Python中的數據可視化matplotlib與繪圖庫模塊
matplotlib官方文檔：https://matplotlib.org/stable/users/index.html
matplotlib是一個繪圖庫，它可以創建常用的統計圖，包括條形圖、箱型圖、折線圖、散點圖、餅圖和直方圖。
一、條形圖bar()
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
# 修改背景為條紋
plt.style.use('ggplot')
classes = ['3班', '4班', '5班', '6班']
classes_index = range(len(classes))
print(list(classes_index))
# [0, 1, 2, 3]
student_amounts = [66, 55, 45, 70]
# 畫佈設置
fig = plt.figure()
# 1,1,1表示一張畫佈切割成1行1列共一張圖的第1個；2,2,1表示一張畫佈切割成2行2列共4張圖的第一個（左上角）
ax1 = fig.add_subplot(1, 1, 1)
ax1.bar(classes_index, student_amounts, align='center', color='darkblue')
ax1.xaxis.set_ticks_position('bottom')
ax1.yaxis.set_ticks_position('left')
plt.xticks(classes_index,
classes,
rotation=0,
fontsize=13,
fontproperties=font)
plt.xlabel('班級', fontproperties=font, fontsize=15)
plt.ylabel('學生人數', fontproperties=font, fontsize=15)
plt.title('班級-學生人數', fontproperties=font, fontsize=20)
# 保存圖片，bbox_inches='tight'去掉圖形四周的空白
# plt.savefig('classes_students.png', dpi=400, bbox_inches='tight')
plt.show()
二、直方圖
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
# 修改背景為條紋
plt.style.use('ggplot')
mu1, mu2, sigma = 50, 100, 10
# 構造均值為50的符合正態分佈的數據
x1 = mu1 + sigma * np.random.randn(10000)
print(x1)
# [59.00855949 43.16272141 48.77109774 ... 57.94645859 54.70312714
# 58.94125528]
# 構造均值為100的符合正態分佈的數據
x2 = mu2 + sigma * np.random.randn(10000)
print(x2)
# [115.19915511 82.09208214 110.88092454 ... 95.0872103 104.21549068
# 133.36025251]
fig = plt.figure()
ax1 = fig.add_subplot(121)
# bins=50表示每個變量的值分成50份，即會有50根柱子
ax1.hist(x1, bins=50, color='darkgreen')
ax2 = fig.add_subplot(122)
ax2.hist(x2, bins=50, color='orange')
fig.suptitle('兩個正態分佈', fontproperties=font, fontweight='bold', fontsize=15)
ax1.set_title('綠色的正態分佈', fontproperties=font)
ax2.set_title('橙色的正態分佈', fontproperties=font)
plt.show()
三、折線圖
import numpy as np
from numpy.random import randn
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
# 修改背景為條紋
plt.style.use('ggplot')
np.random.seed(1)
# 使用numpy的累加和，保證數據取值范圍不會在（0，1）內波動
plot_data1 = randn(40).cumsum()
print(plot_data1)
# [ 1.62434536 1.01258895 0.4844172 -0.58855142 0.2768562 -2.02468249
# -0.27987073 -1.04107763 -0.72203853 -0.97140891 0.49069903 -1.56944168
# -1.89185888 -2.27591324 -1.1421438 -2.24203506 -2.41446327 -3.29232169
# -3.25010794 -2.66729273 -3.76791191 -2.6231882 -1.72159748 -1.21910314
# -0.31824719 -1.00197505 -1.12486527 -2.06063471 -2.32852279 -1.79816732
# -2.48982807 -2.8865816 -3.5737543 -4.41895994 -5.09020607 -5.10287067
# -6.22018102 -5.98576532 -4.32596314 -3.58391898]
plot_data2 = randn(40).cumsum()
plot_data3 = randn(40).cumsum()
plot_data4 = randn(40).cumsum()
plt.plot(plot_data1, marker='o', color='red', linestyle='-', label='紅實線')
