Python數據分析之Matplotlib數據可視化

Posted on by

1.前言

數據展示，即數據可視化，是數據分析的第五個步驟，大部分人對圖形敏感度高於數字，好的數據展示方式能讓人快速發現問題或規律，找到數據背後隱藏的價值。

2.Matplotlib概念

Matplotlib 是 Python 中常用的 2D 繪圖庫，它能輕松地將數據進行可視化，作出精美的圖表。Matplotlib 模塊很龐大，其中最常用的一個子模塊是 pyplot，通常以一下方式將其導入：

 import matplotlib.pyplot as plt

 因為在程序中經常使用，所以給 matplotlib.pyplot 起瞭個別名plt，以減少大量重復代碼

3.Matplotlib.pyplot基本使用

pyplot 中最基礎的作圖方式是以點作圖，即給出每個點的坐標，pyplot 會將這些點在坐標系中畫出，並用線將這些點連起來。以正弦函數為例，用 pyplot 畫出圖像：

代碼段1：

 import numpy as np
 import matplotlib.pyplot as plt
 ​
 x = np.arange(0,2*np.pi,0.1) #生成一個0到2pi、步長為0.1的數組x
 y = np.sin(x) #將x的值傳入正弦函數，得到對應的值存入數組y
 plt.plot(x,y) #傳入plt.plot()，將x，y轉換成對應坐標。
 plt.show() #顯示圖像

上面程序畫出瞭以下圖像：

註：選擇x的步長為0.1是為瞭讓每個點間隔較小，讓圖像更加接近真實情況，否則如果步長過大，則會變成折線，若步長為1則會變成以下情況：

除瞭 np.sin()方法外，numpy 中也有 np.cos()、np.tan()等計算三角函數的方法。上面這些方法，最重要的是 plt.plot()方法，plt.plot()方法可以接收任意對數的 x 和 y ，它會將這些圖像在一張圖上都畫出來，例如在原來的正弦圖像上增加餘弦圖像，可以這樣寫：

 import numpy as np
 import matplotlib.pyplot as plt
 ​
 x = np.arange(0,2*np.pi,0.1) #生成一個0到2pi，步長為0.1的數組x
 y1 = np.sin(x) #將x的值傳入正弦函數，得到對應的值存入數組y1
 y2 = np.cos(x) #將x的值傳入餘弦函數，得到對應的值存入數組y1
 plt.plot(x,y1,x,y2) #傳入plt.plot()，將(x，y1)、(x,y2)轉換成對應坐標。
 plt.show() #顯示圖像

 以上程序公用瞭同一個x，當然也可以重新定義一個新的 x，最終得到的圖像如下：

代碼段2使用一次 plt.plot()方法直接將兩個數字轉換 成對應坐標，當然也可以調用兩次，以下兩行代碼和上面第7行代碼是等價的。

 plt.plot(x,y1)
 plt.plot(x,y2)

對每一對 x 和 y，有一個可選格式化參數，進行指定線條的顏色、點標記和線條的類型。

代碼段3：

 import numpy as np
 import matplotlib.pyplot as plt
 ​
 x = np.arange(0,2*np.pi,0.1) #生成一個0到2pi，步長為0.1的數組x
 y1 = np.sin(x) #將x的值傳入正弦函數，得到對應的值存入數組y1
 y2 = np.cos(x) #將x的值傳入餘弦函數，得到對應的值存入數組y1
 plt.plot(x,y1,'ro--',x,y2,'b*-.') #將(x，y1)、(x,y2)轉換成對應坐標，並選用格式化參數
 plt.show() #顯示圖像

將代碼段2傳入瞭格式化參數後，最終圖像如下所示：

以其中的參數'ro–'為例，它分為三部分：r 代表紅色(red)，o 代表在坐標點采用圓點標記，– 代表虛線。'ro--'整體來說就是線條為虛線、坐標點標記為圓點。格式化參數這三部分都是可選的，即傳入一部分也是可以的，並且沒有順序要求，

格式化參數常用的選型及含義如下表所示:

