plt.show()本次繪圖結(jié)束

🌼2，AQI分布特征 + 相關(guān)性分析

本節(jié)利用Matplotlib，對(duì)空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)做如下圖形化展示：

• 線(xiàn)圖----年均AQI變化特點(diǎn)
• 直方圖----AQI整體分布特征
• 散點(diǎn)圖----AQI和PM2.5的相關(guān)性
• 餅圖----空氣質(zhì)量等級(jí)分布特征

具體代碼

import warnings #導(dǎo)入warnings模塊
warnings.filterwarnings(action='ignore') #忽略警告信息
plt.figure(figsize=(10,5)) #指定寬10, 高5plt.subplot(2,2,1) #繪圖區(qū)域分為2行2列共4個(gè)單元, 下個(gè)圖在第1個(gè)單元展示
plt.plot(AQI_mean, color='black',linestyle='-',linewidth='0.5') #plt.plot()繪制折線(xiàn)圖
plt.title('各年AQI均值折線(xiàn)圖')
plt.xticks([0,1,2,3,4,5,6],['2014','2015','2016','2017','2018','2019']) #plt.xticks指定刻度給出標(biāo)簽plt.subplot(2,2,2) #繪圖區(qū)域分2行2列共4個(gè)單元, 下個(gè)圖在第2個(gè)單元展示
plt.hist(data['AQI'],bins=20) #plt.hist()繪制直方圖, 包含20個(gè)柱形條, 將數(shù)據(jù)分成20組
plt.title('AQI直方圖')plt.subplot(2,2,3) 
plt.scatter(data['PM2.5'],data['AQI'],s=0.5,c='green',marker='.') #plt.scatter()繪制散點(diǎn)圖,s大小,c顏色,marker形狀
plt.title('PM2.5與AQI散點(diǎn)圖')
plt.xlabel('PM2.5') #橫坐標(biāo)
plt.ylabel('AQI') #縱坐標(biāo)plt.subplot(2,2,4)
tmp=pd.value_counts(data['質(zhì)量等級(jí)'],sort=False) #等同： tmp=data['質(zhì)量等級(jí)'].value_counts()
share=tmp/sum(tmp)
labels=tmp.index
explode=[0,0.2,0,0,0,0.2,0]
plt.pie(share, explode=explode,labels=labels,autopct='%3.1f%%',startangle=180,shadow=True) #plt.pie繪制餅圖
plt.title('空氣質(zhì)量整體情況餅圖')

效果

據(jù)圖分析

1，折線(xiàn)圖：呈快速下降趨勢(shì)

2，直方圖：呈不對(duì)成分布

3，散點(diǎn)圖：PM2.5和AQI存在一定程度的正相關(guān)

4，餅圖：空氣良占比最高

🌼3，優(yōu)化圖形

2中的四幅圖，出現(xiàn)了重疊現(xiàn)象，下面我們進(jìn)行優(yōu)化調(diào)整

fig, axes=plt.subplots(nrows=2,ncols=2,figsize=(12,10)) #設(shè)置寬高,分成2行2列4個(gè)單元,結(jié)果賦值給fig和axes對(duì)象
#fig設(shè)置整個(gè)圖特征,axes對(duì)應(yīng)每個(gè)單元格對(duì)象
axes[0,0].plot(AQI_mean,color='black',linestyle='-',linewidth=0.5) #axes[0,0]表示第一行第一列單元格
axes[0,0].set_title('各年AQI均值折線(xiàn)圖') #設(shè)置標(biāo)題
axes[0,0].set_xticks([0,1,2,3,4,5,6]) #坐標(biāo)軸標(biāo)簽
axes[0,0].set_xticklabels(['2014','2015','2016','2017','2018','2019']) #坐標(biāo)刻度
axes[0,1].hist(data['AQI'],bins=20)
axes[0,1].set_title('AQI直方圖')
axes[0,1].scatter(data['PM2.5'],data['AQI'],s=0.5,c='green',marker='.')
axes[1,0].set_title('PM2.5與AQI散點(diǎn)圖')
axes[1,0].set_xlabel('PM2.5')
axes[1,0].set_ylabel('AQI')
axes[1,1].pie(share,explode=explode,labels=labels,autopct='%3.1f%%',startangle=180,shadow=True)
axes[1,1].set_title('空氣質(zhì)量整體情況餅圖')fig.subplots_adjust(hspace=0.5) #.subplots_adjust調(diào)整各圖形單元行和列之間的距離
fig.subplots_adjust(wspace=0.5)

🌼總結(jié)

第2章--Python機(jī)器學(xué)習(xí)基礎(chǔ)--告一段落，需要說(shuō)明的是，Scikit-learn是專(zhuān)門(mén)面向機(jī)器學(xué)習(xí)的Python第三方包，可支持?jǐn)?shù)據(jù)預(yù)處理，數(shù)據(jù)降維，數(shù)據(jù)的分類(lèi)和回歸建模，聚類(lèi)，模型評(píng)價(jià)和選擇等各種機(jī)器學(xué)習(xí)建模應(yīng)用，它后在后續(xù)章節(jié)講到