这里只讲数据分析常用的图形绘制，至于复杂的图形不在本篇讨论范围，讲到的几个图形基本满足数据分析过程的要求，至于汇报材料或者其他的高质量图形，以后再另外写关于ggplot2的简单使用。
python的绘图工具主要是matplotlib，这里不讲复杂的使用，只讲简单的使用。

使用matplotlib绘图有两种方法：
1.matplotlib绘图，指定参数data=DataFrame或Series
2.pandas对DataFrame和Series做了处理，它们本身有plot的方法

1.使用matplotlib绘图，如果用过MATLAB的朋友对这个不陌生。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from pandas import DataFrame, Series
from numpy.random import randn,randimport matplotlib as mpl
from matplotlib.pyplot import savefigmpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

# 1.先创建一个画布
fig = plt.figure()# 2.然后创建图形矩阵
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)# 3.查看画布
fig# 4.单独绘制曲线
plt.plot(randn(50).cumsum(), 'k--')# 5.在刚才创建的图形矩阵上画图
# 5.1.直方图
ax1.hist(randn(100), bins = 20, color = 'k', alpha = 0.3)
# 5.2.散点图
ax2.scatter(np.arange(30), np.arange(30)+3*randn(30))
# 5.3.线图(默认)
ax3.plot(randn(50).cumsum(),'k--')# 6.将画好的图形显示出来
fig
# 或者plt.show()

前面的代码是先创建画布然后创建图形矩阵，有人嫌麻烦，于是有了下面的代码。

# 创建图形矩阵的快捷函数
# sharex,sharey 共享x，y轴，也就是刻度线是一样的
fig, axes = plt.subplots(2,2, sharex = True, sharey = True)for i in range(2):for j in range(2):axes[i,j].hist(randn(500), bins=50,color='k', alpha = 0.5)
plt.subplots_adjust(wspace = 0,hspace=0)
fig

# 图形的属性
1.color:颜色
1.1 r：红色
1.2 b：蓝色
1.3 g：绿色
1.3 y：黄色2.数据标记markder
2.1 o：圆圈
2.2 .：圆点
2.2 d：棱形3.线型linestyle
3.1 没有参数的话就是默认画点图
3.2 --：虚线
3.3 -：实线4.透明度
alpha5.大小
size6.网格线
plt.grid(True,color='g',linestyle='-',linewidth='2')

# 区域填充
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(0,5*np.pi,1000)
y1=np.sin(x)
y2=np.sin(2*x)
plt.plot(x,y1)
plt.plot(x,y2)
# 填充
plt.fill(x,y1,'b',alpha=0.3)
plt.fill(x,y2,'r',alpha=0.3)
# 只填充相交区域
fig=plt.figure()
ax=plt.gca()
ax.plt(x,y1,x,y2,color='black')
ax.fill_between(x,y1,y2,facecolor='blue')ax.fill_between(x,y1,y2,where=y1>y2,facecolor='yellow',interpolate=True)
ax.fill_between(x,y1,y2,where=y2>y1,facecolor='green',interpolate=True)
plt.show()

# 样式
plt.style.use('ggplot')# 打印plt支持的样式
print(plt.style.available)

# 直方图与二维直方图
# 使用plt方式
import numpy as np
import matplotlib.pyplot as plt
# normed 标准化指定是显示频率还是频数
mu = 100
sigma = 20
x = mu + sigma * np.random.randn(2000)
plt.hist(x, bins=10,color='red',normed=True)
plt.hist(x, bins=50,color='green',normed=False)
plt.show()# 二维直方图
x = np.random.randn(1000)+2
y = np.random.randn(1000)+3
plt.hist2d(x, y, bins=40)
plt.show()

# 积分图
# 其实是绘制多边形图实现积分图
import matplotlib.pyplot as plt
from matplotlib.patches import Polygon  #多边形
import numpy as np
def func(x):return -(x-2)*(x-8)+40
x=np.linspace(0,10)
y=func(x)fig.ax=plt.subplot()
plt.plot(x,y,'r',linewidth=2)a,b=2,9
ax.set_xticks([a,b])
# ax.set_yticks([])
ax.set_xticklabels(['$a$','$b$'])# 绘制积分区域的多边形点位置
ix=np.linspace(a,b)
iy=func(ix)
ixy=zip(ix,iy)
verts=[(a,0)]+list(ixy)+[(b,0)]
poly=Ploygen(verts,facecolor='0.9',egdcolor='0.1')
ax.add_patch(poly)plt.figtext(0.9,0.05,'$x$')
plt.figtext(0.1,0.9,'$y$')x_mathch=(a+b)*0.4
y_match=30
plt.text(x_match,y_match,r'$inta^b (-(x-2)*(x-8)+40)dx$',fontsize=20)plt.show()