3.數據展示

3.1如何選擇展示方式

我們通過數據分析來進行決策，那麼使用合適的圖表來準確地展示數據是至關重要的。實際使用中，我們會用到各種各樣地幾十種圖表，按照數據展示的目標可以把它們分為五種，分別是：趨勢、比較、構成、分佈和聯系。

  • 趨勢：最常見的一種時間序列關系，關心數據如何隨時間變化，趨勢裡的圖標能直觀反映出每年、每月、每天的變化趨勢，增長、減少、上下波動還是基本不變，最常見的是折線圖，它能很好地表現指標隨時間呈現的趨勢。
  • 構成：主要關註每個部分整體的占比，如果逆向分析的目標如“份額”、“百分比”等。展示構成關系的圖表類型，最常見的是餅圖。
  • 比較：可以展示某個維度上的排列順序，分析某維度之間的對比是差不多，還是“大於”、“小於”，比如分析男生和女生的身高差別。
  • 分佈：當你關心數據集中，頻率、分佈時，比如根據地理位置數據，通過地圖來展示不同分佈特征。比較常用的圖表有地圖、直方圖、散點圖。
  • 聯系：主要查看兩個變量之間是否表達出我們所要證明的相關關系，比如預期銷售額可能隨著優惠折扣的增長而增長，常用於表打“與……有關”、“隨……而增長”、“隨……而不同”等維度的關系。

在進行數據可視化時，要先明確分析的目標，再來選擇五種合適的分類，最後選擇某個分類裡合適的圖表類型。

3.2繪制折線圖

其實在前面已經用過折線圖瞭，就是使用 plot.plot() 方法。之前我們傳入的時x和y坐標點，而折線圖的 x 和 y 分別是時間點和對應的數據，下面以兩個商品的銷量走勢為例：

import numpy as np
import matplotlib.pyplot as plt
 
x = ['周一','周二','周三','周四','周五','周六','周日']
y1 = [61,42,52,72,86,91,73]
y2 = [23,26,67,38,46,55,33]
#傳入label參數
plt.rcParams['font.family'] = ['SimHei'] #設置字體防止亂碼
plt.plot(x, y1, label='商品A') #增加折線圖例“商品A”
plt.plot(x, y2, label='商品B') #增加折線圖例“商品B”
#設置x軸標簽
plt.xlabel('時間')
plt.ylabel('銷量')
#設置圖表標題
plt.title('商品銷量對比圖')
#顯示圖例、圖像
plt.legend(loc='best') #顯示圖例，並設置在“最佳位置”
plt.show()

得到的圖像如下圖所示：

因為上圖中有中文，所以通過 plt.rcParams['font.family'] = ['SimHei'] 來設置中文字體來防止亂碼，如果想設置其他字體隻需將 SimHei(黑體)替換成相應的名稱即可。通過一下代碼獲得，自己編譯器所在環境安裝的字體：

import matplotlib.font_manager as fm
for font in fm.fontManager.ttflist:
    print(font.name)

 圖例位置是一個可選參數，默認 matplotlib 會自動選擇合適位置，也可以指定其他位置。

具體的如下表所示：

plt.legend() 方法的 loc 參數選擇 參數含義參數含義best最佳位置center居中upper right右上角center right靠右居中upper left左上角center left靠左居中lower left左下角lower center靠下居中lower right右下角upper center靠上居中

3.3繪制柱狀圖

柱狀圖描述的是分類數據，展示的是每一類的數量。柱狀圖分為很多種，有普通柱狀圖、堆疊柱狀圖、分組柱狀圖等。

3.3.1普通柱狀圖

 普通柱狀圖調用 plt.bar() 方式實現。我們至少需要傳入兩個參數，第一個參數是 x 軸上刻度的標簽序列（列表、元組、數組等），第二個參數用於指定每個柱子的高度，也就是具體的數據。下面以一個班級體育課選課的情況為例：

import matplotlib.font_manager as fm
for font in fm.fontManager.ttflist:
    print(font.name)