plt.plot(plot_data2, marker='x', color='orange', linestyle='--', label='橙虛線')
plt.plot(plot_data3, marker='*', color='yellow', linestyle='-.', label='黃點線')
plt.plot(plot_data4, marker='s', color='green', linestyle=':', label='綠點圖')
# loc='best'給label自動選擇最好的位置
plt.legend(loc='best', prop=font)
plt.show()
四、散點圖+直線圖
import numpy as np
from numpy.random import randn
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
# 修改背景為條紋
plt.style.use('ggplot')
x = np.arange(1, 20, 1)
print(x)
# [ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
# 擬合一條水平散點線
np.random.seed(1)
y_linear = x + 10 * np.random.randn(19)
# print(y_linear)
# [ 17.24345364 -4.11756414 -2.28171752 -6.72968622 13.65407629
# -17.01538697 24.44811764 0.38793099 12.19039096 7.50629625
# 25.62107937 -8.60140709 9.77582796 10.15945645 26.33769442
# 5.00108733 15.27571792 9.22141582 19.42213747]
# 擬合一條x²的散點線
y_quad = x**2 + 10 * np.random.randn(19)
print(y_quad)
# [ 6.82815214 -7.00619177 20.4472371 25.01590721 30.02494339
# 45.00855949 42.16272141 62.77109774 71.64230566 97.3211192
# 126.30355467 137.08339248 165.03246473 189.128273 216.54794359
# 249.28753869 288.87335401 312.82689651 363.34415698]
# s是散點大小
fig = plt.figure()
ax1 = fig.add_subplot(121)
plt.scatter(x, y_linear, s=30, color='r', label='藍點')
plt.scatter(x, y_quad, s=100, color='b', label='紅點')
ax2 = fig.add_subplot(122)
plt.plot(x, y_linear, color='r')
plt.plot(x, y_quad, color='b')
# 限制x軸和y軸的范圍取值
plt.xlim(min(x) - 1, max(x) + 1)
plt.ylim(min(y_quad) - 10, max(y_quad) + 10)
fig.suptitle('散點圖+直線圖', fontproperties=font, fontsize=20)
ax1.set_title('散點圖', fontproperties=font)
ax1.legend(prop=font)
ax2.set_title('直線圖', fontproperties=font)
plt.show()
五、餅圖
import numpy as np
import matplotlib.pyplot as plt
from pylab import mpl
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
mpl.rcParams['font.sans-serif'] = ['SimHei']
fig, ax = plt.subplots(subplot_kw=dict(aspect="equal"))
recipe = ['優', '良', '輕度污染', '中度污染', '重度污染', '嚴重污染', '缺']
data = [2, 49, 21, 9, 11, 6, 2]
colors = ['lime', 'yellow', 'darkorange', 'red', 'purple', 'maroon', 'grey']
wedges, texts, texts2 = ax.pie(data,
wedgeprops=dict(width=0.5),
startangle=40,
colors=colors,
autopct='%1.0f%%',
pctdistance=0.8)
plt.setp(texts2, size=14, weight="bold")
bbox_props = dict(boxstyle="square,pad=0.3", fc="w", ec="k", lw=0.72)
kw = dict(xycoords='data',
textcoords='data',
arrowprops=dict(arrowstyle="->"),
bbox=None,
zorder=0,
va="center")
for i, p in enumerate(wedges):
ang = (p.theta2 - p.theta1) / 2. + p.theta1
y = np.sin(np.deg2rad(ang))
x = np.cos(np.deg2rad(ang))
horizontalalignment = {-1: "right", 1: "left"}[int(np.sign(x))]
connectionstyle = "angle,angleA=0,angleB={}".format(ang)