# 公式
import matplotlib.pyplot as plt
fig=plt.figure()
ax=fig.add_subplot(111)
ax.set_xlim(1,7)
ax.set_ylim(1,5)
ax.text(2,4,r"$ \alpha_i \pi \lambda \omega $", size=25)
plt.show()

plt.plot(randn(30).cumsum(),'b.--')

# 设置标题，轴刻度，轴标签，以及刻度标签
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum())
ticks = ax.set_xticks([0,250,500,750,1000]) #x轴刻度
labels = ax.set_xticklabels(['one','tow','three','four','five'],rotation=30, fontsize='small') #x轴刻度名称
ax.set_title('my first matplotlib plot')  #标题
ax.set_xlabel('stages')  #x轴标题
fig# 添加图例
# 也是在同一幅图中绘制多条线的方法
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(), 'k',label='one')
ax.plot(randn(1000).cumsum(),'k--', label='two')
ax.plot(randn(1000).cumsum(), 'k.',label = 'three')
# 图例放置的位置
ax.legend(loc='best')
# ax.legend(loc=1)  # 1,2,3,4表示图的4个角落
fig# 保存图片
fig.savefig('pd_fig.png')# 注解，以及subplot上绘图
from datetime import datetime
data = pd.read_csv('spx.csv',index_col = 0,parse_dates=True)
spx=data['SPX']
data.columns
data.head()fig=plt.figure()
ax = fig.add_subplot(1,1,1)spx.plot(ax=ax, style='k--')
crisis_data=[(datetime(2007,10,11),'peak of bull market'),(datetime(2008,3,12),'bear strarns fails'),(datetime(2008,9,15),'lehman bankruptcy')
]
for date,label in crisis_data:ax.annotate(label, xy=(data,spx.asof(date)+50),xytext=(date,spx.asof(date)+200),arrowprops=dict(facecolor='black'),verticalalignment='top')# 轴刻度范围
ax.set_xlim(['1/1/2007','1/1/2011'])
ax.set_ylim([600,800])
ax.set_title('import dates in 2008-2009 financial crisis')
fig

批量保存图片

如果只有一张图片，这没什么好说的，但是如果要对每个维度绘图，然后保存图片呢。
下面的批量保存的伪代码

for _ in all_need_plot:fig = plt.figure()ax=fig.add_subplot(111)sub_data[years].plot(ax=ax, style='o-',title='%s 月销量趋势图'%lev3)file = r'E:\服装预测\销量趋势-%s.jpg' %lev3savefig(file)time.sleep(0.5)  # 注意这里要暂停一下，不然会出问题的plt.close()   # 最后记得关闭句柄，再画下一张图

前面说过，既可以用matplotlib来绘图，Series和DataFrame本身也封装有绘图的函数。下面是一些常用的图形。

作图函数名	功能	模块
plot()	折线图，点图	matplotlib 和 pandas
pie()	饼图	matplotlib 和 pandas
hist()	直方图，条形图	matplotlib 和 pandas
boxplot()	箱线图	pandas
plot(loyg=True)	y轴的对数图形	pandas
plot(yerr=True)	误差条形图	pandas

pandas简单画图

# 1.matplotlib的方法
import matplotlib.pyplot as plt
plt.plot(x,y,S)
# S是图形选项，包括颜色，样式，图形的类型，具体的参数和前面的一样。# 2.pandas的方法
D.plot(kind='图形类型')# D是DataFrame或者Series，默认以index为横坐标，
# 每列数据为纵坐标自动绘图，也就是每列数据绘制一个图形。# kind=
# line :线
# bar :条形图
# barh,hist :直方图
# box :箱线图
# kde :密度图
# area :面积图
# pie :饼图
# 除了kind参数外，也能接受plt.plot()中的参数。

