Educoder Basemap和Seaborn 第一关：Seaborn

Educoder Basemap和Seaborn 第一关：Seaborn

第一关：Seaborn

任务描述

本关任务：编写一个绘制每个月销售总额的折线图。

相关知识

为了完成本关任务，你需要掌握：1.matplotlib的缺点，2.如何使用seaborn进行可视化,并设置整体布局风格。

• 适用场景: 折线图适合二维的大数据集，尤其是那些趋势比单个数据点更重要的场合。它还适合多个二维数据集的比较。

用Seaborn做可视化

即使matplotlib已经如此强大了，但是不得不承认它不支持的功能还有很多。总结如下：

• 2.0之前的版本的默认配置样式绝对不是用户的最佳选择；

• matplotlib的API比较底层。虽然可以实现复杂的统计数据可视化，但是通常都需要写大量的样板代码；

• matplotlib不支持Pandas的Dataframe数据的可视化，必须先提取每个Series。

对于这些问题的终结者就是seaborn。Seaborn 在 Matplotlib 的基础上开发了一套 API，为默认的图形样式和颜色设置提供了理智的选择，为常用的统计图形定义了许多简单的高级函数，并与 Pandas Dataframe 的功能有机结合。Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图。

而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与Pandas数据结构以及scipy与statsmodels等统计模式。

Seaborn与Matplotlib

下面用 Matplotlib 的经典图形样式和配色方案画一个简易的随机游走图。

1. import matplotlib.pyplot as plt
2. plt.style.use('classic')
4. import numpy as np
5. import pandas as pd
7. rng = np.random.RandomState(0)
8. x = np.linspace(0, 10, 500)
9. y = np.cumsum(rng.randn(500, 6), 0)
11. plt.plot(x, y)
12. plt.legend('ABCDEF', ncol=2, loc='upper left')
13. plt.show()

在看看使用seaborn来实现。我们会发现，Seaborn不仅有许多高级的画图功能，而且可以改写matplotlib的默认参数，从而用简单的matplotlib脚本获得更好的效果。可以用Seaborn的set()方法设置样式。

1. import seaborn as sns
2. sns.set()
3. plt.plot(x, y)
4. plt.legend('ABCDEF', ncol=2, loc='upper left')
5. plt.savefig("T2.png")
6. plt.show()

上面应用了seaborn的默认样式。seaborn有5个seaborn的主题，适用于不同的应用和人群偏好：

• darkgrid黑色网格（默认）；

• whitegrid白色网格；

• dark黑色背景；

• white白色背景；

• ticks应该是四周都有刻度线的白背景。

编程要求

本关的编程任务是补全右侧上部代码编辑区内的相应代码，根据输入文件路径读取文件，统计各个月销售总和，然后绘制折线图，需要应用seaborn设置默认样式，具体可视化要求如下：

• 折线图的figsize为(10, 10)；

• 文件名为Task1/img/T1.png；

• 具体要求请参见后续测试样例。

文件的部分数据如下：

提示：在绘制折线图时，需要对数据进行预处理，通过支付时间提取月份信息，再根据月份信息进行聚类，汇总每个月的实际金额，得到月销售总和。

请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

测试说明

平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

测试输入：

无测试输入

预期输出： 生成图片与预期图片一致

---

开始你的任务吧，祝你成功！

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
def student(input_data):
    # ********* Begin *********#
    sns.set()
    plt.figure(figsize=(10,10))
    a=pd.read_csv(input_data)
    a["month"]=a["支付时间"].map(lambda x:int(x.split("/")[1]))
    d=a["实际金额"].groupby(a["month"]).sum()
    d=d.sort_index(ascending=False)
    plt.plot(d)
    plt.savefig("Task1/img/T1.png")
    plt.show()
    # ********* End *********#