08_Matplotlib数据可视化

文章目录

[1 绘图流程](#1 绘图流程)
[2 常用图形](#2 常用图形)
- [2.1 折线图](#2.1 折线图)
- [2.2 柱形图](#2.2 柱形图)
- [2.3 条形图](#2.3 条形图)
- [2.4 直方图](#2.4 直方图)
- [2.5 饼图](#2.5 饼图)
- [2.6 散点图](#2.6 散点图)
- [2.7 箱线图](#2.7 箱线图)
[3 图表元素](#3 图表元素)
- [3.1 中文问题](#3.1 中文问题)
- [3.2 图表标题与网格线](#3.2 图表标题与网格线)
- [3.3 坐标轴相关](#3.3 坐标轴相关)
- [3.4 显示图例](#3.4 显示图例)
[4 一图多表](#4 一图多表)

1 绘图流程

创建画布plt.figure()
绘制图像plt.plot(x, y)等
显示图像plt.show()

python 复制代码

import matplotlib.pyplot as plt
plt.figure(figsize=(10, 8))
plt.plot([1, 2, 3, 4], [10, 20, 15, 30])
plt.show()

使用以下魔法方法可以在画图的时候生成矢量图，图片更清晰。

python 复制代码

%config InlineBackend.figure_format='svg'

2 常用图形

2.1 折线图

绘制连续数据的折线图，适用于显示随时间或序列变化的趋势。

python 复制代码

plt.plot(x, y, linestyle='-', marker='o', color='b', label='')

x/y：横纵坐标数据
linestyle：线的样式
- '-'
- '--'
- '-.'
- ':'
marker：标记点的样式
- 'o'
- 's'
- '^'
color：线的颜色
label：图例标签（配合plt.legend()使用）

python 复制代码

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 3, 7]

plt.plot(x, y, linestyle='-.', marker='o')
plt.show()

2.2 柱形图

绘制垂直的柱状图，用于比较不同类别的数量或数值大小。

python 复制代码

plt.bar(x, height, width=0.8, color='b', label='')

x：柱子横坐标
height：柱子的高度
width：柱子宽度（0~1）
color：柱子颜色
label：图例标签（配合plt.legend()使用）

python 复制代码

x = ['A', 'B', 'C', 'D']
height = [23, 45, 56, 78]

plt.bar(x, height, color='b', width=0.5)
plt.show()

2.3 条形图

绘制横向的柱状图，在类别名称较长时更清晰。

python 复制代码

plt.barh(y, width, color='b', label='')

y: 柱子的纵坐标
width: 柱子的长度
color：柱子颜色
label：图例标签（配合plt.legend()使用）

python 复制代码

y = ['Python', 'C++', 'Java', 'Go']
width = [80, 60, 70, 50]

plt.barh(y, width)
plt.show()

2.4 直方图

用于展示数据的分布情况，将数据分成若干个区间 (bin)，并统计每个区间内的数据数量。

python 复制代码

plt.hist(data, bins=10, color='purple')

data：一维数据集
bins：分组数量
color：柱子颜色
label：图例标签（配合plt.legend()使用）

python 复制代码

import numpy as np

data = np.random.randn(1000)

plt.hist(data, bins=20)
plt.show()

2.5 饼图

用于展示不同类别在总体中所占的比例。

python 复制代码

plt.pie(sizes, labels=labels, autopct='%1.1f%%', explode='')

sizes：各部分的数值
labels：各部分的名称
autopct：显示百分比的格式字符串
explode：突出显示指定扇形，控制凸起程度
pctdistance：百分比离圆心的距离，单位为半径
labeldistance：标签离圆心的距离，单位为半径

python 复制代码

lan = ['C++', 'Python', 'Java', 'Go', 'PHP', 'C', 'C#', 'Others']
rate = [8.84, 24.45, 8.35, 1.92, 1.38, 9.29, 6.94, 38.83]
ex = [0, 0.1, 0, 0, 0, 0, 0, 0]

plt.pie(rate, labels=lan, explode=ex, autopct='%.2f%%', pctdistance=0.8)
plt.show()

2.6 散点图

用于展示两个变量之间的关系，每个数据点在图上表示为一个点。

python 复制代码

plt.scatter(x, y, color='red', s=50, alpha=0.6, label='')

x/y：横纵坐标
color：点的颜色（只能指定一个）
c：可以使用颜色列表
s：点的大小
alpha：点的透明度
label：图例
cmap: 颜色映射，将数值映射到颜色

python 复制代码

sx = np.random.rand(100)
sy = np.random.rand(100)
colors = np.random.rand(100)
sizes = 100 * np.random.rand(100)

plt.scatter(sx, sy, c=colors, s=sizes, cmap='viridis')
plt.show()

