Matplotlib學習---用matplotlib畫折線圖（line chart）
這裏利用Jake Vanderplas所著的《Python數據科學手冊》一書中的數據，學習畫圖。
數據地址：https://raw.githubusercontent.com/jakevdp/data-CDCbirths/master/births.csv
準備工作：先導入matplotlib和pandas，用pandas讀取csv文件，然後創建一個圖像和一個坐標軸
import pandas as pd from matplotlib import pyplot as plt birth=pd.read_csv(r"https://raw.githubusercontent.com/jakevdp/data-CDCbirths/master/births.csv") fig,ax=plt.subplots()
這個數據文件比較大，在用print(birth.head())和print(birth.tail())分別查看前後5行數據後，發現day這一列的數據中有null字樣。
用print(birth[birth["day"]!="null"])命令查看沒有null字樣的數據（此處只截取部分）：
year month day gender births
0 1969 1 1 F 4046
1 1969 1 1 M 4440
2 1969 1 2 F 4454
3 1969 1 2 M 4548
4 1969 1 3 F 4548
5 1969 1 3 M 4994
6 1969 1 4 F 4440
7 1969 1 4 M 4520
8 1969 1 5 F 4192
9 1969 1 5 M 4198
10 1969 1 6 F 4710
11 1969 1 6 M 4850
12 1969 1 7 F 4646
13 1969 1 7 M 5092
14 1969 1 8 F 4800
15 1969 1 8 M 4934
16 1969 1 9 F 4592
17 1969 1 9 M 4842
用print(birth[birth["day"]=="null"])命令查看有null字樣的數據（此處只截取部分）：
year month day gender births
15067 1989 1 null F 156749
15068 1989 1 null M 164052
15069 1989 2 null F 146710
15070 1989 2 null M 154047
15071 1989 3 null F 165889
15072 1989 3 null M 174433
15073 1989 4 null F 155689
15074 1989 4 null M 163432
15075 1989 5 null F 163800
15076 1989 5 null M 172892
15077 1989 6 null F 165525
15078 1989 6 null M 173823
15079 1989 7 null F 174054
15080 1989 7 null M 183063
15081 1989 8 null F 178986
15082 1989 8 null M 188074
15083 1989 9 null F 174808
15084 1989 9 null M 182962可以看出，從1989年開始，數據畫風突變，此前記錄的是每天的數據，後面記錄的是每個月的數據。
這裏我們先把1969年-1988年的數據提取出來進行統計：birth=birth.iloc[:15067]，然後用birth.info()命令查看各列數據的類型，發現day這一列數據類型是object，因此需要轉換其數據類型：
birth["day"]=birth["day"].astype(int)
接下來把year，month和day這三列的數據結合起來，用pd.to_datetime()轉化為時間序列格式。結果發生了錯誤：
ValueError: cannot assemble the datetimes: ‘int‘ object is unsliceable
網上查找原因，在Stackoverflow上有人解答是因為日期可能超出了允許的範圍：
The valid day range is between 1 and 31. Check your data again make sure all the columns are within allowable range.
