python数据可视化之Matplotlib

matplotlib基本要点

基本使用

from matplotlib import pyplot as plt#导入pyplot
x = range(2,26,2)
#数据在x轴的位置,是一个可迭代对象
y =[15,13,14.5,17,20,25,26,26,24,22,18,15]
#数据在y轴的位置,是一个可迭代对象
#x轴和y轴的数据一起组成了所有要绘制出的坐标
分别是(2,15),(4,13),(6,14.5),(8,17)...
plt.plot(x,y)#传入x和y,通过plot绘制出折线图
plt.show()#在执行程序的时候展示图形

图片大小

plt.figure(figsize=(20,8),dpi=80)
#figure图形图标的意思,在这里指的就是我们画的图
#通过实例化一个fgure并且传递参数,能够在后台自动使用该fgure实例
#在图像模糊的时候可以传入dpi参数,让图片更加清晰
x = range(2,26,2)
y =[15,13,14.5,17,20,25,26,26,24,22,18,15]plt.plot(x,y)
plt.savefig("./sig_size.png ")#保存图片
#可以保存为svg这种矢量图格式,放大不会有锯齿
plt.show()

x/y轴刻度

plt.xticks(rotation=90)#x轴刻度rotation:旋转的度数
plt.yticks()#y轴刻度

中文显示

# 设置matplotlib正常显示中文和负号
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用黑体显示中文
plt.rcParams['axes.unicode_minus'] = False     # 正常显示负号

描述信息

plt.xlabel('x轴描述信息')
plt.ylabel('y轴描述信息')
plt.title('标题')

图形网格

plt.grid(alpha=0.4)#绘制网格,alpha:透明度

图例

#散点图
from matplotlib import pyplot as plt
from matplotlib import font_manager
# 设置matplotlib正常显示中文和负号
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用黑体显示中文
plt.rcParams['axes.unicode_minus'] = False     # 正常显示负号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]#3月份
y_10=[26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]#10月份
x_3 =range(1,32)
x_10=range(51,82)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#使用scatter绘制散点图
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],rotation=45)#[::3]步长为3,rotation倾斜角度
#添加图例
plt.legend(loc=2)
#添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('标题')
#展示
plt.show()

自定义绘制图形风格

plt.plot(x,y,color='r',linestyle='--',linewidth=5,alpha=0.5)#color线条颜色,linestyle线条风格,linewidth线条粗细,alpha透明度

颜色字符	风格字符
`r`红色	`-`实线
`g`绿色	`--`虚线,破折线
`b`蓝色	`-.`点划线
`c`青色	`:`点虚线,虚线
`m`洋红	`''`留空或空格,无线条
`y`黄色
`k`黑色
`#00ff00`16进制
`0.8`灰度值字符串

折线图

动手

假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势

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]
要求:y轴表示个数x轴表示岁数,比如11岁,12岁等

代码:

y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_2 =[1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]
x=range(11,31)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#设置X轴刻度
xtick_labels=['{}岁'.format(i) for i in x]
plt.xticks(x,xtick_labels)
plt.yticks(range(0,9))
#绘制网格
plt.grid(alpha=0.4)
plt.plot(x,y_1,label='自己')
plt.plot(x,y_2,label='同桌')
#添加图例
plt.legend()
#展示
plt.show()

散点图

#散点图
from matplotlib import pyplot as plt
from matplotlib import font_manager
# 设置matplotlib正常显示中文和负号
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用黑体显示中文
plt.rcParams['axes.unicode_minus'] = False     # 正常显示负号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]#3月份
y_10=[26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]#10月份
x_3 =range(1,32)
x_10=range(51,82)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.scatter(x_3,y_3)
plt.scatter(x_10,y_10)
#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],rotation=45)
#展示
plt.show()

条形图

#绘制条形图
x=["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","蜘矜侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
y=[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.figure(figsize=(20,8),dpi=80)
plt.bar(x,y,width=0.3)
plt.xticks(x,rotation=90)#让文字旋转90度,避免文字重叠
plt.show()

#绘制横着的条形图
x=["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","蜘矜侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
y=[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.figure(figsize=(20,8),dpi=80)
plt.barh(range(len(x)),y,height=0.3)
plt.yticks(range(len(x)),x)
plt.grid(alpha=0.4)
plt.show()

多条形图

# 假设你知道了列表a中电影分别在2017-09-14(b_14),2017-09-15(b_15),2017-09-16(b_16)三天的票房,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数据?
x = ["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 = [15746, 312, 4497, 319]
bar_width = 0.2
x_14 = list(range(len(x)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]
# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
plt.bar(range(len(x)),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()
#设置x轴的刻度
plt.xticks(x_15,x)
plt.show()

直方图

把数据分为多少组进行统计???