2.7 箱线图

箱线图又叫箱型图或盒须图，是一种用于展示一组数据分散情况的统计图表。

箱子中间线：中位数（Median）
箱子上边界：上四分位（Q3）
箱子下边界：下四分位（Q1）
箱子的长度：四分位距离（IQR）
"最大值"：其实是上须（upper whisker），不被离群值影响的范围，Q3+1.5*IQR
"最小值"：下须（lower whisker），Q1-1.5*IQR
离群值：异常值，超出须的点

python 复制代码

box_data = {  
    '语文': [82, 85, 88, 70, 90, 76, 84, 83, 95],  
    '数学': [75, 80, 79, 93, 88, 82, 87, 89, 92],  
    '英语': [70, 72, 68, 65, 78, 80, 85, 90, 95]  
}  
  
plt.boxplot(box_data.values(), tick_labels=box_data.keys())  
plt.show()

3 图表元素

3.1 中文问题

Matplotlib中文兼容有问题，可以使用SimSun（宋体），SimHei（黑体），Kaiti（楷体）等。

python 复制代码

# plt.rcParams['font.family'] = ['Microsoft YaHei']  # Windows正常显示中文  
plt.rcParams['font.family'] = ['SimHei']  # Mac正常显示中文  
plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号

3.2 图表标题与网格线

plt.title()：设置图表标题
- fontdict：设置字体
- loc：设置标题位置
plt.grid()：设置网格线
- axis：控制轴向，有x、y、both
- linestyle：线的样式，:、--、-.、-
- linewidth：线的粗细
- alpha：透明度
- color：颜色

python 复制代码

plt.title('趋势图', loc='left')
plt.grid(linestyle='--', alpha=0.5)

3.3 坐标轴相关

plt.xlabel()：设置x轴标题
plt.ylabel()：设置y轴标题
plt.xlim()：设置x轴范围
plt.ylim()：设置y轴范围
plt.xticks('刻度位置（数值）', '显示值')：设置x轴显示的刻度值
plt.yticks('刻度位置', '显示值')：设置y轴显示的刻度值

python 复制代码

plt.xlabel('月份')
plt.ylabel('销售额')

idx = [i for i in range(1, 13)]
mon = [str(i) + '月' for i in range(1, 13)]

plt.xticks(idx, mon)
plt.xlim(0, 13)
plt.ylim(10000, 100000)

复制代码

(10000.0, 100000.0)

3.4 显示图例

设置完label参数之后，使用plt.legend()才能显示图例。

python 复制代码

# 生成数据
x1 = np.arange(-1*np.pi, np.pi, 0.05)
y1 = np.sin(x1)
y2 = np.cos(x1)

# 设置x轴刻度
plt.xticks([-1*np.pi, -0.5*np.pi, 0, 0.5*np.pi, np.pi],
           ['-π', '-1/2π', '0', '1/2π', 'π'])

# 作图
plt.plot(x1, y1, label='y1=sin(x)')
plt.plot(x1, y2, linestyle='-.',label='y2=cos(x)')

plt.legend(loc='best')

复制代码

<matplotlib.legend.Legend at 0x1e60c67bf70>

4 一图多表

python 复制代码

fig, axs = plt.subplots(nrows=1, ncols=1, figsize=(width, height))

nrows：子图的行数
ncols：子图的列数
figsize：画布的大小
fig：返回的画布对象，用于调整整体的属性
axs：返回的子图数组，用于绘制各个子图，是一个Numpy数组，可以通过axs[0, 1]访问特定子图

python 复制代码

fig, axs = plt.subplots(2, 2, figsize=(10, 8))

上一章的图形依次放入子图中。

python 复制代码

axs[0][0].barh(y, width)
axs[0][1].pie(rate, labels=lan, explode=ex, autopct='%.2f%%', pctdistance=0.8)
axs[1][0].hist(data, bins=20)
axs[1][1].scatter(sx, sy, c=colors, s=sizes, cmap='viridis')

复制代码

<matplotlib.collections.PathCollection at 0x1e60cec4880>

为了精确地控制子图，使用对象式写法axs.set_方法名。

python 复制代码

axs[0][1].set_title('语言占比图')

复制代码

Text(0.5, 1.0, '语言占比图')

python 复制代码

fig