Visualización de datos cuantitativos en Python
La visualización de datos cuantitativos en Python puede usarMatplotlibySeabornbibliotecas.
Para instalar Matplotlib y Seaborn, puedes ejecutar en la terminal o en el símbolo del sistema:
pip install matplotlib seaborn
Para obtener más detalles sobre Matplotlib, puedes consultar:Tutorial de Matplotlib
Este capítulo se centra en presentar el uso de la biblioteca Seaborn.
Biblioteca Seaborn
Seaborn es una biblioteca de visualización de datos basada en Matplotlib, centrada en la creación de gráficos estadísticos.
Seaborn proporciona interfaces y temas de color de alto nivel, lo que facilita la creación de hermosos gráficos estadísticos en Python.
El objetivo de Seaborn es hacer que la visualización de datos sea más sencilla y también que los gráficos sean más atractivos.
1. Creación simple de gráficos estadísticos
Seaborn ofrece una serie de funciones de trazado integradas que permiten crear fácilmente varios gráficos estadísticos, como diagramas de dispersión, histogramas, diagramas de caja, etc.
Ejemplo
import matplotlib.pyplot as plt
# Crear un diagrama de dispersión
sns.scatterplot(x='sepal_length', y='sepal_width', data=iris)
plt.show()
2. Temas de color integrados
Seaborn ofrece temas de color integrados que te permiten cambiar fácilmente la apariencia de los gráficos para hacerlos más atractivos.
# 使用 Seaborn 颜色主题 sns.set(style="whitegrid")
3. Visualización de conjuntos de datos
Seaborn incluye algunos conjuntos de datos integrados que se pueden usar directamente para gráficos, por ejemplo, los conjuntos de datos tips y flights.
# 使用内置数据集
tips = sns.load_dataset("tips")
4. Visualización de datos categóricos
Seaborn es muy conveniente para el manejo de datos categóricos, permitiendo crear fácilmente gráficos de barras agrupadas, diagramas de caja, etc.
# 创建分组柱状图 sns.barplot(x="day", y="total_bill", hue="sex", data=tips)
5. Visualización de datos de matriz
Seaborn proporciona algunas funciones especializadas para visualizar datos de matriz, como el mapa de calor (heatmap).
# 创建热力图 corr_matrix = df.corr() sns.heatmap(corr_matrix, annot=True, cmap="coolwarm")
6. Gráficos de facetas
Seaborn admite gráficos de facetas, lo que permite crear múltiples gráficos pequeños según subconjuntos de datos para mostrar los datos de manera más completa.
# 分面绘图 sns.relplot(x="total_bill", y="tip", hue="day", col="time", data=tips)
Seaborn ofrece una gran cantidad de opciones y parámetros de gráficos para satisfacer diferentes tipos de necesidades de visualización de datos.
En general, Seaborn es una biblioteca potente y fácil de usar, adecuada tanto para principiantes como para científicos de datos profesionales, que ayuda a los usuarios a crear gráficos estadísticos atractivos con mayor facilidad. Si ya estás familiarizado con Matplotlib, Seaborn es un excelente complemento que te permite realizar visualización de datos de manera más eficiente.
Ejemplo
A continuación, usaremos Python para realizar un ejemplo cuantitativo simple. Puedes usar yfinance para obtener los datos de las acciones de Kweichow Moutai (600519.SS) y luego usar seaborn para la visualización de datos.
A continuación se muestra un ejemplo sencillo que demuestra cómo descargar los datos de las acciones de Moutai y usar seaborn para dibujar el gráfico de tendencia del precio de cierre:
Ejemplo
import seaborn as sns
import matplotlib.pyplot as plt
# Obtener los datos de las acciones de Kweichow Moutai
maotai_data = yf.download("600519.SS", start="2020-01-01", end="2023-01-01")
# Seleccionar los datos del precio de cierre
closing_prices = maotai_data['Close']
# Usar seaborn para dibujar el gráfico de tendencia
plt.figure(figsize=(12, 6))
sns.lineplot(x=closing_prices.index, y=closing_prices.values, label='Maotai Closing Prices')
plt.title('Maotai Stock Closing Prices Over Time')
plt.xlabel('Date')
plt.ylabel('Closing Price (CNY)')
plt.legend()
plt.show()
Al ejecutar el código anterior, el resultado es:
