W5: 資料視覺化

# W5: 資料視覺化 ## Source - 應⽤機器學習於Python C1 - 大數據分析與資料探勘 W4 - colab 圖表顯示中文 : https://colab.research.google.com/github/willismax/matplotlib_show_chinese_in_colab/blob/master/matplotlib_show_chinese_in_colab.ipynb#scrollTo=AByB62T315mR ## 課堂投影片與練習 - [ ] **教學目標：** * 理解資料視覺化在資料分析中的重要性. * 熟悉使用 Matplotlib 繪製常見的統計圖表. * 學習如何客製化圖表 (標題、座標軸、顏色、線條等). * 了解如何在圖表中顯示中文. * 掌握使用 Pandas 結合 Matplotlib 快速繪製圖表的方法. * 能夠選擇適合的圖表類型來呈現不同類型的資料和關係. * **適合對象：** 完成資料前處理與分析單元的同學，想要學習如何用圖形呈現分析結果. --- - [ ] **為什麼需要資料視覺化？** * 「一張圖勝過千言萬語」. * **更好的理解資料：** * 快速了解資料的分佈和趨勢. * 更容易發現資料中的模式、異常值、或變數之間的關係. * 彌補單純數字描述性統計的不足. * **有效的溝通：** 將複雜的資料分析結果以直觀的方式呈現給他人. * **協助決策：** 清晰的圖表有助於更明智的決策. * 資料視覺化是資料探索 (Data Exploration) 的重要環節. --- - [ ] **常用的資料視覺化工具** * **Matplotlib：** Python 最主要的 2D 繪圖模組，功能強大且客製化選項多. * 常用 `matplotlib.pyplot` 子模組，習慣縮寫為 `plt`. * 與 Jupyter Notebook 相容性高 (`%matplotlib inline`). * **Seaborn：** 基於 Matplotlib，提供了更美觀的預設風格和許多高階繪圖函數，特別適合統計圖形. (課程中可能提及但主要以 Matplotlib 和 Pandas 繪圖為主) * **Pandas：** Pandas DataFrame 物件內建了繪圖功能，可以方便地直接從 DataFrame 繪製圖表，底層是使用 Matplotlib 實現. --- - [ ] **Matplotlib 基本使用** * **匯入 Matplotlib：** `import matplotlib.pyplot as plt`. * **設定圖表風格：** `plt.style.use('風格名稱')`. 常用的風格有 'ggplot'. * **繪製圖形：** 使用 `plt` 的各種函數 (如 `plt.plot()`, `plt.scatter()`, `plt.hist()`, `plt.bar()`, `plt.boxplot()`). 這些函數通常需要資料點的座標 (x, y 串列或 array). * **顯示圖形：** `plt.show()`. 在 Jupyter Notebook 中使用 `%matplotlib inline` 後，通常可以省略 `plt.show()`，圖形會自動顯示. ```python= import matplotlib.pyplot as plt import numpy as np # 設定風格 plt.style.use('ggplot') # 生成範例資料 x = np.arange(0, 10, 1) y = x ** 2 # 繪製折線圖 plt.plot(x, y, label='y = x^2') # 加入標題與標籤 plt.title('example') plt.xlabel('X axis') plt.ylabel('Y axis') plt.legend() # 顯示圖形 plt.show() ``` --- - [ ] **常見圖表類型與繪製** * **散佈圖 (Scatter Plot)：** 呈現兩個變數之間的關係，常檢查相關性. * `plt.scatter(x, y)`. * **長條圖 (Bar Chart)：** 呈現不同類別的數據大小比較，或類別變數的分佈狀態. * `plt.bar(x_labels, y_values)`. x 軸通常是類別標籤，y 軸是數值. * **直方圖 (Histogram)：** 呈現單一數值變數的數據分佈頻率. * `plt.hist(data_values, bins=數量)`. `bins` 指定分多少個區間. * **折線圖 (Line Chart)：** 呈現數據隨時間或其他有序變數變化的趨勢. * `plt.plot(x_ordered, y_values)`. x 軸通常是時間或順序. * **盒鬚圖 (Box Plot)：** 呈現數據的分散情形、中位數、四分位數，並常用於識別異常值. * `plt.boxplot(data_values_list)`. * **熱圖 (Heatmap)：** 使用顏色深淺表示矩陣中數值高低的圖，常用於顯示相關係數矩陣，快速了解變數之間的關聯性. * 通常結合 Seaborn 繪製，但 Matplotlib 也可以實現. ```python= import matplotlib.pyplot as plt import numpy as np # 散佈圖 np.random.seed(0) x_scatter = np.random.rand(50) * 10 y_scatter = x_scatter + np.random.randn(50) * 5 plt.scatter(x_scatter, y_scatter) plt.title('散佈圖') plt.xlabel('X') plt.ylabel('Y') plt.show() # 