 得到如下圖像：

 plt.bar() 前兩個參數是必選的，當然還有一些可選參數，常用的有 width 和 color ，分別是用於設置柱子的寬度（默認0.8）和顏色。比如我們將柱子寬度改成0.6，將柱子的顏色設成好看的天藍色隻需將 plt.bar() 改為 plt.bar(names, nums, width=0.6, color='skyblue') 即可。之前在折線圖部分用到的 plt.xlabel() 、plt.ylabel() 、plt.title() 和 plt.legend() 方法都是通用方法，並不局限於一種圖表，所有的圖表都適用。

3.3.2堆疊柱狀圖

 柱狀圖能直觀地展現出不同數據上的差異，但有時候我們需要進一步分析數據的分佈，比如每門選修課的男女比例，這時就需要用到堆疊柱狀圖。

下面就是進一步分析每一門選修課中男女比例為例編寫程序：

import numpy as np
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #設置字體防止亂碼
name = ['乒乓球','羽毛球','網球']
nums_boy = [16,5,11]
nums_girl = [10,15,8]
 
plt.bar(name, nums_boy, width=0.6, color='skyblue', label='男')
plt.bar(name, nums_girl, bottom=nums_boy, width=0.6, color='pink', label='女')
plt.legend()
plt.show()

最終得到圖像：

上面的代碼和普通柱狀圖相比，多調用瞭一次，plt.bar() 方法，並傳入瞭 bottom 參數，每調用一次 plt.bar() 方法都會畫出對應的柱狀圖，而 bottom 參數作用就是控制柱狀圖低端的位置。我們將前一個柱狀圖的高度傳進去，這樣就形成瞭堆疊柱狀圖。而如果沒有 bottom 參數，後面的圖形會蓋在原來的圖形之上，

就像下面這樣：

3.3.3分組柱狀圖

分組柱狀圖經常用於不同組間數據的比較，這些組都包含瞭相同分類的數據。

先來看一下效果圖：

 繪制上圖的代碼如下：

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(3)
width = 0.3
 
names = ['籃球', '羽毛球', '乒乓球']
nums_boy = [16, 5, 11]
nums_girl = [10, 15, 8]
plt.rcParams['font.family'] = ['SimHei'] #設置字體防止亂碼
plt.bar(x - width / 2, nums_boy, width=width, color='skyblue', label='男')
plt.bar(x + width / 2, nums_girl, width=width, color='pink', label='女')
plt.xticks(x, names)
plt.legend()
plt.show()

這次的方法和之前有些不同，首先使用 np.arange(3) 方法創建瞭一個數組 x ，值為[0,1,2]。並定義瞭一個變量 width 用於指定柱子的寬度。在調用 plt.bar() 時，第一個參數不再是刻度線上的標簽，而是對應的刻度。以[0,1,2]為基準，分別加上或減去柱子的寬度得到[-0.15,0.85,1,85]和[0.15,1.15,2.15]，這些刻度將分別作為兩組柱子的中點，並且柱子的寬度為0.3。

因為傳入的是刻度，而不是刻度的標簽。所以調用 plt.xticks() 方法來將 x 軸上刻度改為對應的標簽，該方法第一個參數時要改的刻度序列，第二個參數時與之對於的標簽序列。同理，使用plt.yticks() 方法來更改y軸上刻度的標簽。

3.3.4餅圖

餅圖廣泛地應用在各個領域，用於表示不同分類的占比情況，通過弧度大小來對比各種分類。餅圖通過將一個圓餅按照分類的占比劃分成多個區塊，整個圓餅代表數據的總量，每個區塊(圓弧）表示該分類占總體的比例大小，所有區塊（圓弧）的加和等於100%。

