Python数据可视化（微课版） 课件 第4章 Python时间数据可视化

Python数据可视化：时间数据的呈现汇报人：AiPPT汇报时间：20XX.X时间数据在大数据中的应用连续型时间数据可视化离散型时间数据可视化010203目录习题实训：Matplotlib绘图与主题更改0405202X202X202X202X01时间数据在大数据中的应用时间数据是大数据的“体量”基础，如金融、商业、社会经济指标等数据都随时间积累，为政策制定、战略调整提供依据。时间数据分为连续型和离散型，连续型如气温、股票价格，离散型如交易时间、社交媒体帖子发布时间，可视化目的是揭示随时间变化趋势。01可视化是理解时间数据的关键工具，能将复杂时间序列转换为直观图形。Python的Matplotlib和Seaborn等库可创建多种时间数据图表，从基础折线图到复杂热图和脊线图。02时间数据的关键作用可视化工具与方法时间数据的重要性与分类探讨关键问题通过可视化探讨时间数据中的稳定因素、变化方向、背后原因、不同数据变化一致性、相关性及周期性规律等。这些变化模式蕴含深刻信息，需通过时间维度深入观察分析才能完全揭示。可视化策略与技巧本章后续将深入研究时间数据可视化方式，介绍有效策略和技巧，帮助更好地理解和利用时间数据。0102时间数据可视化的目的与价值202X202X202X202X02连续型时间数据可视化阶梯图基本框架如图4-1所示，使用matplotlib生成的阶梯图结果如图4-2所示，可清晰展示数据随时间的离散变化。02阶梯图是X-Y图的一种，用于Y值离散改变且在特定X值位置突变的场景，如银行利率调整。使用matplotlib生成阶梯图，代码示例展示了设置中文字体、正常显示负号、数据点及生成阶梯图的方法。01阶梯图的定义与用途阶梯图的应用示例阶梯图折线图用直线段连接数据点显示变化趋势，适用于展现人口增长、书籍销售量等时间数据。折线图基本框架如图4-3所示，横轴长度影响曲线趋势展现，合理设置横轴长度很重要。折线图的特点与适用场景使用matplotlib生成折线图，代码示例包括设置图表标题、坐标轴标签、数据点及创建折线图的方法。使用Matplotlib生成的折线图结果如图4-4所示，能直观呈现数据变化的整体趋势。折线图的生成与展示折线图南丁格尔玫瑰图由弗罗伦斯·南丁格尔发明，又名极坐标面积图，适用于绘制比较、随时间变化的循环现象。与传统饼图相比，南丁格尔玫瑰图更绚丽直观，应用广泛，基本框架如图4-5所示。”使用pyecharts生成南丁格尔玫瑰图，代码示例展示了准备数据、设置颜色、添加数据、设置全局和系列配置项及生成html文档的方法。使用Pyecharts生成的南丁格尔玫瑰图结果如图4-6所示，能有效展示数据的分布和变化。”南丁格尔玫瑰图的起源与优势南丁格尔玫瑰图的生成与示例南丁格尔玫瑰图热图的原理与适用范围热图通过色彩变化显示数据，适用于交叉检查多变量数据、显示变量间差异、相似性及相关性。热图示例如图4-7所示，依赖颜色表达数值，难以提取特定数据点或准确指出色块间差异。热图的生成与展示使用matplotlib生成热图，代码示例包括导入库、设置中文字体、正常显示负号、生成示例数据、创建热图、添加颜色条及设置标题和坐标轴标签的方法。使用Matplotlib生成的热图结果如图4-8所示，可直观呈现数据的分布和差异。热图脊线图的生成与示例生成脊线图需配合seaborn使用，代码示例展示了设置样式、中文字体、正常显示负号、生成数据、初始化图和轴、绘制分布、调整布局及显示图表的方法。使用seaborn生成的脊线图结果如图4-10所示，能清晰展示数据的集中趋势、离散程度及峰值。脊线图的特点与优势脊线图通过连续线条和填充颜色表示数据分布，便于比较不同组或类别的数据分布特征和整体趋势。与普通密度图相比，脊线图可并排展示多个密度图，但处理大量组别或展示具体数据点细节有限。脊线图202X202X202X202X03离散型时间数据可视化离散型时间数据的定义离散型时间数据又称不连续性时间数据，在任何两个时间点之间个数有限，数据来自具体时间点或时段，可能数值也有限。例如每届奥运会奖牌总数、各国金牌数、各资格考试每年通过率等都是离散数据。离散型时间数据的可视化处理下文将介绍如何对离散型时间数据进行可视化处理，包括散点图、柱形图、堆叠柱形图和点线图等方法。离散型时间数据的特点与实例散点图的定义与用途散点图是数理统计回归分析中数据点在直角坐标系平面上的分布图，表示因变量随自变量变化趋势，可拟合函数关系。对于离散时间数据，水平轴表示时间，垂直轴表示数值，基本框架如图4-11所示。散点图的生成与展示使用matplotlib生成散点图，代码示例包括设置中文字体、正常显示负号、示例数据、创建散点图及设置图表标题和坐标轴标签的方法。使用Matplotlib生成的散点图结果如图4-12所示，能直观呈现数据随时间的变化趋势。散点图14%25%柱形图的特点与适用场景柱形图又称条形图、直方图，以高度或长度差异显示统计指标数值，简明醒目，常用于显示一段时间内数据变化或各项间比较情况。柱形图基本框架如图4-13所示，柱形高度体现数值大小，合理选择柱形宽度很重要。