kw["arrowprops"].update({"connectionstyle": connectionstyle})
ax.annotate(recipe[i],
xy=(x, y),
xytext=(1.25 * np.sign(x), 1.3 * y),
size=16,
horizontalalignment=horizontalalignment,
fontproperties=font,
**kw)
ax.set_title("餅圖示例", fontproperties=font)
plt.show()
# plt.savefig('jiaopie2.png')
六、箱型圖
箱型圖：又稱為盒須圖、盒式圖、盒狀圖或箱線圖，是一種用作顯示一組數據分散情況資料的統計圖（在數據分析中常用在異常值檢測）
包含一組數據的：最大值、最小值、中位數、上四分位數（Q3）、下四分位數（Q1）、異常值
- 中位數 →一組數據平均分成兩份，中間的數
- 上四分位數Q1 →是將序列平均分成四份，計算(n+1)/4與(n-1)/4兩種，一般使用(n+1)/4
- 下四分位數Q3 →是將序列平均分成四份，計算(1+n)/4*3=6.75
- 內限 →T形的盒須就是內限，最大值區間Q3+1.5IQR,最小值區間Q1-1.5IQR （IQR=Q3-Q1）
- 外限 →T形的盒須就是內限，最大值區間Q3+3IQR,最小值區間Q1-3IQR （IQR=Q3-Q1）
- 異常值 →內限之外 – 中度異常，外限之外 – 極度異常
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
plt.figure(figsize=(10, 4))
# 創建圖表、數據
f = df.boxplot(
sym='o', # 異常點形狀，參考marker
vert=True, # 是否垂直
whis=1.5, # IQR，默認1.5，也可以設置區間比如[5,95]，代表強制上下邊緣為數據95%和5%位置
patch_artist=True, # 上下四分位框內是否填充，True為填充
meanline=False,
showmeans=True, # 是否有均值線及其形狀
showbox=True, # 是否顯示箱線
showcaps=True, # 是否顯示邊緣線
showfliers=True, # 是否顯示異常值
notch=False, # 中間箱體是否缺口
return_type='dict' # 返回類型為字典
)
plt.title('boxplot')
for box in f['boxes']:
box.set(color='b', linewidth=1) # 箱體邊框顏色
box.set(facecolor='b', alpha=0.5) # 箱體內部填充顏色
for whisker in f['whiskers']:
whisker.set(color='k', linewidth=0.5, linestyle='-')
for cap in f['caps']:
cap.set(color='gray', linewidth=2)
for median in f['medians']:
median.set(color='DarkBlue', linewidth=2)
for flier in f['fliers']:
flier.set(marker='o', color='y', alpha=0.5)
# boxes, 箱線
# medians, 中位值的橫線,
# whiskers, 從box到error bar之間的豎線.
# fliers, 異常值
# caps, error bar橫線
# means, 均值的橫線
plt.show()
七、plot函數參數
- 線型linestyle（-,-.,–,..）
- 點型marker（v,^,s,*,H,+,x,D,o,…）
- 顏色color（b,g,r,y,k,w,…）
八、圖像標註參數
- 設置圖像標題：plt.title()
- 設置x軸名稱：plt.xlabel()
- 設置y軸名稱：plt.ylabel()
- 設置X軸范圍：plt.xlim()
- 設置Y軸范圍：plt.ylim()
- 設置X軸刻度：plt.xticks()
- 設置Y軸刻度：plt.yticks()
- 設置曲線圖例：plt.legend()
九、Matplolib應用
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
header_list = ['方程組', '函數', '導數', '微積分', '線性代數', '概率論', '統計學']
py3_df = pd.read_excel('py3.xlsx', header=None, skiprows=[0, 1], names=header_list)
# 處理帶有NaN的行
py3_df = py3_df.dropna(axis=0) #
print(py3_df)
# 自定義映射
map_dict = {
'不會': 0,
'瞭解': 1,
'熟悉': 2,
'使用過': 3,
}
for header in header_list:
py3_df[header] = py3_df[header].map(map_dict)
unable_series = (py3_df == 0).sum(axis=0)
know_series = (py3_df == 1).sum(axis=0)
familiar_series = (py3_df == 2).sum(axis=0)
use_series = (py3_df == 3).sum(axis=0)
unable_label = '不會'
know_label = '瞭解'
familiar_label = '熟悉'
use_label = '使用過'
for i in range(len(header_list)):
bottom = 0
# 描繪不會的條形圖
plt.bar(x=header_list[i], height=unable_series[i], width=0.60, color='r', label=unable_label)