長條圖 categories = ['A', 'B', 'C', 'D'] values = [23, 45, 12, 30] plt.bar(categories, values) plt.title('長條圖') plt.xlabel('類別') plt.ylabel('數值') plt.show() # 直方圖 data_hist = np.random.randn(1000) plt.hist(data_hist, bins=30) plt.title('直方圖') plt.xlabel('值') plt.ylabel('頻率') plt.show() # 折線圖 x_line = np.arange(0, 10, 1) y_line = np.sin(x_line) plt.plot(x_line, y_line) plt.title('折線圖') plt.xlabel('X') plt.ylabel('Y') plt.show() # 盒鬚圖 data_box = [np.random.randn(100) for _ in range(4)] plt.boxplot(data_box) plt.title('盒鬚圖') plt.xlabel('組別') plt.ylabel('值') plt.show() ``` - 常見圖表類型與繪製 - Heatmap example ```python= import matplotlib.pyplot as plt import numpy as np # 建立 10x10 的隨機資料矩陣 data = np.random.rand(10, 10) # 繪製熱圖 plt.imshow(data, cmap='viridis', interpolation='nearest') plt.colorbar() # 顯示色條 plt.title('Heatmap Example') plt.xlabel('X Axis') plt.ylabel('Y Axis') plt.show() ``` --- - [ ] **課堂練習：繪製基本圖表** 1. **任務：** 載入波士頓房價資料集 (或使用前一個單元處理後的 DataFrame `df`)。 2. **任務：** 選擇兩個數值欄位 (例如 'RM' 代表平均房間數，'MEDV' 代表房價)，繪製它們之間的**散佈圖**，觀察它們是否有相關性。 3. **任務：** 選擇一個數值欄位 (例如 'AGE' 代表房屋年齡)，繪製其**直方圖**，觀察房屋年齡的分佈情況。 ```python import matplotlib.pyplot as plt import pandas as pd from sklearn.datasets import load_boston import warnings warnings.filterwarnings('ignore') # 忽略 sklearn 移除警告 # 載入資料(或接續使用上一堂課的Dataframe) boston = load_boston() df = pd.DataFrame(boston.data, columns=boston.feature_names) # 任務 2：散佈圖 plt.scatter(df['RM'], df['MEDV']) plt.title('房間數 vs 房價') plt.xlabel('RM (平均房間數)') plt.ylabel('Target (房價)') plt.show() # 任務 3：直方圖 plt.hist(df['AGE'], bins=20) plt.title('房屋年齡分佈') plt.xlabel('AGE (房屋年齡)') plt.ylabel('頻率') plt.show() ``` --- - [ ] **客製化圖表** * **設定標題與座標軸名稱：** * `plt.title('圖表標題')` * `plt.xlabel('X 軸名稱')` * `plt.ylabel('Y 軸名稱')` * 可以設定 `fontsize` 調整字體大小. * **設定座標軸範圍：** * `plt.xlim(起始值, 終止值)` * `plt.ylim(起始值, 終止值)` * **設定座標軸刻度：** * `plt.xticks(刻度位置列表, 刻度標籤列表)` * `plt.yticks(...)` * **顯示圖例 (Legend)：** * 在繪圖函數中設定 `label='數據系列名稱'`. * 呼叫 `plt.legend()` 顯示圖例. * **顯示格線 (Grid)：** `plt.grid(True)`. 可以設定顏色、線型、寬度、透明度. * **變換顏色與線條樣式：** * 在繪圖函數中設定 `color='顏色'` (如 'r' 紅色, 'g' 綠色, 'b' 藍色, 或使用 RGB 色碼). * 設定 `linestyle='線型'` (如 '--' 虛線, '-' 實線). * 設定 `marker='標記樣式'` (如 'o' 圓點, 'x' 叉號). --- - [ ] **在圖表中顯示中文** * **問題：** Matplotlib 預設字體可能不包含中文字型，直接顯示中文可能會出現亂碼. * **解決方法：** 1. **設定全局字體：** 修改 Matplotlib 的運行時配置 (`plt.rcParams`)，將字體設定為支援中文的字體 (如 Windows 上的 'Microsoft JhengHei' 微軟正黑體或 'SimHei' 黑體). 