数据分析学习01-matplotlib绘图工具基本操作

什么是数据分析：
- 数据分析是用适当的方法对收集来的大量数据进行分析，帮助人们作出判断，以便采取适当行动。
- 将数据进行可视化，更直观的呈现
- 使数据更加客观，更具说服力
matplotlib学习
1，什么是matplotlib
Matolotlib是最流行的python底层绘图库，主要是做数据可视化图表。它可以让数据更加直观的呈现，让数据更加客观，具有说服力。学习爬虫后，可能会遇到对大量的数据的处理，于是学习数据分析是必不可少的。
http://www.360doc.com/content/20/0808/01/71093473_929113091.shtml
2，matplotlib基本要点
3，matplotlib的散点图，直方图，柱状图

4，更多的画图工具

matplotlib 折线图案例
案例一：使用折线图绘制假设一天中每隔两个小时的气温分别是[15,13,14.5,17,20,25,26,26,27,22,18,15]度。

from matplotlib import pyplot as plt # 导入pyplotfig = plt.figure(figsize=(20,8),dpi=80)
# figure 图形图标的意思，在这里指我们画的图
# 传入figsize给图片设置长高
# 传入dpi参数，给图片增加像素x = range(2,26,2) # 时间
y = [15,13,14.5,17,20,25,26,26,27,22,18,15] # 温度plt.plot(x,y) # 传入x和y，通过plot绘制出折线图
plt.xticks(x) # 设置x轴刻度
#plt.savefig("气温.png") # 保存图片，传入.svg这种矢量图格式，放大不会有锯齿plt.show() # 展示图形

from matplotlib import pyplot as plt # 导入pyplotfig = plt.figure(figsize=(20,8),dpi=80)
# figure 图形图标的意思，在这里指我们画的图
# 传入figsize给图片设置长高
# 传入dpi参数，给图片增加像素x = range(2,26,2) # 时间
y = [15,13,14.5,17,20,25,26,26,27,22,18,15] # 温度
plt.plot(x,y) # 传入x和y，通过plot绘制出折线图
# 调整x轴刻度
scale = [i/2 for i in range(4,49)]
#plt.xticks()
plt.xticks(scale[::3])# 当刻度太密集的时候可使用列表的步长来进行调整，matplotlib会自动做对应
# 调整y轴刻度
plt.yticks(range(min(y),max(y)+1))
#plt.savefig("气温.png") # 保存图片，传入.svg这种矢量图格式，放大不会有锯齿plt.show() # 展示图形

案例二：随机生成一个气温度数，然后绘制10点到12点每一分钟的气温。

from matplotlib import pyplot as plt # 导入pyplot
import random #导入 random随机数模块fig = plt.figure(figsize=(20,8),dpi=80) #设置绘制图片的大小以及像素
x = range(0,120) # 时间
y = [random.randint(20,35)for i in range(120)] # 生成随机温度
plt.plot(x,y)# 调整x轴刻度
x_time = ["10点{}分".format(i) for i in range(60)]
x_time += ["11点{}分".format(i) for i in range(60)]
# 取步长，数字和字符串一一对应，数据长度一样
plt.xticks(list(x)[::3],x_time[::3],rotation=90) #rotation函数旋转字符度数)
plt.show()

from matplotlib import pyplot as plt # 导入pyplot
import random #导入 random随机数模块
from matplotlib import font_managermy_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置中文实例解决乱码fig = plt.figure(figsize=(20,8),dpi=80) #设置绘制图片的大小以及像素
x = range(0,120) # 时间
y = [random.randint(20,35)for i in range(120)] # 生成随机温度
plt.plot(x,y)# 调整x轴刻度
x_time = ["10点{}分".format(i) for i in range(60)]
x_time += ["11点{}分".format(i) for i in range(60)]
# 取步长，数字和字符串一一对应，数据长度一样
plt.xticks(list(x)[::3],x_time[::3],rotation=270,fontproperties=my_font) #rotation函数旋转字符度数
plt.show()

from matplotlib import pyplot as plt # 导入pyplot
import random #导入 random随机数模块
from matplotlib import font_managermy_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置中文实例解决乱码fig = plt.figure(figsize=(20,8),dpi=80) #设置绘制图片的大小以及像素
x = range(0,120) # 时间
y = [random.randint(20,35)for i in range(120)] # 生成随机温度
plt.plot(x,y)# 调整x轴刻度
x_time = ["10点{}分".format(i) for i in range(60)]
x_time += ["11点{}分".format(i) for i in range(60)]
# 取步长，数字和字符串一一对应，数据长度一样
plt.xticks(list(x)[::3],x_time[::3],rotation=270,fontproperties=my_font) #rotation函数旋转字符度数
# 添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度 单位(℃)",fontproperties=my_font)
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)
plt.show()