 餅圖的繪制很簡單，隻需要傳入數據和對於的標簽給 plt.pie() 方法即可。以2018年國內生產總值（GDP）三大產業的占比為例，可以畫出這樣的餅圖：

繪制上圖的代碼如下：

import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #設置字體防止亂碼
data = [64745.2, 364835.2, 489700.8]
labels = ['第一產業', '第二產業', '第三產業']
explode = (0.1, 0, 0)
plt.pie(data, explode=explode, labels=labels,autopct='%0.1f%%')
plt.show()

 plt.pie() 方法的第一個參數是繪圖需要的數據；參數 explode 是可選參數，用於突出顯示某一區塊，默認數值都是0，數值越大，區塊抽離越明顯；參數 lables 是數據對應的標簽；參數 autopct 則給餅圖自動添加百分比顯示。

參數 autopct 的格式用到瞭字符串格式化輸出的知識，代碼中 '%0.1f%%' 可以分成兩部分。一部分是 %0.1f 表示保留一位小數，同理 %0.2f 表示保留兩位小數；另一部分是 %% ,它表示輸出一個 %，因為% 在字符串格式化輸出中有特殊的含義，所以想要輸出 % 就得寫成 %% 。所以，'%0.1f%%' 的含義是保留一位小數的百分數，例如：66.6%。

4.繪制子圖

Matplotlib 提供瞭子圖的概念，通過使用子圖，可以在一張圖裡繪制多個圖表。在 matplotlib 中，調用 plt.subplot() 方法來添加子圖。plt.subplot() 方法的前兩個參數分別是子圖的行數和列數，第三個參數是子圖的序號（從1開始）。

ax1 = plt.subplot(2, 2, 1)
ax2 = plt.subplot(2, 2, 2)
ax3 = plt.subplot(2, 2, 3)
ax4 = plt.subplot(2, 2, 4)

 plt.subplot(2,2,1) 的作用是生成一個兩行兩列的子圖，並選擇其中序號為1的子圖，所以上面四行代碼將一張圖分成瞭4個子圖，並用1、2、3、4來選擇對應的子圖。

我們也可以繪制不規則的子圖，比如上面兩張子圖，下面一張子圖。

方法如下：

ax1 = plt.subplot(2, 2, 1)
ax2 = plt.subplot(2, 2, 2)
ax3 = plt.subplot(2, 1, 2)

之所以第三行代碼是 plt.subplot(2, 1, 2) ，因為子圖序號是獨立的，與之前創建的子圖沒有關系。plt.subplot(2, 2, 1) 選擇並展示瞭2*2的子圖中的第一個。plt.subplot(2, 2, 2) 選擇並展示瞭2*2的子圖中的第二個，它們兩個合起來占瞭2*2子圖的第一行。而 plt.subplot(2, 1, 2) 則是生成瞭兩行一列的子圖，並選擇瞭第二行。即占滿第二行的子圖，正好填補瞭之前2*2子圖第二行剩下的空間，因此生成的圖表是這樣的：

圖表的框架畫好瞭，就可以往裡面填充圖像瞭，之前調用的是 plt 上的方法繪圖，隻要將其改成 plt.subplot() 方法的返回值上調用相應的方法繪圖即可。

舉個栗子，下面是在一張圖上繪制瞭 sin、cos 和 tan 三個函數的圖像的代碼：

import numpy as np
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #設置字體防止亂碼
 
x = np.arange(0, 2 * np.pi, 0.1)
 
plt.suptitle('三角函數可視化')
ax1 = plt.subplot(2,2,1)
ax1.set_title('sin函數')
y1 = np.sin(x)
ax1.plot(x,y1)
 
ax2 = plt.subplot(2,2,2)
ax2.set_title('cos函數')
y2 = np.cos(x)
ax2.plot(x,y2)
 
ax3 = plt.subplot(2,1,2)
ax3.set_title('tan函數')
y3 = np.tan(x)
ax3.plot(x,y3)
 
plt.show()

得到的圖像是：

上面程序中，使用 set_title() 方法為每個子圖設置單獨的標題。需要註意的是，如果想要給帶有子圖的圖表設置總的標題的話，不是使用的 plt.titie() 方法，而是通過 plt.suptitile() 方法來設置帶有子圖的圖表標題。 

到此這篇關於Python數據分析之Matplotlib數據可視化的文章就介紹到這瞭,更多相關Python Matplotlib數據可視化內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：