柱形图的生成与展示使用matplotlib生成柱形图，代码示例包括设置中文字体、正常显示负号、示例数据、创建柱形图及设置图表标题和坐标轴标签的方法。使用Matplotlib生成的柱形图结果如图4-14所示，能清晰展示数据的分布和比较。柱形图堆叠柱形图是普通柱形图的变体，在一个柱形上叠加一个或多个其他柱形，适用于数据存在子分类且相加有意义的情况。堆叠柱形图基本框架如图4-15所示，可展示多个数据类别在特定时间点的累积值。堆叠柱形图的特点与用途使用matplotlib生成堆叠柱状图，代码示例包括设置中文字体、正常显示负号、示例数据、绘制第一部分和第二部分柱子、设置图表标题和坐标轴标签及添加图例的方法。使用Matplotlib生成的堆叠柱状图结果如图4-16所示，能直观呈现数据的累积和比较。堆叠柱形图的生成与展示堆叠柱形图点线图的生成与展示使用matplotlib生成点线图，代码示例包括设置中文字体、正常显示负号、生成示例数据、创建点线图及添加标题和坐标轴标签的方法。使用Matplotlib生成的点线图结果如图4-18所示，能清晰呈现数据的分布和变化。点线图的特点与用途点线图是离散型数据可视化的一种形式，是柱形图的变形，更聚焦端点，一般示例如图4-17所示。股市中有一种特殊点线图，一条线表示交易时段，一个点表示收市价，线高低点表示最高价及最低价，如图4-19所示，可让投资者了解市价与交易时段高低价关系及市场气氛倾向。点线图202X202X202X202X04习题时间数据应用领域在大数据中，时间数据的主要应用包括股票交易、商品销售、社交媒体分析等，答案为D.上述所有。连续型时间数据定义连续型时间数据指的是连续记录的数据，答案为B.连续记录的数据。不适合表示连续型时间数据的图形柱形图不适合表示连续型时间数据，答案为C.柱形图。离散时间数据记录类型离散时间数据更倾向于记录特定时间点的事件，答案为B.特定时间点的事件。堆叠柱形图通常用于展示多个数据类别在特定时间点的累积值，答案为C.多个数据类别在特定时间点的累积值。堆叠柱形图用途选择题所有数据都是带有时间标签的，答案为正确。所有数据带时间标签时间序列数据不仅在金融领域有应用，还在其他领域广泛应用，答案为错误。时间序列数据应用范围折线图能有效表示时间数据的变化趋势，答案为错误。折线图表示时间数据变化趋势离散型时间数据可以用散点图表示，答案为错误。离散型时间数据表示方法可视化是理解时间数据的关键工具，答案为正确。可视化与时间数据理解判断题0102030405时间数据应用维度连续型时间数据常用图形离散型时间数据典型例子Python数据可视化库阶梯图适用场景时间数据在大数据中的应用主要依赖于其作为一个关键的时间维度。折线图是表示连续型时间数据常用的图形之一。离散型时间数据的一个典型例子是交易发生的时间。使用Python的数据可视化库，如Matplotlib和Seaborn，可以创建各种表现时间数据的图表。阶梯图通常用于表示Y值发生离散改变的场景。填空题01连续型和离散型时间数据区别连续型时间数据是连续记录的数据，如气温、股票价格；离散型时间数据是特定时间点的事件记录，如交易时间、社交媒体帖子发布时间。02阶梯图应用场景阶梯图适用于Y值发生离散改变的场景，如银行利率调整，可清晰展示数据在特定时间点的突变。03柱形图表示时间数据方法使用柱形图表示时间数据时，水平轴表示时间，垂直轴表示数值，柱形高度体现数值大小，可直观展示数据在不同时间点的分布和比较。04可视化与时间数据理解可视化能将复杂的时间序列转换为直观图形，使我们能快速捕捉数据中的模式和趋势，从而更好地理解和利用时间数据。05选择可视化图形方法根据时间数据的类型（连续型或离散型）和要展示的信息（如趋势、分布、比较等）选择合适的可视化图形，如连续型时间数据可选择折线图、阶梯图等，离散型时间数据可选择散点图、柱形图等。问答题对于股票价格的连续时间数据，可使用折线图展示价格随时间的连续变化趋势，也可使用阶梯图表示价格在特定时间点的调整变化。折线图能清晰呈现价格的波动，阶梯图则突出价格的离散变化。股票价格数据可视化展示某商品每月销量（离散时间数据）可选择柱形图，柱形图能直观展示每月销量的高低，便于比较不同月份的销售情况。也可选择折线图，折线图能呈现销量随时间的变化趋势，帮助分析销售的增减情况。商品每月销量可视化方案应用题202X202X202X202X05实训：Matplotlib绘图与主题更改在Python环境中使用Matplotlib库创建多种类型的图表，如折线图、柱状图、散点图、饼图等，并尝试应用不同的主题和样式改变图表外观，熟悉Matplotlib的基本绘图功能和主题更改选项，提高数据可视化的表达力和美观度。实训目标需求说明确保Python环境已正确安装，并通过pip安装Matplotlib库。导入必要的Python模块，如numpy用于数据处理，matplotlib.pyplot用于绘图。环境准备使用Matplotlib创建基本图表类型，掌握设置图表标题、轴标签、图例和颜色等方法。绘制折线图、柱状图、散点图和饼图，理解数据的不同