Python数据分析基础 — 数据可视化（第2版）

王斌会 王术 电子工业出版社 2021.1

习题5

一、选择题

1:A 2:D 3:B 4:C 5:D 6:D 7:C 8:B

二、分析题

（请在问题下面的空白框写出代码并执行以输出结果）

1. 试说明ggplot绘图系统的优点和缺点；试述本章介绍的三种绘图系统matplotlib，seaborn和ggplot的特点。

1. 对一组50人的饮酒者所饮酒类进行调查，把饮酒者按红酒（1）、白酒（2）、黄酒（3）、啤酒（4）分成四类。调查数据如下：

3，4，1，1，3，4，3，3，1，3，2，1，2，1，3，4，1，1，3，4，3，3，1，3，2， 1，2，1，2，3，2，3，1，1，1，1，4，3，1，2，3，2，3，1，1，1，1，4，3，1。

• 请用matplotlib，seaborn和ggplot三种绘图系统绘制频数分布和统计图。

import pandas as pd
pd.set_option('display.max_rows', 8)
data52=pd.read_excel('mydata1.xlsx','5.2');data52

	酒类
0	3
1	4
2	1
3	1
...	...
46	1
47	4
48	3
49	1

50 rows × 1 columns

data521=data52.酒类.value_counts();data521

1    20
3    16
2     8
4     6
Name: 酒类, dtype: int64

types=[1,2,3,4]
counts=[20,16,8,6]
data522=pd.DataFrame({'types':types,'counts':counts});data522

	types	counts
0	1	20
1	2	16
2	3	8
3	4	6

import matplotlib.pyplot as plt
plt.bar(types,counts);    #使用matplotlib绘图系统

import seaborn as sns
sns.barplot(x=types,y=counts,ci=0,palette='Blues_d');   #使用seaborn绘图系统

from plotnine import * #导入plotnine包的绘图函数
from plotnine.data import * #导入plotnine自带的数据集
ggplot(mtcars,aes('wt','mpg',color='factor(gear)'))+geom_point()+stat_smooth(method='lm')+facet_wrap('~gear')

<ggplot: (130549121835)>

ggplot(data522,aes(x='types',y='counts'))+geom_bar(stat='identity')

<ggplot: (130549593703)>

1. economics数据集给出了美国经济增长变化的数据。该数据是数据框格式，由478行和6个变量组成，变量如下。

date：日期，单位为月份；

psavert：个人存款率；

pce：个人消费支出，单位为十亿美元；

uemploy：失业人数，单位为千人；

unempmed：失业时间中位数，单位为周；

pop：人口数，单位为千人。

• 请用matplotlib，seaborn和ggplot三种绘图系统绘制：

（1）以date为横坐标，unemploy/pop为纵坐标画折线图。

#!pip install pydataset
from plotnine.data import economics

economics

	date	pce	pop	psavert	uempmed	unemploy
0	1967-07-01	507.4	198712	12.5	4.5	2944
1	1967-08-01	510.5	198911	12.5	4.7	2945
2	1967-09-01	516.3	199113	11.7	4.6	2958
3	1967-10-01	512.9	199311	12.5	4.9	3143
...	...	...	...	...	...	...
570	2015-01-01	12080.8	320367	5.5	13.4	8979
571	2015-02-01	12095.9	320534	5.7	13.1	8705
572	2015-03-01	12161.5	320707	5.2	12.2	8575
573	2015-04-01	12158.9	320887	5.6	11.7	8549

574 rows × 6 columns

plt.plot(economics['date'],economics['unemploy']);

plt.plot(economics['date'],economics['pop']);

sns.lineplot(x=economics.date,y=economics.unemploy);

sns.lineplot(x=economics['date'],y=economics['pop']);

ggplot(economics,aes(x='date'))+geom_line(aes(y='unemploy'))

<ggplot: (130549724775)>

ggplot(economics,aes(x='date'))+geom_line(aes(y='pop'))

<ggplot: (130549755516)>

（2）以date为横坐标，unempmed为纵坐标画折线图。

plt.plot(economics.date,economics.uempmed);

sns.lineplot(x=economics.date,y=economics.uempmed);

ggplot(economics,aes(x='date'))+geom_line(aes(y='uempmed'))

<ggplot: (130549829690)>