12_4DataFrame和matplotlib模块

一。Dataframe的分组。

　　再网页表格数据 的分析中，可以使用以下语句进行爬取表格。

res = pd.read_html('https://baike.baidu.com/item/NBA%E6%80%BB%E5%86%A0%E5%86%9B/2173192?fr=aladdin')  ### 返回的是一个列表  列表中是当前页面的所有表格数据

　　read_html可以爬取表格，取出其中所需要的表格进行处理：

champion = res[0]
champion.columns = champion.iloc[0]  #### 将第一行的数据 赋值给 列名
champion.drop([0], inplace=True) #### 将第一行数据 删除掉

　　对于这段数据需要进行分组。分组之后进行计数即可。

champion.groupby('冠军').groups
champion.groupby('冠军').size().sort_values(ascending=False)

　　如果需要统计其他数据，只需要再groupbt中添加列表。

champion.groupby(['冠军', 'FMVP']).size()

二。DataFrame的时间数据处理。

　　处理时间需要导入一个模块。

import dateutil

　　将时间格式转化成元组

dateutil.parser.parse("2019 Jan 2nd") 
datetime.datetime(2019, 1, 2, 0, 0)

　　转化列表时间

pd.to_datetime(['2018-01-01', '2019-02-02'])
DatetimeIndex(['2018-01-01', '2019-02-02'], dtype='datetime64[ns]', freq=None)

　　生成时间序列

pd.date_range("2019-1-1","2019-2-2", freq='M')
DatetimeIndex(['2019-01-31'], dtype='datetime64[ns]', freq='M')

三。matplotlib

　　首先导入这个模块

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

　　将表格支持中文：

#### windows下好使
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

　　1.折线图

　　首先需要生成一个plot画布

a = [3,1,10,6]  ### 默认显示Y轴的值
plt.plot(a)   #### plot()画折现图的函数
plt.show()   #### 显示画的图表

　　需要将一个列表放入该画布展示。

　　如果需要同时键入x轴和y轴，可以输入两个：

plt.plot(x, y, color='k', marker='D', linestyle=':')   ### 画图
plt.show()       ### 显示

　　如果需要设置画布大小可以使用以下语句：

x = [2,5,7,10]
y = [1,2,3,4]

plt.figure(figsize=(10,6))  #### 设置画布大小

　　可以设置图的标签和x轴y轴

plt.title('title标题', fontsize=20, color='red')  #### 设置图表的标题
plt.xlabel('x轴', fontsize=20)   #### 设置x轴的值
plt.ylabel('y轴', fontsize=20)   #### 设置y轴的值

　　其中设置的点数可以通过color，marker，linestyle进行设置。也可以通过plot？进行查询。

　　

　　2.柱状图

　　首先获取数据：

df = pd.read_csv('./douban_movie.csv')
df.head()

　　将获取到的数据进行处理：

res = df.groupby('产地').size().sort_values(ascending=False)

　　再生成一个bar柱状图，进行个性化设计

x = res.index
y = res.values
plt.figure(figsize=(20,6))

plt.title('每个国家或者地区的电影数量', fontsize=20)
plt.xticks(rotation=90, fontsize=15, color='red')   ##### 设置x轴字体的大小和颜色
plt.xlabel('产地', fontsize=20)

plt.yticks(fontsize=15)
plt.ylabel('数量', fontsize=20)

　　如果需要在每个柱状上显示数字，需要进行xy轴的定位

for a, b in zip(x,y):
#     plt.text?
    plt.text(a, b+100, b, horizontalalignment='center', fontsize=13)

plt.bar(x, y)
# plt.savefig?
plt.show()

 3.曲线图

　　绘制曲线图数据处理：

res = df.groupby(['年代']).size().sort_index()  ### sort_values 按照值进行排序  sort_index 按照索引进行排序
res = res[:-2]

　　曲线图主要是plot，数据比较多的情况：

x = res.index
y = res.values
plt.figure(figsize=(10,6))
plt.title('历年电影上映数量', fontsize=20, color='red')
plt.xlabel('年代', fontsize=15)
plt.xticks(fontsize=13, color='green')
plt.ylabel('数量', fontsize=20, color='blue')
plt.yticks(color='blue', fontsize=13)
plt.plot(x, y)
plt.show()

　　4.绘制饼图：

　　饼图中的重点在于使用cut

　　cut中传入两个参数，返回值会根据第二个参数切分区域，并将第一个参数中的数值匹配这些区域，如果匹配不上就返回nan。

pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1,3,5])
[NaN, NaN, (3.0, 5.0], (3.0, 5.0], NaN, (1.0, 3.0]]
Categories (2, interval[int64]): [(1, 3] < (3, 5]]

　　所以，需要将数据获取，放入其中进行切分：

df_res = df['时长']
res = pd.cut(df_res, [0,60,90,120, 140, 1000]) ### df_res 是待分割的源数据  [0,60,90,120, 140, 1000] 是区间 左开右闭

　　输出的值是所有电影的归类，这个时候需要对其value_count获取值计数。

res = res.value_counts()
(90, 120]      16578
(0, 60]        10324
(60, 90]        7727
(120, 140]      2718
(140, 1000]     1386

　　最后对数据进行个性化设置：

x = res.index
y = res.values
plt.title('电影时长分布饼图', fontsize=20)

patch, l_text, p_text = plt.pie(y, labels = x, autopct='%.2f%%')

for p in p_text:
    p.set_size(15)
    p.set_color('white')

for l in l_text:
    l.set_size(13)
    l.set_color('r')
    
plt.show()

　　hist：直方图。

　　画图工具：

　　echarts 和 highcharts 。