Python - matplotlib - pyplot绘图

前言

Vue框架：从项目学Vue
OJ算法系列：神机百炼 - 算法详解
Linux操作系统：风后奇门 - linux
C++11：通天箓 - C++11
Python常用模块：通天箓 - Python

一行检查是否下载过Pandas：
pip list
一行下载：
pip install pandas

基本使用：

• 标记字符maker：

  1. 点标记：.
  2. 像素标记：,
  3. 圆形标记：o
  4. 倒三角标记：v

• 风格字符linestyle：

  1. 实线：-
  2. 短横线：–
  3. 点画线：-.
  4. 虚线：:

• 颜色color：

  1. 蓝色：b
  2. 红色：r
  3. 绿色：g
  4. 青色：c

绘图必要库

• matplotlib

• matplotlib.pyplot

• seaborn

• pandas

• numpy

• 备注：在notebook中使用plt绘图共有三种模式

  • %matplotlib inline：这是默认的模式，直接在Notebook中输出静态图片
  • %matplotlib auto：弹出一个单独的绘图窗口，和在pycharm中一样
  • %matplotlib notebook：在notebook中产生一个绘图窗口，能够对图片进行放大缩小等操作

import matplotlib.pyplot as plt
import matplotlib
import seaborn as sns
import numpy as np 
import warnings

warnings.filterwarnings("ignore")
# %matplotlib inline的用途:直接在Notebook中渲染图形
%matplotlib inline

读取训练集

• kaggle房价预测数据集

import pandas as pd

train = pd.read_csv('./data_set/house_price_train.csv')
print(train.shape)
print(train.dtypes)
#train.head()
#train.tail()

#查看非数值型特征值：
categorical_feats = train.dtypes[train.dtypes == 'object'].index
print(type(categorical_feats))
print('*'*100)
print(categorical_feats)

#查看数值型特征值：
value_feats = train.dtypes[train.dtypes != 'object'].index
print(type(value_feats))
print('*'*100)

#特征值数组还可以回用：
print(train[value_feats].values)

(1460, 81)
Id                 int64
MSSubClass         int64
MSZoning          object
LotFrontage      float64
LotArea            int64
                  ...   
MoSold             int64
YrSold             int64
SaleType          object
SaleCondition     object
SalePrice          int64
Length: 81, dtype: object
<class 'pandas.core.indexes.base.Index'>
****************************************************************************************************
Index(['MSZoning', 'Street', 'Alley', 'LotShape', 'LandContour', 'Utilities',
       'LotConfig', 'LandSlope', 'Neighborhood', 'Condition1', 'Condition2',
       'BldgType', 'HouseStyle', 'RoofStyle', 'RoofMatl', 'Exterior1st',
       'Exterior2nd', 'MasVnrType', 'ExterQual', 'ExterCond', 'Foundation',
       'BsmtQual', 'BsmtCond', 'BsmtExposure', 'BsmtFinType1', 'BsmtFinType2',
       'Heating', 'HeatingQC', 'CentralAir', 'Electrical', 'KitchenQual',
       'Functional', 'FireplaceQu', 'GarageType', 'GarageFinish', 'GarageQual',
       'GarageCond', 'PavedDrive', 'PoolQC', 'Fence', 'MiscFeature',
       'SaleType', 'SaleCondition'],
      dtype='object')
<class 'pandas.core.indexes.base.Index'>
****************************************************************************************************
[[1.00000e+00 6.00000e+01 6.50000e+01 ... 2.00000e+00 2.00800e+03
  2.08500e+05]
 [2.00000e+00 2.00000e+01 8.00000e+01 ... 5.00000e+00 2.00700e+03
  1.81500e+05]
 [3.00000e+00 6.00000e+01 6.80000e+01 ... 9.00000e+00 2.00800e+03
  2.23500e+05]
 ...
 [1.45800e+03 7.00000e+01 6.60000e+01 ... 5.00000e+00 2.01000e+03
  2.66500e+05]
 [1.45900e+03 2.00000e+01 6.80000e+01 ... 4.00000e+00 2.01000e+03
  1.42125e+05]
 [1.46000e+03 2.00000e+01 7.50000e+01 ... 6.00000e+00 2.00800e+03
  1.47500e+05]]

标题和文字说明：

• xlabel：x轴下文字
• ylabel：y轴下文字
• title：图片标题

plt.title("House-SalePrice", fontsize=16) # 设置标题
plt.xlabel("SalePrice_Log", fontsize=15) # 横坐标
plt.ylabel("count", fontsize=15) # 纵坐标
print(train['LotArea'].values)
plt.plot(train['LotArea'].index, train['LotArea'].values, 
         linestyle=':',marker=".",color='r')
 #":"表示虚线样式,"."表示点标记,"r"表示线为红色
plt.show()

[ 8450  9600 11250 ...  9042  9717  9937]

分区域图形画法：

• subplot()：返回图形和象限

import matplotlib.pyplot as plt
plt.figure(figsize = (8, 8)) # 指定整体图片大小

fig, ax = plt.subplots(2, 2) # fig是图形对象，ax表示子图轴数组, 继续传参则为第几个子图
print(type(ax))
#ax用于区分象限区域内图形：
ax[0][0].set_title(1)
ax[0][1].set_title(2)
ax[1][0].set_title(3)
ax[1][1].set_title(4)

print(ax)