2. **指定特定文字的字體：** 使用 `matplotlib.font_manager.FontProperties` 指定特定標題或標籤的字體文件路徑. ```python import matplotlib.pyplot as plt import numpy as np # 設定全局中文字體（請依照作業系統替換為可用的字體名稱） # Windows：'Microsoft JhengHei' # macOS：'Arial Unicode MS' # Linux：'WenQuanYi Zen Hei'、'Noto Sans CJK TC' 等 plt.rcParams['font.family'] = 'Microsoft JhengHei' plt.rcParams['axes.unicode_minus'] = False # 解決負號顯示問題 # 測試資料 x = np.linspace(-5, 5, 100) y = x ** 2 # 中文圖表測試 plt.plot(x, y) plt.title('測試中文標題') plt.xlabel('X 軸 - 測試') plt.ylabel('Y 軸 - 數值') plt.show() ``` --- - [ ] **繪製多個圖表 (Multiple Plots)** * **在同一張圖上繪製多條線或多個數據系列：** 直接多次呼叫繪圖函數即可. 不同函數呼叫會疊加在同一個座標軸上. * **在一個圖表區 (Figure) 中排列多張圖表 (subplots)：** * 使用 `plt.subplot(橫列數, 直欄數, 圖表索引值)` 來指定接下來繪製的圖形要放在哪個位置. 圖表索引值從 1 開始計數. * **在圖表區中使用相對位置排列圖表 (axes)：** * 使用 `plt.axes([與左邊界距離, 與下邊界距離, 長度, 寬度])`. 座標和長寬都是相對於圖表區的比例 (0 到 1 之間). 常用於繪製子母圖. ```python import matplotlib.pyplot as plt import numpy as np # 方法一：同一圖表上繪製多條線 x = np.arange(1, 6) y1 = x y2 = x ** 2 plt.plot(x, y1, label='y = x') plt.plot(x, y2, label='y = x²') plt.title('兩條線比較') plt.xlabel('X') plt.ylabel('Y') plt.legend() plt.show() # 方法二：使用 subplot 排列多張圖表 plt.figure(figsize=(10, 4)) # 左圖：折線圖 plt.subplot(1, 2, 1) plt.plot(x, y2, color='blue') plt.title('子圖 A') # 右圖：長條圖 plt.subplot(1, 2, 2) plt.bar(['A', 'B', 'C'], [5, 3, 7]) plt.title('子圖 B') plt.tight_layout() # 自動調整間距 plt.show() ``` --- - [ ] **課堂練習：客製化與多圖繪製** 1. **任務：** 使用波士頓房價資料集 (df)。選擇 'RM' (平均房間數) 和 'MEDV' (房價) 繪製散佈圖。 2. **任務：** 為該散佈圖加上標題、X 軸名稱、Y 軸名稱。嘗試調整標題的字體大小。 3. **任務：** 設定圖表的 Y 軸範圍，讓它從 0 開始到 60。 4. **任務：** (進階) 在一個圖表區中，使用 `subplot` 將 'RM' vs 'MEDV' 的散佈圖和 'AGE' 的直方圖並列顯示 (例如 1 橫列 2 直欄)。 ```python import matplotlib.pyplot as plt import pandas as pd from sklearn.datasets import fetch_openml # 載入波士頓房價資料集 (OpenML) boston = fetch_openml(name="boston", version=1, as_frame=True) df = boston.frame # 任務 1, 2, 3：繪製散佈圖並加標題、設定軸範圍 plt.scatter(df['RM'], df['MEDV']) plt.title('房間數 vs 房價散佈圖', fontsize=14) plt.xlabel('RM (平均房間數)') plt.ylabel('MEDV (房價)') plt.ylim(0, 60) plt.show() # 任務 4：subplot 畫兩張圖 plt.figure(figsize=(12, 5)) # 圖表 A：房間數 vs 房價（散佈圖） plt.subplot(1, 2, 1) plt.scatter(df['RM'], df['MEDV']) plt.title('房間數 vs 房價') plt.xlabel('RM') plt.ylabel('MEDV') # 圖表 B：AGE 分佈（直方圖） plt.subplot(1, 2, 2) plt.hist(df['AGE'], bins=20) plt.title('房屋年齡分佈') plt.xlabel('AGE') plt.ylabel('頻率') plt.tight_layout() plt.show() ``` --- - [ ] **使用 Pandas 繪製圖表** * **優點：** Pandas DataFrame 直接整合了繪圖功能，語法更簡潔方便. * **如何使用：** 直接在 DataFrame 物件上呼叫 `.plot()` 方法. * **指定圖表類型：** 使用 `kind` 參數，如 `kind='bar'`, `kind='line'`, `kind='scatter'`, `kind='hist'`, `kind='box'` 等. * **設定圖表參數：** `.plot()` 方法也接受許多與 Matplotlib 相似的參數 (如 