数据分析一词相信大家耳熟能详，目的就是将搜集到的大量数据，经过有效整理及分析后，来洞悉其中的价值，进而提供更好的用户体验或是预测未来的趋势。

而数据视觉化就是其中一种帮助数据分析师观察数据的方式，所以本文就来应用所学，利用Pandas套件读取台湾开放数据平台-主要观光游憩据点游客人数月别统计的CSV档案资料，进行筛选整理，并且结合Matplotlib套件将资料视觉化，借此来看看哪一个观光景点最多人去。实作步骤如下:

安装Pandas及Matplotlib筛选Pandas DataFrame资料集绘制Matplotlib图表解决Matplotlib无法显示中文字问题

一、安装Pandas及Matplotlib

Matplotlib是一个Python的图表绘制套件，可以用来建立各种不同的图表，像是折线图、长条图与圆饼图等，并且能够依需求客制化显示，而Pandas套件内建了Matplotlib套件的绘图方法(Method)，让开发人员能够直接利用Pandas DataFrame来建立图表。

首先，开启Visual Studio Code，建立一个资料夹与app.py档案，接着，在Terminal视窗中，利用以下指令来安装Pandas及Matplotlib套件:

既然Pandas套件已经含有Matplotlib套件的绘图方法(Method)，为什么还要再安装Matplotlib套件呢?这是因为Pandas套件只有绘图功能，之后的图表显示和更多的客制化，就需要仰赖Matplotlib套件的帮忙。

接下来，前往台湾开放资料平台-主要观光游憩据点游客人数月别统计，下载CSV档案资料，并且存放在资料夹中，如下图:

而其中的数据内容如下图:

二、筛选Pandas DataFrame数据集

有了CSV档案资料后，就可以开启app.py档案，利用Pandas套件的read_csv()方法(Method)来进行读取，如下范例:

由于这个CSV档案是使用big5编码，所以范例中需使用encoding关键字参数来进行指定，否则会出现乱码。

假设本文想要来分析2019年台北市第一季(1~3月)各景点的旅客人数，这时候，就需要对Pandas DataFrame读取到的CSV资料来进行筛选，如下范例:

执行结果

以上范例使用了Pandas套件的loc[rows, colums]语法来选择所需的数据集，分别是第6行利用逻辑运算语法选择2019年台北市的列(rows)资料，以及第7行的「细分(景点名称)」、「1月」、「2月」、「3月」栏位(columns)。其中为了让教学简单易懂，所以只取前10笔数据。

在Pandas套件绘制图表时，x轴会使用Pandas DataFrame的索引值(index)来显示，这时候范例中的数字索引值(index)就会降低可读性，因为在图表上无法一眼看出这个索引值(index)是对应到哪一个「细分(景点名称)」。

所以，就需要呼叫Pandas套件的set_index()方法(Method)来重新指定想要的索引值(index)栏位，也就是「细分(景点名称)」，并且设定inplace=True取代原索引值(index )，如下范例:

执行结果

三、绘制Matplotlib图表

Pandas DataFrame数据集准备好后，就可以来绘制图表了，而为了要显示与客制化图表，就需要引用Matplotlib模组(Module)，如下范例第2行:

接下来，利用Pandas DataFrame的plot()绘图方法(Method)，设定图表的标题、x、y轴说明文字、图例及大小，完成后，呼叫Matplotlib模组(Module)的show()方法(Method)来进行显示，如下范例:

执行结果

从执行结果可以看到中文字无法正常的显示，是因为没有设定字型的关系，这部分等一下会来和大家分享如何解决。

除此之外，Pandas套件的plot()绘图方法(Method)预设为折线图，如果想要绘制其它的图表，例如长条图，则可以设定kind关键字参数为bar，如下范例:

文章来源：《数据分析与知识发现》 网址: http://www.sjfxyzsfx.cn/zonghexinwen/2021/0411/931.html

上一篇：宅斗剧《锦心似玉》序幕惊现“数据分析”
下一篇：数据分析最常见的五个误区，新手避坑必须要看