案例三：假设小明是30岁，统计出小明从11岁到30岁每年交往的女朋友数量如列表a，请绘制出该数据的折线图。
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
要求：
y轴表示交往女朋友个数
x轴表示其岁数如11岁，12岁，13岁等

from matplotlib import pyplot as plt # 导入pyplot
from matplotlib import font_managerx = range(11,31)
y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')
fig = plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
plt.yticks(range(min(y),max(y)+1))
xiaoming = ["{}岁".format(i) for i in range(11,31)]
plt.xticks(list(x),xiaoming,fontproperties=my_font)
plt.xlabel("小明年龄",fontproperties=my_font)
plt.ylabel("女朋友个数",fontproperties=my_font)
plt.title("小明11岁到30岁女朋友个数详情",fontproperties=my_font)
plt.show()

from matplotlib import pyplot as plt # 导入pyplot
from matplotlib import font_managerx = range(11,31)
y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')
fig = plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
plt.yticks(range(0,9))
xiaoming = ["{}岁".format(i) for i in range(11,31)]
plt.xticks(list(x),xiaoming,fontproperties=my_font)
plt.xlabel("小明年龄",fontproperties=my_font)
plt.ylabel("女朋友个数",fontproperties=my_font)
plt.title("小明11岁到30岁女朋友个数详情",fontproperties=my_font)
# 绘制网格
plt.grid(alpha=0.4)#alpha 设置网格深度
plt.show()

案例四：假设小a和小b 都是30岁，请在同一个图中绘制出a和b从11岁到30岁个交往的女朋友个数的折线图。
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]

from matplotlib import pyplot as plt # 导入pyplot
from matplotlib import font_managerx = range(11,31)
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')
fig = plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,a)
plt.plot(x,b)
plt.yticks(range(0,9))
xiaoming = ["{}岁".format(i) for i in range(11,31)]
plt.xticks(list(x),xiaoming,fontproperties=my_font)
plt.xlabel("年龄",fontproperties=my_font)
plt.ylabel("女朋友个数",fontproperties=my_font)
plt.title("a和b从11岁到30岁女朋友个数队比详情",fontproperties=my_font)
# 绘制网格
plt.grid(alpha=0.4)#alpha 设置网格深度
plt.show()

图例位置，线条颜色，线条风格

from matplotlib import pyplot as plt # 导入pyplot
from matplotlib import font_managerx = range(11,31)
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')
fig = plt.figure(figsize=(20,8),dpi=80)plt.plot(x,a,label="小a",color="orange",linestyle="--" ) # color 参数表示折线的颜色,linestyle参数表示线条的风格
plt.plot(x,b,label="小b",color="#FFB6C1")plt.yticks(range(0,9))
xiaoming = ["{}岁".format(i) for i in range(11,31)]
plt.xticks(list(x),xiaoming,fontproperties=my_font)
plt.xlabel("年龄",fontproperties=my_font)
plt.ylabel("女朋友个数",fontproperties=my_font)
plt.title("a和b从11岁到30岁女朋友个数队比详情",fontproperties=my_font)
# 绘制网格
plt.grid(alpha=0.4)#alpha 设置网格深度plt.legend(prop=my_font,loc="upper left")# 添加图例,loc显示图列位置
plt.show()

matplotlib-散点图学习

案例一：
假设通过爬虫获取到了北京2020年3，10月份每天白天的最高气温（分别位于列表a，b），那么此时如果寻找出气温和随时间（天）变化得某种规律呢？
a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,16,6]

from matplotlib import pyplot as plt
from matplotlib import font_managermy_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置字体
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,16,6]
fig = plt.figure(figsize=(20,8),dpi=80)# 设置绘图大小
x_3 = range(1,32)
x_10 = range(51,82)
# 使用scatter方法绘制散点图，和之前绘制折线图的唯一区别
plt.scatter(x_3,y_3,label="3月份")
plt.scatter(x_10,y_10,label="10月份")#调整x轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],fontproperties=my_font,rotation = 45)plt.legend(prop=my_font,loc="upper left")# 添加图例,loc显示图列位置
#添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度",fontproperties=my_font)
plt.title("北京2020年3，10月份每天白天的最高气温对比",fontproperties=my_font)
plt.show()

