Python可视化常用方法和常见问题解决方案

传送门：

柱状图详细绘制解答
matplotlib绘图函数常用参数指南
绘图时坐标轴标签重叠解决办法
设置图形字体大小
雷达图
绘图常用颜色
好看的饼状图

matplotlib.rcParams['axes.unicode_minus'] = False # 正常显示负号
plt.rcParams["font.sans-serif"] = "SimHei" # 设置图片中的字体为中文黑体

横轴坐标值显示方向调整

python中用matplotlib画图时，横坐标标签是默认横着显示的

这个图里面显示的横轴坐标值是竖着的，看起来不太美观，把它改成横向的，只需要添加下面一句代码

rotation默认是90，即为横着显示，改成360即可正常竖直显示

plt.xticks(rotation=360)

使用DataFrame类型直接绘图

数据集来自2019年美国大学生数学建模C题第一问。
这是是要绘制出U-47700这个物质在每个州的数量分布情况

    sum_u =  pd.DataFrame({'U-47700':data[data['SubstanceName'] == 'U-47700'].groupby('FIPS_State')['DrugReports'].sum()})sum_u.plot.pie(subplots=True) # 绘制饼状图sum_u.plot(kind='bar') # 绘制柱状图sum_u.plot(kind='line') # 绘制线形图

结果如下:

接下来是绘制多个类别的物质随年度变化的图

 sum_year_stat = pd.DataFrame({'Morphine':data[data['SubstanceName'] == 'Morphine'].groupby('YYYY')['DrugReports'].sum(),'Methadone':data[data['SubstanceName'] == 'Methadone'].groupby('YYYY')['DrugReports'].sum(),'Hydromorphone':data[data['SubstanceName'] == 'Hydromorphone'].groupby('YYYY')['DrugReports'].sum(),'Oxymorphone':data[data['SubstanceName'] == 'Oxymorphone'].groupby('YYYY')['DrugReports'].sum(),})# 根据年份来进行分组，然后将对应物质的数量求和。sum_year_stat.plot(kind = 'bar') # 绘制饼状图plt.xlabel('Year') # 设置横坐标轴标签plt.ylabel('Sum')plt.xticks(rotation=360) # 设置横坐标值水平显示

matplotlib

官方文档

pyplot子库

简写为plt
figure对象（可以理解为画布）

常用颜色

粉色：‘pink’
亮粉色：‘lightpink’
亮蓝色：‘lightblue’

plt.figure(figsize=(6, 6))
plt.pie(sexc, labels=['男性', '女性'],colors=['lightblue','lightpink'], autopct='%1.1f%%')
plt.title("会员性别比例饼状图", fontsize=15)
plt.legend()

figure对象——划分子图

当三个参数都小于10时，可以省略逗号，用一个三位数表示三个参数，
例如subplot(2,2,1)等价于subplot(221)

matplolib绘制的图形中默认为英文字体，所以一般中文字体无法显示，只需要把字体改为中文字体即可。

设置中文字体

其他常用中文字体

恢复标准默认配置

添加全局标题

subtitle('标题')

subtitle的参数及其可取值

添加子图标题

title('标题')

title函数的主要参数

散点图 scatter()

数据点样式

text()函数：在指定位置显示文字

坐标轴设置

显示图例

折线图

plot()函数

柱状图

绘制柱状图，并在图中柱子上显示数字

plt.figure(figsize=(7, 6))
plt.bar(x=sum_year.index, height=sum_year.values)
# 完整的显示坐标轴，避免间隔显示
x = np.arange(2004,2014,1)
plt.xticks(x)
#在柱状图上面显示数字
for x, y in enumerate(sum_year.values):plt.text(2004+x, y+100, '%s' % y, ha='center', va='bottom')
# 设置柱状图标题
plt.title("每一年加入会员人数柱状图")
# 设定X，Y轴标签
plt.xlabel("年份")
plt.ylabel("人数")plt.show()

