点击上"蓝字"关注我们

本文环境说明熊猫本次用的是 Anaconda 的 jupyter notebook 编写的本文代码。今天用到的库都是已经集成好的，无须另行安装。每个库的版本号我列在下方了。

Python ：3.7.4

pandas : 1.1.4

numpy : 1.19.4

matplotlib : 3.3.2

可以在终端中运行如下代码查询自己环境中各个库的版本，如果你的版本比较低，可以运行升级代码对相应的库进行升级。

pip list #查看各个库的版本号pip install --upgrade 库名 #升级对应库版本

先 import 一波操作本文整体都在这基础上编写代码，如果你正一边看我的文章，一边在自己的电脑上实现代码，可以直接复制下面的代码先运行一波。

import pandas as pdimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib# 让图像可以正常显示中文plt.rcParams['font.family']=['SimHei']plt.rcParams['axes.unicode_minus'] = False

Matplotlib 作图组件

Matplotlib 擅长制作 2D 图表，每张图表的元素有很多，每个元素都有对应的方法做编辑修改。下图来自 Matplotlib 官网。

使用 Matplotlib 的两种姿势使用 Matplotlib 一般有两种方法，也就是常说的两种接口。

• 面向对象接口：创建并显示图形和轴，并在其基础上调用方法。
• pyplot 接口：自动管理图形和轴，使用 pyplot 方法函数进行绘图。

不管是什么样的图，两种方式都是可以实现的。没有过多的区别，可能只是书写风格上有区别。下面就给大家展示一下，用两种不同风格的代码做出同样一张图。大家可以感受一下。目标输出图

数据准备首先我们看到目标输出的图片是一个画布上分为四个模块，分别是直方图、散点图、折线图、柱状图。下面这部分代码，分别是为这 4 张图准备的数据。可以直接复制到你们的编译器中，运行看看每个变量的数据都是什么样的，这里就不做展示了。(PS：由于有随机性函数，所以每个人运行出来的结果不一样，是正常的哦~)

# 折线图数据，我们使用一个累加数据，data1 = np.random.randn(50).cumsum()# 直方图数据，直方图只需要一组数据即可生成data2 = np.random.randn(100)# 散点图数据，散点图中每个点都需要横纵坐标来确定位置，所以需要两组数据；data3_1 = np.arange(30)data3_2 = data3_1+np.random.randn(30)# 柱状图数据，data4_1中的数据作为分类型数据作为横坐标，用data4_2来确定每个柱子的高低。data4_1 = ['数','据','山','谷','十','万','加']data4_2 = [10,15,20,30,17,11,15]

风格实现良心注释，代码其实很简单。每个第一次用到的参数都在注释中标明了。

# 创建一个画布# figsize表示画布横纵尺寸# dpi表示清晰度(数值越大越清晰)fig = plt.figure(figsize=(15,8),dpi=120)# 在画布上创建 4 个子图# fig.add_subplot(横向分布数,纵向分布数,子图索引)ax1 = fig.add_subplot(2,2,1) ax2 = fig.add_subplot(2,2,2)ax3 = fig.add_subplot(2,2,3)ax4 = fig.add_subplot(2,2,4)# 用 data1 数据在第一个子图上创建折线图# color 折线颜色# linestyle 折线样式，这里使用了虚线# marker 折点样式# markersize 折点大小ax1.plot(data1,color='k',linestyle='--',marker='o',markersize=3)# 用 data2 数据在第二个子图上创建直方图# bin 直方图柱子个数# alpha 图像透明度(0为完全透明，1为完全不透明)ax2.hist(data2,bins=20,color='k',alpha=0.7)# 用 data3_1 和 data3_2 在第三个子图上创建散点图ax3.scatter(data3_1,data3_2,color='k')# 用 data4_1 和 data4_2 在第三个子图上创建柱状图ax4.bar(data4_1,data4_2,color='k',alpha=0.7)# 给每个小图像添加标题ax1.set_title("折线图")ax2.set_title("直方图")ax3.set_title("散点图")ax4.set_title("柱状图")

pyplot 风格实现

plt.figure(figsize=(15,8),dpi=120)# 编辑第一个子图plt.subplot(221)plt.title("折线图")plt.plot(data1,color='k',linestyle='--',marker='o',markersize=3)# 编辑第二个子图plt.subplot(222)plt.title("直方图")plt.hist(data2,bins=20,color='k',alpha=0.7)# 编辑第三个子图plt.subplot(223)plt.title("散点图")plt.scatter(data3_1,data3_2,color='k')# 编辑第四个子图plt.subplot(224)plt.title("柱状图")plt.bar(data4_1,data4_2,color='k',alpha=0.7)

写在最后参考完这两种书写方法，大家可以找到自己更喜欢的风格。最好是按照一种风格书写，不要写串了风格~毕竟喜欢可视化的人不但追求作图好看，代码也要好看。祝大家也能写出如诗般的代码。下课！

扫码关注

长按扫码