绘制条形图
案例一：假设获取到2017年内地电影（列表a）和电影票房数据（列表b），那么如何更加直观展示该数据？
a = [“战狼2”,“速度与激情8”，“功夫瑜伽”,“西游伏妖篇”,“变形金刚5:最后的骑士”,“摔跤吧！爸爸”,“加勒比海盗5:死无对证”,“金刚:骷髅岛”,“极限特工:终极回归”,“生化危机6:终章”,“乘风破浪”,“神偷奶爸3”,“智取威虎山”,“大闹天竺”,“金刚狼3:殊死一战”,“蜘蛛侠:英雄归来”,“悟空传”,“银河护卫队2”,“情圣”,“新木乃伊”]
b = [56.01，26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] 单位:亿

from matplotlib import pyplot as plt
from matplotlib import font_manager
fig = plt.figure(figsize=(20,8),dpi=80)# 设置绘图大小
my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置字体a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5\n:最后的骑士","摔跤吧！爸爸","加勒比海盗5\n:死无对证","金刚:骷髅岛","极限特工\n:终极回归","生化危机6\n:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3\n:殊死一战","蜘蛛侠\n:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊"]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] #单位:亿plt.bar(range(len(a)),b,width=0.3)#width设置线条宽度
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=45)plt.xlabel("电影名称",fontproperties=my_font)
plt.ylabel("票房",fontproperties=my_font)
plt.title("2017年内地电影和电影票房数据",fontproperties=my_font)
plt.show()plt.show()

from matplotlib import pyplot as plt
from matplotlib import font_manager
fig = plt.figure(figsize=(20,8),dpi=80)# 设置绘图大小
my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置字体a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5\n:最后的骑士","摔跤吧！爸爸","加勒比海盗5\n:死无对证","金刚:骷髅岛","极限特工\n:终极回归","生化危机6\n:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3\n:殊死一战","蜘蛛侠\n:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊"]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] #单位:亿plt.barh(range(len(a)),b,height=0.3,color="#33FF00")#height设置线条宽度
plt.yticks(range(len(a)),a,fontproperties=my_font)plt.xlabel("票房（亿）",fontproperties=my_font)
plt.ylabel("电影名称",fontproperties=my_font)
plt.title("2017年内地电影和电影票房数据",fontproperties=my_font)
plt.grid(alpha=0.3)#绘制网格
plt.show()

案例二：假设已知a中电影分别在 2017-09-14（b_14），2017-9-15(b_15),2017-9-16(b_16)三天的票房数据，为了展示列表中电影本身的票房以及同其他电影的数据对比情况，应该如何更加直观的呈现该票房数据？
a = [“猩球崛起3:终极之战”,"敦刻尔克,“蜘蛛侠:英雄归来”,“战狼2”]
b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15764,312,4497,319]

from matplotlib import pyplot as plt
from matplotlib import font_managerfig = plt.figure(figsize=(20,8),dpi=80)# 设置绘图大小
my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置字体a = ["猩球崛起3:终极之战","郭刻尔克","蜘蛛侠:英雄归来","战狼2"]
b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15764,312,4497,319]bar_width = 0.2x_14 = list(range(len(a)))
x_15 = [i + bar_width for i in x_14]
x_16 = [i + bar_width*2 for i in x_14]plt.bar(range(len(a)),b_14,width=bar_width)
plt.bar(x_15,b_15,width=bar_width)
plt.bar(x_16,b_16,width=bar_width)
plt.show()

from matplotlib import pyplot as plt
from matplotlib import font_managerfig = plt.figure(figsize=(20,8),dpi=80)# 设置绘图大小
my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置字体a = ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]
b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15764,312,4497,319]bar_width = 0.2x_14 = list(range(len(a)))
x_15 = [i + bar_width for i in x_14]
x_16 = [i + bar_width*2 for i in x_14]plt.bar(range(len(a)),b_14,width=bar_width,label="9月14日")
plt.bar(x_15,b_15,width=bar_width,label="9月15日")
plt.bar(x_16,b_16,width=bar_width,label="9月16日")
#设置图例
plt.legend(prop=my_font)
# 设置x轴的刻度
plt.xticks(x_15,a,fontproperties=my_font)
plt.show()

绘制直方图

案例一：
假设你获取了50部电影的时长（列表a中），希望统计出这些电影时长的分布状态（比如时长为100分钟到120分钟的电影数量，出现的评率）等信息。
a= [131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,110,116,117,110,128,128,115,99,136,126,134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,137,123,128,125,104,109,134,77,88,99,100,121,95,92,123,128,111,135,132,124,150,151,98,75,72,77,82,100,98,99,100]

from matplotlib import pyplot as plt
from matplotlib import font_managerfig = plt.figure(figsize=(20,8),dpi=80)# 设置绘图大小
my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置字体a= [131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,110,116,117,110,128,128,115,99,136,126,134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,137,123,128,125,104,109,134,77,88,99,100,121,95,92,123,128,111,135,132,124,150,151,98,75,72,77,82,100,98,99,100]#计算组数
d = 5 #组距
num_bins = (max(a)-min(a))//d
plt.hist(a,num_bins)
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))
plt.grid()# 绘制网格
plt.show()

