python数据可视化-matplotlib

matplotlib

1.线形图：plt.plot(参数)

X轴，Y轴坐标的数据格式可以是列表、数组和Series。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

# 创建数据
data = {
    
    
  'name':['张三', '李四', '王五', '小明'],
  'sex':['female', 'female', 'male', 'male'],
  'math':[78, 79, 83, 92],
  'city':['北京', '上海', '广州', '北京']
}
df = pd.DataFrame(data)
df

# X轴为行索引,Y轴为Series数据
plt.plot(df.index,df['math'])

• color参数指定线条的颜色

  years = [1950, 1960, 1970, 1980, 1990, 2000, 2010]
  gdp = [300.2, 543.3, 1075.9, 2862.5, 5979.6, 10289.7, 14958.3]
  plt.plot(years,gdp,color='r')

  # 也可以通过RGB指定
  plt.plot(years,gdp,color='#FFA500')

• linestyle参数指定线条的形状

  plt.plot(years,gdp,linestyle='--')

• linewidth参数指定线条的宽度

plt.plot(years,gdp,linestyle='--',linewidth=5)

• marker参数可以对坐标点进行标记

  plt.plot(years,gdp,marker='.') # 小圆点
  
  plt.plot(years,gdp,marker='D') # 方点

• 颜色、线条和点的样式可以一起放置于格式字符串中，但是颜色设置要放在线条和点的样式前面

  plt.plot(years,gdp,'ro--')

2.柱状图

- （1）基础柱状图

• bar函数：plot.bar(参数)

    - color
  
    	- 柱状图的填充色
  
    - alpha
  
    	- 透明度
  

# 需要传入刻度列表和高度列表

data = [23, 85, 72, 43, 52]

plt.bar([1,2,3,4,5],data)

# 设置颜色和透明度

plt.bar(range(len(data)),data,color='royalblue',alpha=0.7)

• grid函数绘制格网：plt.grid(参数)

    - color
    	- 颜色
  
    - linestyle
    	- 线条形状
  
    - linewidth
    	- 线条宽度
  
    - axis
    	- 指定轴
  
    - alpha
    	- 透明度
  

plt.bar(range(len(data)),data,color='green',alpha=0.7)

# 绘制格网

plt.grid(color='#95a5a6',linestyle='--', linewidth=1,axis='y',alpha=0.6)

- （2）堆积柱状图

- bottom参数
	- 设置柱状图的高度，即哪个数据作为柱状图底部

	  data1 = [23, 85, 72, 43, 52]
	  data2 = [42, 35, 21, 16, 9]
	  plt.bar(range(len(data)),data1)
	  plt.bar(range(len(data)),data2,bottom=data1) # data1垫底

- （3）并列柱状图

- width参数
	- 设置柱状图的宽度

	  data1 = [23, 85, 72, 43, 52]
	  data2 = [42, 35, 21, 16, 9]
	  width = 0.3 # 设置柱状图宽度为0.3
	  plt.bar(np.arange(len(data1)),data1,width=width)
	  plt.bar(np.arange(len(data2))+width,data2,width=width)

- （4）水平柱状图

- barh函数

	  data1 = [23, 85, 72, 43, 52]
	  plt.barh(range(len(data1)),data1)

3.其他基本图表

- （1）散点图

- scatter函数

# 案列1
	  X = np.random.randn(100)
	  Y = np.random.randn(100)
	  plt.scatter(X,Y)
	  
	  # 设置颜色、
	  plt.scatter(X,Y,color='red',marker='D')

# 案例2
"""python绘制散点图"""
from matplotlib import pyplot as plt
import numpy as np
 
train_x = np.linspace(-1, 1, 100)
train_y_1 = 2*train_x + np.random.rand(*train_x.shape)*0.3
train_y_2 = train_x**2+np.random.randn(*train_x.shape)*0.3
 
plt.scatter(train_x, train_y_1, c='red', marker='v' )
plt.scatter(train_x, train_y_2, c='blue', marker='o' )
plt.legend(["red","Blue"], loc="upper lift")
plt.show()

- （2）直方图

- hist函数

	  x = np.random.normal(size=100)
	  plt.hist(x,bins=30)

4.自定义设置

- （1）add_subplot()

- fig=plt.figure(figsize=(10,6))

	  fig = plt.figure(figsize=(10,6)) # 设置图表的长宽比
	  ax1 = fig.add_subplot(2,2,1)  # 创建子图
	  ax2 = fig.add_subplot(2,2,2)
	  ax3 = fig.add_subplot(2,2,3)
	  years = [1950, 1960, 1970, 1980, 1990, 2000, 2010]
	  gdp = [300.2, 543.3, 1075.9, 2862.5, 5979.6, 10289.7, 14958.3]
	  ax1.scatter(years,gdp)
	  ax2.plot(years,gdp)
	  ax3.bar(years,gdp)

- （2）plt.subplots()

  # 创建子图，返回图对象和子图坐标
  years = [1950, 1960, 1970, 1980, 1990, 2000, 2010]
  gdp = [300.2, 543.3, 1075.9, 2862.5, 5979.6, 10289.7, 14958.3]
  fig,axes = plt.subplots(2,2,figsize=(10,6))
  axes[0,1].plot(years,gdp)

补充：刻度与标签、图例

刻度与标签：

data = [23, 85, 72, 43, 52]
labels = ['A','B','C','D','E']
plt.xticks(range(len(data)),labels) #设置刻度和标签
plt.bar(range(len(data)),data)



data = [23, 85, 72, 43, 52]
labels = ['A','B','C','D','E']
plt.xticks(range(len(data)),labels) #设置刻度和标签
plt.xlabel('Class')
plt.ylabel('Amounts')
plt.title('Example1')
plt.bar(range(len(data)),data)

图例：

data1 = [23, 85, 72, 43, 52]
data2 = [42, 35, 21, 16, 9]
width = 0.3
plt.bar(np.arange(len(data1)),data1,width=width,label='one')
plt.bar(np.arange(len(data2))+width,data2,width=width,label='two') 	# 设置图例名称，one、two
plt.legend()	 # 绘制图例