折线图/Line Charts

现在你已经熟悉编码环境了，是时候去学习如何制作你自己的图表了。

在这个教程中，你将学习仅用Python去绘制专业效果的折线图/line charts，之后，在下列的练习中，你将在真实世界中的数据集中展示你的新技能。

启动Notebook

我们从启动我们的编程环境开始。

In [1]:

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
print("Setup Complete")

Setup Complete

选择数据集

本教程的数据集跟踪了音乐流服务 Spotify 上的全球每日播放量，我们先专注于2017年和2018年的五首流行歌曲：

1. “Shape of You”, by Ed Sheeran (link)
2. “Despacito”, by Luis Fonzi (link)
3. “Something Just Like This”, by The Chainsmokers and Coldplay (link)
4. “HUMBLE.”, by Kendrick Lamar (link))
5. “Unforgettable”, by French Montana (link))

注意第一个日期是2017年1月6日，对应的是Ed Sheeran歌曲”The SHape of You”的发行日期。通过此表，你能看到”The Shape of You”在发布当天全球播放量是12,287,078。注意到其他歌曲在第一行没有值，那是因为它们还没有发行。

加载数据

跟你前面学到的一样，咱们还是用 pd.read_csv 加载数据。

In [2]:

# Path of the file to read
spotify_filepath = "../input/spotify.csv"
# Read the file into a variable spotify_data
spotify_data = pd.read_csv(spotify_filepath, index_col="Date", parse_dates=True)

运行完上面的两行代码后，咱们就可以通过 spotify_data 获取数据。

检查数据

咱们可以用 head 方法打印出数据的前5行。

In [3]:

# Print the first 5 rows of the data
spotify_data.head()

Out [3]:

现在检查数据的前5行跟上面的数据（你在Excel里看到的）一致。

空记录上会出现 NaN，它是“Not a Number”的缩写。

咱们当然也能看看最后5行啦，只需要一小点变化（把 .head() 改成 .tail()）：

In [4]:

# Print the last five rows of the data
spotify_data.tail()

Out [4]:

谢天谢地，一切看起来都是正确的，每首歌曲每天有数百万个全球播放量，我们可以继续绘制数据了！

绘制数据

现在数据集已被加载到了notebook，咱们仅需要一行代码就行画张折线图！

In [5]:

# Line chart showing daily global streams of each song 
sns.lineplot(data=spotify_data)

Out [5]:

/opt/conda/lib/python3.6/site-packages/pandas/plotting/_matplotlib/converter.py:102: FutureWarning: Using an implicitly registered datetime converter for a matplotlib plotting method. The converter was registered by pandas on import. Future versions of pandas will require you to explicitly register matplotlib converters.
To register the converters:
    >>> from pandas.plotting import register_matplotlib_converters
    >>> register_matplotlib_converters()
  warnings.warn(msg, FutureWarning)
<matplotlib.axes._subplots.AxesSubplot at 0x7f5329aa3940>

如同你看到的，代码真的短，有俩重要的部分：

• sns.lineplot 告诉notebook我们想要绘制一张这戏那图。

  • 你在这个课程学到的每个命令都会以 sns 开头，这指出了这些命令都是来自 seaborn 库。举例，咱们用 sns.lineplot 画折线图，很快你将学到用 sns.barplot 和 sns.heatmap 去画柱图跟热力图。

• data=spotify_data 用来选择会被用来画图的数据。

留意下你以后绘制图表时总会用相似的格式，而且唯一更改数据的方式就是数据集的名字。因此，假如你正在使用一个不用的数据集 financial_data，举例，要用如下代码:

sns.lineplot(data=financial_data)

有时还有其他细节要去调整，比如图形的大小跟图表的标题，每个选项都能被一行简单的代码配置。

In [6]:

# Set the width and height of the figure
plt.figure(figsize=(14,6))
# Add title
plt.title("Daily Global Streams of Popular Songs in 2017-2018")
# Line chart showing daily global streams of each song 
sns.lineplot(data=spotify_data)

Out [6]:

<matplotlib.axes._subplots.AxesSubplot at 0x7f532994d940>

第一行代码设置了图形大小 14 英寸宽 6 英寸高，就靠这行代码你能设置任何图形的大小。接着，你要是想用一个定制大小，可以改变14和6的值成你希望的宽度和高度。

第二行代码设置了图形的标题，要注意标题必须总是用引号（"..."）括起来。

绘制数据的子集

到这儿，你已经学会了如何为数据的所有列画出一条线，在这节，你将学习如何画出所有列的子集。

我们首先打印出所有列的名字，用一行代码就可以了，你能使用到所有的数据集上———仅仅换下数据集的名字（在这里是sporify_data）。

In [7]:

list(spotify_data.columns)

Out [7]:

['Shape of You',
 'Despacito',
 'Something Just Like This',
 'HUMBLE.',
 'Unforgettable']

下面的代码单元格中，咱们画出与数据集中前两列对应的线。

In [8]:

# Set the width and height of the figure
plt.figure(figsize=(14,6))
# Add title
plt.title("Daily Global Streams of Popular Songs in 2017-2018")
# Line chart showing daily global streams of 'Shape of You'
sns.lineplot(data=spotify_data['Shape of You'], label="Shape of You")
# Line chart showing daily global streams of 'Despacito'
sns.lineplot(data=spotify_data['Despacito'], label="Despacito")
# Add label for horizontal axis
plt.xlabel("Date")

Out [8]:

Text(0.5, 0, 'Date')

代码前两行是设置图形的大小和标题的（看起来很熟悉是吧）。

下面两行没行都添加一条线到折线图里。例如，考虑添加了”Shape of You”这条线的第一行。

# Line chart showing daily global streams of 'Shape of You'
sns.lineplot(data=spotify_data['Shape of You'], label="Shape of You")

代码看起来很像咱们用来画出数据集所有线的代码，不过有一些关键的不同：

• 我们用了 data=spotify_data['Shape of You] 代替 data=spotify_data。通常，要只绘制一列，我们使用此格式将列的名称放在单个引号中，并将其括在方括号中。（为了确保正确指定列的名称，可以使用上面学习的命令打印所有列名的列表。）

• 咱们还添加了 label="Shape of You" 以让该线出现在图例中并设置了它相应的标签。

最后一行代码修饰了水平轴（或者X轴）的标签，其中所需标签应放在引号（"..."）中。

Waht’s Next?

Put your new skills to work in a coding exercise!