現在需要把超標的地方找出來，看一看究竟是什麽錯誤。用print(birth[birth["day"]>31])命令查看day超過31的地方，結果發現有好多（此處只截取部分）：
year month day gender births
62 1969 1 99 F 26
63 1969 1 99 M 38
126 1969 2 99 F 42
127 1969 2 99 M 48
190 1969 3 99 F 64
191 1969 3 99 M 50
254 1969 4 99 F 50
255 1969 4 99 M 66
318 1969 5 99 F 54
319 1969 5 99 M 52
382 1969 6 99 F 54
383 1969 6 99 M 48
446 1969 7 99 F 24
447 1969 7 99 M 44
不清楚是什麽情況，在這裏先把這些超標數據去除：birth=birth[birth["day"]<=31]。結果發現還是不對，把數據再調出來看了之後，發現還有一些day超標，比如說2月份還有29號和30號。幹脆在pd.to_datetime()命令中加上errors=‘coerce‘參數，這樣在數據超標的地方，時間序列就會變成NaT：
birth["date"]=pd.to_datetime({"year":birth["year"],"month":birth["month"],"day":birth["day"]},errors=‘coerce‘)
運行上述命令--->給birth數據文件添加了一列---“date”，記錄時間序列。
再次查看birth數據後，發現在day超標的地方，date一列已經標上了NaT（此處只截取部分）：
year month day gender births date 0 1969 1 1 F 4046 1969-01-01 1 1969 1 1 M 4440 1969-01-01 2 1969 1 2 F 4454 1969-01-02 .. ... ... ... ... ... ... 190 1969 3 99 F 64 NaT 191 1969 3 99 M 50 NaT
現在把date一列中不是null的值提取出來：
birth=birth[birth["date"].notnull()]
接下來制作一個透視表，把1969年-1988年之間各天出生人數的平均數計算出來（此處需要導入numpy）：
birth_by_date=pd.pivot_table(birth,values="births",index=["month","day"],aggfunc=np.mean)
birth_by_date透視表如下（此處只截取部分）：
births month day 1 1 4009.225 2 4247.400 3 4500.900 4 4571.350 5 4603.625 6 4668.150 7 4706.925 8 4629.650 9 4537.775 ... 12 2 4830.300 3 4758.500 4 4718.725 5 4734.675 6 4683.050 7 4704.325 8 4803.800 9 4793.825
接下來把透視表的index改為時間序列格式，由於只需要month和day這兩項，year先隨便填一個：
birth_by_date.index=pd.DatetimeIndex([pd.datetime(2000,month,day) for (month,day) in birth_by_date.index])
現在透視表如下（此處只截取部分）：
births
2000-01-01 4009.225
2000-01-02 4247.400
2000-01-03 4500.900
2000-01-04 4571.350
2000-01-05 4603.625
2000-01-06 4668.150
2000-01-07 4706.925
2000-01-08 4629.650
2000-01-09 4537.775
終於大功告成！真不敢相信，圖還沒畫，處理數據已經花了那麽多功夫。但在實際工作中，這其實是很常見的，數據的清洗通常需要花費大部分時間。
接下來以透視表的index為x軸，values為y軸，畫折線圖：
ax.plot(birth_by_date.index,birth_by_date.values,"-")
圖像如下：
可以看出有幾處日期，出生人數驟降，因此需要在這幾個地方進行標註。同時，x軸的刻度值要改成12個月份，y軸要加上標簽，整個圖再拉長一點，再加上標題。這樣，這個折線圖就基本完美了。
完整代碼如下：
import numpy as np import pandas as pd import matplotlib as mpl from matplotlib import pyplot as plt birth=pd.read_csv(r"https://raw.githubusercontent.com/jakevdp/data-CDCbirths/master/births.csv") fig,ax=plt.subplots(figsize=(12,4)) birth=birth.iloc[:15067] birth["day"]=birth["day"].astype(int) birth["date"]=pd.to_datetime({"year":birth["year"],"month":birth["month"],"day":birth["day"]},errors=‘coerce‘) birth=birth[birth["date"].notnull()] birth_by_date=pd.pivot_table(birth,values="births",index=["month","day"],aggfunc=np.mean) birth_by_date.index=pd.DatetimeIndex([pd.datetime(2000,month,day) for (month,day) in birth_by_date.index]) ax.plot(birth_by_date.index,birth_by_date.values,"-") ax.set(ylabel="average daily births",title="USA births by day of year (1969-1988)",xlim=("2000-01","2001-01")) ax.grid(True) #顯示網格 t=birth_by_date.stack() #把透視表展開 #在相應的地方標上節日名稱 ax.text("2000-01-01",t["2000-01-01"],"New Year‘s Day") ax.text("2000-07-04",t["2000-07-04"]-60,"Independence Day",ha="center") ax.text("2000-09-04",t["2000-09-01"]-60,"Labor Day",ha="center") ax.text("2000-10-31",t["2000-10-31"]-60,"Halloween",ha="center") ax.text("2000-11-25",t["2000-11-27"]-60,"Thanksgiving",ha="center") ax.text("2000-12-25",t["2000-12-25"],"Christmas",ha="right") #設置x軸刻度值為月份，並使其居中 ax.xaxis.set_major_locator(mpl.dates.MonthLocator()) ax.xaxis.set_minor_locator(mpl.dates.MonthLocator(bymonthday=15)) ax.xaxis.set_major_formatter(plt.NullFormatter()) ax.xaxis.set_minor_formatter(mpl.dates.DateFormatter(‘%h‘)) plt.show()
最終圖像如下：
Matplotlib學習---用matplotlib畫折線圖（line chart）