常用的图形

# 1.线形图(默认)
s = Series(randn(10).cumsum(), index=np.arange(0,100,10))
s.plot(style='ko--')#如果是数据框，则每一列画一条线
df = DataFrame(randn(10,4).cumsum(0),columns=['a','b','c','d'],index=np.arange(0,100,10))
df.plot()# 2.柱状图
# 柱状图是对每一个数字画图，如果有多个数字就画多条柱子
# 也就是说，柱状图需要给定柱子的高度。注意这和直方图是不一样的，
# 直方图会自己计数，然后绘图，如果画得比较细，就是密度曲线了fig,axes = plt.subplots(2,1)
data = Series(np.random.rand(16),index=list('abcdefghijklmnop'))
data.plot(kind='bar',ax=axes[0])
data.plot(kind='bar',ax=axes[1])
figdf = DataFrame(np.random.rand(6,4),index='one','two','three','four','five','six'],name='Genus'))
df# 每行画一个族柱，有多少行就有多少族柱
df.plot(kind='bar')# 2.2堆积的柱状图
df.plot(kind='bar',stacked=True,alpha=0.5)tips = pd.read_csv('tips.csv')
tips.head()
party_counts=pd.crosstab(tips.size,tips.day)
party_countsparty_pcts=party_counts.div(party_counts.sum(1),axis=0)
party_pcts
party_pcts.plot(kind='bar',stacked=True)# 3.直方图和密度图
# 注意和前面的柱状图的区别，直方图可以自动对给定的区间计数，绘制高度
tips['tip_pct']=tips['tip']/tips['total_bill']
tips['tip_pct'].hist(bins=50)# 4.密度曲线
tips['tip_pct'].plot(kind='kde')# 将两幅图画在一起
comp1=np.random.normal(0,1,size=200)
comp2=np.random.normal(10,2,size=200)
values=Series(np.concatenate([comp1,comp2]))
values
values.hist(bins=100, alpha=0.3, color='k',normed=True)
values.plot(kind='kde',style='k--')# 5.散布图，散点图
macro = pd.read_csv('macrodata.csv')
data = macro[['cpi','m1','tbilrate','unemp']]
trans_data = np.log(data).diff().dropna()
trans_data[-5:]
trans_data.tail()plt.scatter(trans_data['m1'],trans_data['unemp'])
plt.title('change in log %s vs log %s' %('m1','unemp'))
plt.show()# 5.2.散点图矩阵
pd.scatter_matrix(trans_data,diagonal='kde', color='k', alpha=0.3)

python画图，最好的还是seaborn，绘制配色漂亮的统计图形，其分组，分面，统计等，堪比ggplot啊。

python 简单绘图相关推荐

python简单绘图教程视频_Python绘图的简单教程（I）-基本元素,python,一
python绘图简单教程(一)--基本元素一.理解面向对象因为我们不需要自己设计一个代码库,只要知道面向对象的调用就可以了. 1)什么是类? 一类东西的抽象名词概括比如汽车car,概括了许多具体 ...
python简单绘图步骤_python画图的两种方法
python如何画图?这里给大家介绍两款python绘图的库:turtle和Matplotlib. 1 安装turtle Python2安装命令:pip install turtule Python3 ...
Python简单绘图一
其实一直都想学习一下Python,但是程序员都知道,只有当你真正用到一门语言的时候,学起来效率最高,所以我现在要用了本来这个画图的工作,同事已经用MATLAB完成了,但是我自己一直觉得MATLAB不 ...
python简单绘图（根据表格绘制曲线图）
实验数据数据来自出版书籍<An Introduction to Statistical Learning with Applications in R>(Springer, 2013), ...
python简单绘图
# normal_picture_codes_plt.py # 编写时间 2022/3/24 20:26 from matplotlib import pyplot as plt import num ...
python简单绘图代码-python中简单易学的绘图：用turtle画太极图
为什么想画太极图呢?因为我儿子不知道是看了哪本书还是哪个电视,竟然特地打印出一张太极图要挂在大门口,我赶紧说祖宗这挂在门外,别人看见了还以为咱家出什么事了,你喜欢就挂自己卧室门口吧,于是这张图就成了他 ...
编程软件python图片-python Plotly绘图工具的简单使用
1.plotly库的相关介绍 1)相关说明 plotly是一个基于javascript的绘图库,plotly绘图种类丰富,效果美观: 易于保存与分享plotly的绘图结果,并且可以与Web无缝集成: ...
python绘图实例-Python使用matplotlib简单绘图示例
本文实例讲述了Python使用matplotlib简单绘图.分享给大家供大家参考,具体如下: # -*- coding:utf-8 -*- #! python2 """ ...
一个用于提取简体中文字符串中省，市和区并能够进行映射，检验和简单绘图的python模块...
简介一个用于提取简体中文字符串中省,市和区并能够进行映射,检验和简单绘图的python模块. 举个例子: ["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘 ...

python 简单绘图

批量保存图片

pandas简单画图

常用的图形

python 简单绘图相关推荐

最新文章

热门文章