组数要适当,太少会有较大的统计误差,大多规律不明显

组数:将数据分组,当数据在100个以内时，
按数据多少常分5-12组。
组距:指每个小组的两个端点的距离
组距=极差组距=max(a)−min(a)bin_width组距=\frac {极差} {组距}=\frac {max(a)-min(a)}{bin\_width} 组距=组距极差=bin_widthmax(a)−min(a)

bin_width = 3#设置组距为3
num_bins = int((max (a)-min(a))/bin_width)#分为多少组
plt.hist(a,num_bins)
#传入需要统计的数据,以及组数即可
#plt.hist(a，[min(a)+i*bin_width for i in range(num_bins)])
#可以传入一个列表,长度为组数,值为分组依据,当组距不均匀的时候使用
#plt.hist(a, num_bins,normed=1)
#normed : bool是否绘制频率分布直方图,默认为频数直方图
plt.xticks(list(range(min(a),max(a))[::bin_width],rotation=45)
plt.grid(True,linestyle = "-.",alpha=0.5)
#显示网格,alpha为透明度

#直方图
#假设你获取了250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分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?
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, 90, 99, 136, 126, 134, 95, 138, 117, 79, 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, 125, 127, 105, 120, 107, 129, 116,108, 132, 103, 136, 118, 102, 120, 114, 105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106,117, 127, 144, 139, 139, 119, 140, 83, 110, 102, 123, 107, 143, 115, 136, 118, 139, 123, 112, 88, 125, 109, 119, 133, 112, 114,122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135, 115, 146, 137, 116, 103, 144, 83, 123, 79, 110, 101, 100, 154, 136,100, 118, 119, 133, 134, 106, 129, 126, 110, 98, 109, 141, 120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134, 106, 144, 110, 137, 137, 91, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133,112, 83, 94, 146, 133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150]
plt.figure(figsize=(20,8),dpi=80)
plt.grid()
# 组距(组距最好选可以让max(a)-min(a)整除的)
d = 3
#计算组数
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))#max(a)+d保证可以取到最大值
plt.show()

用条形图绘制直方图

#在美国2004年人口普查发现有124 million的人在离家相对较远的地方工作。根据他们从家到上班地点所需要的时间,通过抽样统计(最后一列)出了下表的数据,这些数据能够绘制成直方图么?
interval = [0,5,10,15,20,25,30,35,40,45,60,90]#时间段
width =[5,5,5,5,5,5,5,5,5,15,30,60]#组距
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]#数据
# 前面的问题中给出的数据都是统计之后的数据，所以为了达到直方图的效果,需要绘制条形图
# 所以:一般来说能够使用plt.hist方法的的是那些没有统计过的数据
plt.figure(figsize=(20,8),dpi=80)
plt.grid()
plt.bar(range(12),quantity,width=1)
#设置x轴的刻度
_x = [i-0.5 for i in range(13)]#让x轴往左移动0.5
plt.xticks(_x,interval+[150])
plt.show()

python数据可视化之Matplotlib相关推荐

Python数据可视化——使用Matplotlib创建散点图
Python数据可视化--使用Matplotlib创建散点图 2017-12-27 作者:淡水化合物转载请注明网址:https://www.cnblogs.com/pengsky2016/p/812 ...
《Python数据可视化之matplotlib实践》配套代码
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程公众号:datayx <Python数据可视化之matplotlib实践> 借助matplotlib讲解 ...
python数据可视化（matplotlib条形图、饼图、箱状图、直方图、折线图）（代码）
python数据可视化(matplotlib条形图.饼图.箱状图.直方图.折线图) matplotlib(条形图) 一.简单条形图 1.简单垂直条形图 2.简单水平条形图二.水平交错条形图三.垂直 ...
[转载] Python数据可视化库-Matplotlib——折线图绘制
参考链接: Python Matplotlib数据可视化 plot折线图 # coding:utf-8 import pandas as pd import numpy as np from matp ...
python 数据可视化工具--matplotlib
数据可视化工具--matplotlib 1. 条形图 1.1 垂直条形图 1.2 水平条形图 1.3 堆叠条形图 1.4 水平交错条形图 2.饼状图 3. 直方图与核密度曲线 4. 箱线图 5. 折线 ...
Python数据可视化库Matplotlib折线图（一）
今天我们来学习一下python的数据可视化库,Matplotlib,是一个Python的2D绘图库通过这个库,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率图,条形图,错误图,散点图等等废 ...
Python数据可视化之Matplotlib实现各种图表
数据分析就是将数据以各种图表的形式展现给领导,供领导做决策用,因此熟练掌握饼图.柱状图.线图等图表制作是一个数据分析师必备的技能.Python有两个比较出色的图表制作框架,分别是Matplotlib和 ...
《Python数据可视化之Matplotlib与Pyecharts》之K线图
10.5.1 K线图及其参数配置 K线图又称蜡烛图,股市及期货市场中的K线图的画法包含四个数据,即开盘价.最高价.最低价.收盘价,所有的k线都是围绕这四个指标展开,反映股票的状况.如果把每日的K线图 ...
python画河流图_《Python数据可视化之Matplotlib与Pyecharts》之主题河流图
11.7.2 不同类型商品销售情况分析为了分析该企业不同类型商品的销售额情况,绘制了不同商品销售额的主题河流图,Python代码如下: # -*- coding: utf-8 -*- # -*- ...
python动态仪表图_《Python数据可视化之Matplotlib与Pyecharts》之仪表盘
11.3.2 企业2019年销售业绩完成率为了分析该企业在2019年的销售业绩完成情况,绘制了销售额的仪表盘,Python代码如下: # -*- coding: utf-8 -*- #声明Note ...