if unable_series[i] != 0:
plt.text(header_list[i], bottom, s=unable_series[i], ha='center', va='bottom', fontsize=15, color='white')
bottom += unable_series[i]
# 描繪瞭解的條形圖
plt.bar(x=header_list[i], height=know_series[i], width=0.60, color='y', bottom=bottom, label=know_label)
if know_series[i] != 0:
plt.text(header_list[i], bottom, s=know_series[i], ha='center', va='bottom', fontsize=15, color='white')
bottom += know_series[i]
# 描繪熟悉的條形圖
plt.bar(x=header_list[i], height=familiar_series[i], width=0.60, color='g', bottom=bottom, label=familiar_label)
if familiar_series[i] != 0:
plt.text(header_list[i], bottom, s=familiar_series[i], ha='center', va='bottom', fontsize=15, color='white')
bottom += familiar_series[i]
# 描繪使用過的條形圖
plt.bar(x=header_list[i], height=use_series[i], width=0.60, color='b', bottom=bottom, label=use_label)
if use_series[i] != 0:
plt.text(header_list[i], bottom, s=use_series[i], ha='center', va='bottom', fontsize=15, color='white')
unable_label = know_label = familiar_label = use_label = ''
plt.xticks(header_list, fontproperties=font)
plt.ylabel('人數', fontproperties=font)
plt.title('Python3期數學摸底可視化', fontproperties=font)
plt.legend(prop=font, loc='upper left')
plt.show()
方程組 函數 導數 微積分 線性代數 概率論 統計學 0 使用過 使用過 不會 不會 不會 不會 不會 1 使用過 使用過 瞭解 不會 不會 不會 不會 2 使用過 使用過 熟悉 不會 不會 不會 不會 3 熟悉 熟悉 熟悉 瞭解 瞭解 瞭解 瞭解 4 使用過 使用過 使用過 使用過 使用過 使用過 使用過 5 使用過 使用過 使用過 不會 不會 不會 瞭解 6 熟悉 熟悉 熟悉 熟悉 熟悉 熟悉 不會 7 使用過 使用過 使用過 使用過 使用過 使用過 使用過 8 熟悉 熟悉 熟悉 熟悉 熟悉 使用過 使用過 9 熟悉 熟悉 使用過 不會 使用過 使用過 不會 10 使用過 使用過 熟悉 熟悉 熟悉 熟悉 熟悉 11 使用過 使用過 使用過 使用過 使用過 不會 不會 12 使用過 使用過 使用過 使用過 使用過 使用過 使用過 13 使用過 使用過 瞭解 不會 不會 不會 不會 14 使用過 使用過 使用過 使用過 使用過 不會 不會 15 使用過 使用過 熟悉 不會 不會 不會 不會 16 熟悉 熟悉 使用過 使用過 使用過 不會 不會 17 使用過 使用過 使用過 瞭解 不會 不會 不會 18 使用過 使用過 使用過 使用過 熟悉 熟悉 熟悉 19 使用過 使用過 使用過 瞭解 不會 不會 不會 20 使用過 使用過 使用過 使用過 使用過 使用過 使用過 21 使用過 使用過 使用過 使用過 使用過 使用過 使用過 22 使用過 很瞭解 熟悉 瞭解一點，不會運用 瞭解一點，不會運用 瞭解 不會 23 使用過 使用過 使用過 使用過 熟悉 使用過 熟悉 24 熟悉 熟悉 熟悉 使用過 不會 不會 不會 25 使用過 使用過 使用過 使用過 使用過 使用過 使用過 26 使用過 使用過 使用過 使用過 使用過 不會 不會 27 使用過 使用過 不會 不會 不會 不會 不會 28 使用過 使用過 使用過 使用過 使用過 使用過 瞭解 29 使用過 使用過 使用過 使用過 使用過 瞭解 不會 30 使用過 使用過 使用過 使用過 使用過 不會 不會 31 使用過 使用過 使用過 使用過 不會 使用過 使用過 32 熟悉 熟悉 使用過 使用過 使用過 不會 不會 33 使用過 使用過 使用過 使用過 熟悉 使用過 熟悉 34 熟悉 熟悉 熟悉 使用過 使用過 熟悉 不會 35 使用過 使用過 使用過 使用過 使用過 使用過 使用過 36 使用過 使用過 使用過 使用過 使用過 使用過 瞭解 37 使用過 使用過 使用過 使用過 使用過 不會 不會 38 使用過 使用過 使用過 不會 不會 不會 不會 39 使用過 使用過 不會 不會 不會 不會 不會 40 使用過 使用過 使用過 使用過 使用過 不會 不會 41 使用過 使用過 熟悉 瞭解 瞭解 瞭解 不會 42 使用過 使用過 使用過 不會 不會 不會 不會 43 熟悉 使用過 瞭解 瞭解 不會 不會 不會
到此這篇關於Python中數據可視化matplotlib與繪圖庫模塊的文章就介紹到這瞭。希望對大傢的學習有所幫助，也希望大傢多多支持WalkonNet。
推薦閱讀：
- Python數據分析matplotlib折線圖案例處理
- Python繪圖之詳解matplotlib
- python設置 matplotlib 正確顯示中文的四種方式
- python使用Matplotlib繪制多種常見圖形
- 一篇文章讓你快速掌握Pandas可視化圖表