我们发现图片出现了偏移是因为组距无法被整除

from matplotlib import pyplot as plt
from matplotlib import font_managerfig = plt.figure(figsize=(20,8),dpi=80)# 设置绘图大小
my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置字体a= [131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,110,116,117,110,128,128,115,99,136,126,134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,137,123,128,125,104,109,134,77,88,99,100,121,95,92,123,128,111,135,132,124,150,151,98,75,72,77,82,100,98,99,100]#计算组数
d = 1 #组距
num_bins = (max(a)-min(a))//dplt.hist(a,num_bins,density=True)
#设置x轴的刻度
plt.xticks(range(min(a),max(a),d))
plt.grid()# 绘制网格
plt.show()

interval = [0,5,10,15,20,25,30,25,40,45,60,90] # x轴
width = [5,5,5,5,5,5,5,5,5,15,30,60] # 宽度
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47] # y轴

from matplotlib import pyplot as plt
from matplotlib import font_managerfig = plt.figure(figsize=(20,8),dpi=80)# 设置绘图大小
my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyhl.ttc')# 设置字体interval = [0,5,10,15,20,25,30,25,40,45,60,90] # x轴
width = [5,5,5,5,5,5,5,5,5,15,30,60] # 宽度
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47] # y轴plt.bar(range(12),quantity,width=1)# 设置x轴刻度
_x = [i - 0.5 for i in range(13)]
_xtick_labels = interval+[150]
plt.xticks(_x,_xtick_labels)
plt.grid()
plt.show()

1，应该选择哪种图形来呈现数据
2，matplotlib.plot（x,y）
3，matplotlib.bar(x,y)
4，matplotlib.scatter(x,y)
5，matplotlib.hist(data,bins,normed)
6，xticks和yticks的设置
7，label和title，grid的设置
8，绘图的大小和保存图片

matplotlib支持的图形非常多可参考 https://matplotlib.org/gallery/index.html

https://echarts.apache.org/examples/zh/index.html

数据分析学习01-matplotlib绘图工具基本操作相关推荐

Python数据分析学习系列九绘图和可视化
Python数据分析学习系列九绘图和可视化资料转自(GitHub地址):https://github.com/wesm/pydata-book 有需要的朋友可以自行去github下载信息可视化 ...
＜笔记1＞matplotlib绘图工具笔记
matplotlib绘图工具笔记 python中有许多非常方便的可视化工具,例如matplotlib,seaborn等.在这里主要总结matplotlib的简单绘图方法. 设置图形的大小和中文显示,图 ...
matplotlib xticks 基于旋转_数据可视化之 matplotlib 绘图篇
本文转载于 SegmentFault 社区作者:mhxin 引言首先来看几个简单的图表, 下面 4 段不同的 matplotlib 绘图代码最终的结果是一样的,绘制的图形如下图所示. a = np ...
Python数据可视化之matplotlib绘图教程
目录一.快速绘图 1. 折线图 2. 柱状图 3. 饼状图 4. 散点图 5. 图片保存二.基本设置 1. 图片 2. 坐标轴 3. 刻度 4. 边距 5. 图例 6. 网格 7. 标题 8. 文 ...
01 matplotlib绘图初体验
matplotlib 可以绘制什么图? 前言一.折线图 1.1 折线图的介绍 1.2 代码及运行结果二.散点图 2.1 散点图的介绍 2.2 代码及运行结果三.饼图 3.1 饼图的介绍及使用要求 ...
数据分析学习笔记—matplotlib折线图、条形图、直方图、饼状图基础绘制
文章目录一.Matplotlib概念和基本属性设置思维导图二.折线图基础绘制及代码中相关参数解析 1.代码 2.结果展示 3.Matplotlib图组件-官方 4.jupyter Notebook ...
python中numpy matplotlib绘图教程_利用numpy+matplotlib绘图的基本操作教程
简述 Matplotlib是一个基于python的2D画图库,能够用python脚本方便的画出折线图,直方图,功率谱图,散点图等常用图表,而且语法简单.具体介绍见matplot官网. Numpy(Nu ...
数据可视化（matplotlib绘图）
基于Matplotlib模块的绘图使用简单绘图语句,实现复杂绘图效果以交互式操作实现渐趋精细的图形效果使用嵌入式的Latex输出具有印刷级别的图表,科学表达式和符号文本对图表的组成元素实现精细 ...
python绘制曲线y=2x+5_Python数据可视化：Matplotlib绘图详解（二）
上一章节我们学习了matplotlib的基本用法和坐标轴设置方面的一些内容,这节课,我们要学习在图中添加图例与标注. 基本用法本章知识点归纳如下: 1.添加图例:plt.legend() 2.画点: ...

数据分析学习01-matplotlib绘图工具基本操作

数据分析学习01-matplotlib绘图工具基本操作相关推荐

最新文章

热门文章