title, xlabel, ylabel, figsize, legend, grid, xlim, ylim 等). * **在 Jupyter Notebook 中顯示圖形：** 需要先執行 `%matplotlib inline` 指令. ```python import pandas as pd import matplotlib.pyplot as plt from sklearn.datasets import fetch_openml # 載入波士頓房價資料集 boston = fetch_openml(name='boston', version=1, as_frame=True) df = boston.frame # 繪製 'MEDV'（房價）的直方圖 df['MEDV'].plot(kind='hist', bins=20, title='房價分佈') plt.xlabel('房價') plt.ylabel('頻率') plt.show() # 繪製 'RM' vs 'MEDV' 的散佈圖 df.plot(kind='scatter', x='RM', y='MEDV', title='房間數 vs 房價') plt.xlabel('平均房間數 (RM)') plt.ylabel('房價 (MEDV)') plt.show() # 繪製多個欄位的盒鬚圖（檢查異常值） df[['CRIM', 'ZN', 'INDUS']].plot(kind='box', title='CRIM, ZN, INDUS 的盒鬚圖') plt.show() ``` --- - [ ] **課堂練習: 使用 Pandas 繪圖** 1. **任務：** 載入波士頓房價資料集 (或使用處理後的 DataFrame `df`)。 2. **任務：** 使用 Pandas 的 `.plot()` 方法，繪製 'CRIM' (人均犯罪率) 欄位的**直方圖**。為圖表加上標題。 3. **任務：** 使用 Pandas 的 `.plot()` 方法，選擇 'DIS' (距離市中心的加權平均距離) 和 'target' (房價) 繪製它們之間的**散佈圖**。為圖表加上標題和座標軸標籤。 4. **任務：** 使用 Pandas 的 `.plot()` 方法，繪製 'NOX' (一氧化氮濃度) 和 'PTRATIO' (學生-教師比例) 這兩個欄位的**盒鬚圖**，觀察它們的數據分佈和是否存在異常值。 ```python import pandas as pd import matplotlib.pyplot as plt from sklearn.datasets import fetch_openml # 載入資料 boston = fetch_openml(name='boston', version=1, as_frame=True) df = boston.frame # 任務 2：繪製 CRIM 的直方圖 df['CRIM'].plot(kind='hist', bins=30, title='犯罪率分佈') plt.xlabel('CRIM (人均犯罪率)') plt.ylabel('頻率') plt.show() # 任務 3：DIS vs MEDV 的散佈圖 df.plot(kind='scatter', x='DIS', y='MEDV', title='距離市中心距離 vs 房價') plt.xlabel('DIS (距離市中心距離)') plt.ylabel('MEDV (房價)') plt.show() # 任務 4：NOX 和 PTRATIO 的盒鬚圖 df[['NOX', 'PTRATIO']].plot(kind='box', title='NOX 與 PTRATIO 的盒鬚圖') plt.ylabel('數值') plt.show() ``` --- - [ ] **單元總結** * 資料視覺化是理解資料、發現模式、和呈現分析結果的強大工具. * Matplotlib 是 Python 中基礎且功能豐富的繪圖庫，提供多樣化的客製化選項. * 掌握常見圖表類型 (散佈圖、長條圖、直方圖、折線圖、盒鬚圖、熱圖) 的適用情境和繪製方法. * 學會如何設定圖表的標題、座標軸、圖例、格線等，以及處理中文顯示. * 利用 Pandas DataFrame 的 `.plot()` 功能可以更快速、方便地進行常用圖表的繪製. * 透過視覺化，我們可以更好地驗證資料前處理的效果，並為後續的模型建制提供洞察.

Syntax	Example	Reference
# Header	Header	基本排版
- Unordered List	Unordered List
1. Ordered List	Ordered List
- [ ] Todo List	Todo List
> Blockquote	Blockquote
Bold font	Bold font
Italics font	Italics font
~~Strikethrough~~	~~Strikethrough~~
19^th^	19^th
H~2~O	H₂O
++Inserted text++	Inserted text
==Marked text==	Marked text
[link text](https:// "title")	Link
![image alt](https:// "title")	Image
`Code`	`Code`	在筆記中貼入程式碼
```javascript var i = 0; ```	`var i = 0;`
:smile:		Emoji list
{%youtube youtube_id %}	Externals
$L^aT_eX$	L^aT_eX
:::info This is a alert area. :::	This is a alert area.