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。
undefined
import matplotlib.pyplot as plt
plt.style.use('classic')
import numpy as np
import pandas as pd
rng = 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。
undefined
import seaborn as sns
sns.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 *********#
Original: https://blog.csdn.net/m0_56494324/article/details/121275883
Author: 南风不竞呀
Title: Educoder Basemap和Seaborn 第一关:Seaborn
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/768323/
转载文章受原作者版权保护。转载请注明原作者出处!