注意这里x轴坐标是从2004开始，所以在添加数字时，x需要+2004。而y+100是为了在柱子上方一点，避免和柱子重合。

效果图：

keras

keras是一个由Python编写的高层的神经网络和深度学习库。Tensorflow的官方API。

Keras集成的数据集

波士顿房价数据集绘制平均房间数和房价的散点图

13种特征和房价的散点图

色彩映射

鸢尾花数据分类可视化

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
import pandas as pd#加载数据
TRAIN_URL = "http://download.tensorflow.org/data/iris_training.csv"
train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1],TRAIN_URL)COLUMN_NAMES=['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth', 'Species']
df_iris = pd.read_csv(train_path, names=COLUMN_NAMES, header=0)iris = np.array(df_iris)plt.scatter(iris[:,2], iris[:,3], c=iris[:, 4], cmap='brg')
plt.title("Anderson's Iris Data Set\n (Blue->Setosa | Red->Versicolor | Green->Virginica)")
plt.xlabel(COLUMN_NAMES[2])
plt.ylabel(COLUMN_NAMES[3])
plt.show()

绘制多个子图

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
import pandas as pd# 加载数据
TRAIN_URL = "http://download.tensorflow.org/data/iris_training.csv"
train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1], TRAIN_URL)COLUMN_NAMES = ['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth', 'Species']
df_iris = pd.read_csv(train_path, names=COLUMN_NAMES, header=0)iris = np.array(df_iris)
# 绘制画布尺寸和整个画布标题
fig = plt.figure('Iris Data', figsize=(15, 15))
# 添加子图总标题
fig.suptitle("Anderson's Iris Data Set\n(Blue->Setosa | Red->Versicolor | Green->Virginica)")# 循环绘制子图
for i in range(4):for j in range(4):plt.subplot(4, 4, 4 * i + (j + 1))  # 创建子图if (i == j):  # 横纵坐标相同，输出当前属性名称plt.text(0.3, 0.5, COLUMN_NAMES[i], fontsize=15)else:plt.scatter(iris[:, j], iris[:, i], c=iris[:, 4], cmap='brg') # 绘制散点图if(i==0):  # 输出横坐标名称plt.title(COLUMN_NAMES[j])if(j==0):  # 输出纵坐标名称plt.ylabel(COLUMN_NAMES[i])# 调整子图间距
plt.tight_layout(rect=[0, 0, 1, 0.93])
plt.show()

使用matplotlib绘图时，负数的符号显示不正常，添加下面的语句。

import matplotlibmatplotlib.rcParams['axes.unicode_minus']=False

参考文献

# 设定画图板尺寸
plt.figure(figsize=(12,16))
# 建立一个循环，输出图片
for i,data in enumerate(xtest[:100]):
#     设定子图，将每个子图输出到对应的位置plt.subplot(10,10,i+1)
#     输出图片，取出来的数据是必须处理好再输出的，此例为8*8plt.imshow(data.reshape(8,8))
#     测试的标题和真实的标题打印出来plt.title('C:'+str(y_[i])+'\nT:'+str(ytrue[:100][i]),size=20)
#     关掉x y轴的刻度plt.axis('off')
#     调整每隔子图之间的距离plt.tight_layout()

图像透明度alpha参数和自动调整坐标间距

plt.figure(figsize=(10, 5))
sns.barplot(x=list(drink["id"]), y=list(drink["Goods"]))
plt.title("非酒精饮料类别中不同商品的销量", fontsize= 15)
plt.xlabel("商品销量")
plt.ylabel("商品类别")

效果图

修改透明度，并设置自动调整间距

plt.figure(figsize=(10, 5))
sns.barplot(x=list(drink["id"]), y=list(drink["Goods"]),alpha=0.4) # 设置透明度alpha=0.4
plt.title("非酒精饮料类别中不同商品的销量", fontsize= 15)
plt.xlabel("商品销量")
plt.ylabel("商品类别")
# plt.xticks(fontsize=5)  #设定x坐标标签字体大小
# plt.yticks(fontsize=7)  #设定y坐标标签字体大小
plt.tight_layout() # 自动调整坐标轴标签间距。

效果图：

改变透明度alpha之后，色彩更淡跟好看一些，自动调整间距，可以显示完全坐标轴。

自动美化

# 设置风格
plt.style.use('ggplot') # 自动美化图形