python之 matplotlib和pandas繪圖教程
不得不說使用python庫matplotlib繪圖確實比較醜,但使用起來還算是比較方便,做自己的小小研究可以使用。這裡記錄一些統計作圖方法,包括pandas作圖和plt作圖。
前提是先導入第三方庫吧
import pandas as pd import matplotlib.pyplot as plt import numpy as np
然後以下這兩句用於正常顯示中文標簽什麼的。
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標簽 plt.rcParams['axes.unicode_minus'] = False # 用來正常顯示負號
當然還有一些最基本的步驟:
plt.xticks(x,xtk,size=12,rotation=50) #設置字體大小和字體傾斜度 plt.xlabel(u'城市') # x軸標簽 plt.ylabel(u'數量') plt.title(u'朋友所在城市') # 圖的名稱 plt.legend() # 正常顯示標題 plt.show() # 顯示圖像 plt.close() # 繪圖後養成習慣性的關掉
對於pandas中的二維數據框,可以直接作圖(Series類型),簡單的折線圖或者曲線圖如下:
sdata.plot(color='r', style='-o') plt.show()
如果沒有用pandas,直接作曲線圖,可以這樣寫:
plot(x,y, color ='blue', linewidth=2.5, linestyle="--")
1,柱狀圖
rects1=plt.bar( #(x,data) 就是所要畫的二維數據 left=x, #x 是X坐標軸數據,即每個塊的x軸起始位置 height=data, #data是Y坐標軸的數據,即每個塊的y軸高度 width=[0.1,0.2,0.3], #每一個塊的顯示寬度 bottom=[1,2,3], #每一個塊的底部高度 color='y', #塊的顏色 edgecolor='g', #塊的邊界顏色 linewidth=2, #塊的線條寬度 xerr=1, #x軸誤差bar yerr=1, #y軸誤差bar ecolor='r', #誤差bar的顏色 capsize=1, #誤差bar的線條寬度 orientation='vertical', #塊的方向 (horizontal,vertical) align="center", #塊的位置 (center, left, right) hold=None ) plt.show()
2,餅圖
plot2=plt.pie(data, # 每個餅塊的實際數據,如果大於1,會進行歸一化,計算percentage explode=[0.0,0.1,0.2], # 每個餅塊離中心的距離 colors=['y','r','g'], # 每個餅塊的顏色 labels=['women','men','unknown'], # 每個餅塊的標簽 labeldistance=1.2, # 每個餅塊標簽到中心的距離 autopct='%1.1f%%', # 百分比的顯示格式 pctdistance=0.4, # 百分比到中心的距離 shadow=True, # 每個餅塊是否顯示陰影 startangle=0, # 默認從x軸正半軸逆時針起 radius=1.0 # 餅塊的半徑 ) plt.axis('equal') # 顯示為圓形,避免比例壓縮為橢圓 plt.show()
3,共享X軸,Y軸左右軸標(帕累托分析圖)
數據樣例如下,名稱為va,類型為Series,左邊為職位名稱,右邊為數量:
sales 4140 technical 2720 support 2229 IT 1227 product_mng 902 marketing 858 RandD 787 accounting 767 hr 739 management 630
作圖:
fr = pd.Series(va.values.cumsum() / va.values.sum()) va.plot(kind='bar') fr.plot(color='r',secondary_y=True, style='-o') plt.annotate(format(fr[7], '.2%'), xy=(7, fr[7]), xytext=(7*0.9, fr[7]*0.9), arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2')) # 用於註釋圖形指標 # plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標簽 # plt.rcParams['axes.unicode_minus'] = False # 用來正常顯示負號 # plt1 = plt.pie(va.values, # labels=va.index, # autopct='%1.1f%%') plt.xticks(rotation=50) # 設置字體大小和字體傾斜度 plt.show()
左邊為出現的頻率,右邊為累積百分比(這裡數據以降序排列較好,便於直觀地觀察),效果如下:
在pandas中,曲線圖可以直接畫,比如data中有多個屬性,可以直接使用data.plot()。使用plt,若各個屬性需要共用XY軸,那麼可以重復plot即可。
4,箱型圖
使用pandas畫箱型圖簡單方便,但是註釋比較麻煩,可以用annotate添加異常點的註釋。若使用之前的數據va,則先創建二維數據框再畫圖。如果有多個列為數字類型,那麼可以畫每個列的箱型圖,這裡隻有一列數據,如下:
pd.DataFrame(va).boxplot() plt.show()
使用plt直接進行作圖:
plt.boxplot(data,labels=[], sym='o',whis=1.5)
其中,data可以是一維的,也可多維,若為多維則lables為每一維度的標簽。sym為異常值的形狀,whis為調節垂直線段的長度。效果如下:
5,多張圖在一張畫佈中,即多個子圖
使用plt:
plt.subplot(221) plt.plot(x, y1,'r-', lw=2) plt.subplot(222) plt.plot(x,y2)
使用pandas:
data.plot(subplots=True, color=['r','b'], style=['-o','-']) plt.show()
排版方式有不同,pandas是垂直排列,plt可以自己指定位置。pandas效果如下:
補充:Python DataFrame 多條件篩選 使用&
我就廢話不多說瞭,大傢還是直接看代碼吧~
DF6 Out[42]: B C D 0 1 B 10.750 1 3 C 8.875 2 2 T 58.000 3 2 L 57.000 4 3 Y 46.000
DF6[(DF6.B>1) & (DF6.D > 10)]
Out[45]: B C D 2 2 T 58.0 3 2 L 57.0 4 3 Y 46.0
以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。如有錯誤或未考慮完全的地方,望不吝賜教。
推薦閱讀:
- python 用matplotlib繪制折線圖詳情
- Python數據分析應用之Matplotlib數據可視化詳情
- 手把手帶你瞭解Python數據分析–matplotlib
- Python Matplotlib數據可視化模塊使用詳解
- Python進階Matplotlib庫圖繪制