<class 'numpy.ndarray'>
[[<AxesSubplot:title={'center':'1'}> <AxesSubplot:title={'center':'2'}>]
 [<AxesSubplot:title={'center':'3'}> <AxesSubplot:title={'center':'4'}>]]



<Figure size 800x800 with 0 Axes>

• 用于在图形框中绘图

plt.figure(figsize = (8, 8))
fig, ax = plt.subplots(2, 2) 
'''
???
'''
print(categorical_feats[:4]) # 输出对应属性值列名

for row in range(2):
    for col in range(2):
        data = train[categorical_feats[row*2+col]].value_counts()
        '''
        ???
        '''F
        ax[row][col].plot(data.index, data.values)
        ax[row][col].set_title(f'{
      
      categorical_feats[row*2+col]}')
fig.tight_layout() # 自动保持子图之间的正确间距。
plt.show()

Index(['MSZoning', 'Street', 'Alley', 'LotShape'], dtype='object')



<Figure size 800x800 with 0 Axes>

绘制四大类型图

直方图hist

• 描述数据在各个取值中出现的次数，横轴为值，纵轴为频次
• 绘图参数只有一个x

参数	描述
x	必填参数，数组或者数组序列。
bins	若为整数，则是分割个数。若为数组，则是具体位置
range	指定全局间隔的下限与上限值 (min,max)，元组类型，默认值为 None。
density	如果为 True，返回概率密度直方图；默认为 False，返回相应区间元素的个数的直方图。
histtype	要绘制的直方图类型，默认值为“bar”，可选值有 barstacked(堆叠条形图)、step(未填充的阶梯图)、stepfilled(已填充的阶梯图)。

plt.hist(x = train['SalePrice'], 
         bins=50,
         density=False,
         histtype='stepfilled')
plt.show()

​

​

柱状图bar：

• 绘图参数有两个：x和height

参数	描述
x	一个标量序列，代表柱状图的x坐标，默认x取值是每个柱状图所在的中点位置，或者也可以是柱状图左侧边缘位置。
height	一个标量或者是标量序列，代表柱状图的高度。
width	可选参数，标量或类数组，柱状图的默认宽度值为 0.8。
bottom	可选参数，标量或类数组，柱状图的y坐标默认为None。
algin	有两个可选项 {“center”,“edge”}，默认为 ‘center’，该参数决定 x 值位于柱状图的位置。

data = train['MSZoning'].value_counts() 
print(data)
print(type(data))
plt.bar(x = data.index, 
        height = data.values,
        width=0.5,
        align='center') 

RL         1151
RM          218
FV           65
RH           16
C (all)      10
Name: MSZoning, dtype: int64
<class 'pandas.core.series.Series'>





<BarContainer object of 5 artists>

​

​

散点图scatter：

• 两个绘图参数：x+y确定点坐标
• 在水平轴和垂直轴上绘数据点

参数	描述
x, y	散点的坐标
s	散点的面积
c	散点的颜色（默认值为蓝色，‘b’，其余颜色同plt.plot( )）
marker	散点样式（默认值为实心圆，‘o’，其余样式同plt.plot( )）
alpha	散点透明度（[0, 1]之间的数，0表示完全透明，1则表示完全不透明）
linewidths	点的边缘线宽
edgecolors	散点的边缘颜色

plt.scatter(x = train.TotalBsmtSF, 
            y = train.SalePrice, 
            c='b',
            marker=',',
            alpha=0.5
            )
plt.scatter(x = train.BsmtUnfSF, 
            y = train.SalePrice, 
            c='r',
            marker='.',
            alpha=0.8
            ) 
# 绘制多个属性到一个散点图

<matplotlib.collections.PathCollection at 0x216c67c0130>

​

​

饼状图

• 一个绘图参数：x

参数	描述
x	数组序列，数组元素对应扇形区域的数量大小。
explode	突出显示，设置每一块分割出来的间隙大小
labels	列表字符串序列，为每个扇形区域备注一个标签名字。
color	为每个扇形区域设置颜色，默认按照颜色周期自动设置。
autopct	格式化字符串"fmt%pct"，使用百分比的格式设置每个扇形区的标签，并将其放置在扇形区内。

plt.figure(figsize=(8,8))
plt.pie(
    x = train['MSZoning'].value_counts(),
    explode = (0, 0.1, 0.2, 0, 0), 
    autopct = '%1.2f%%'
    )
plt.show()

​

特殊技巧：

• 对数化：

  1. 使用情况：x分布区间很广，部分y很高
  2. 使用目的：分布趋于正态分布

Pandas绘图

• pandas在matplotlib基础上封装了简易绘图函数
  可以直接对DataFrame和Series后加.plot()绘图

• .plot()参数：

  1. kind：上述的hist、scatter、pie、bar

Series绘图

#直接绘图
train['SalePrice'].plot()

<AxesSubplot:>

​
​

#统计某值后绘图
train['MSZoning'].value_counts().plot()

<AxesSubplot:>

​

#指定kind
train['MSZoning'].value_counts().plot(kind="bar") # 柱状图

<AxesSubplot:>

​

train['SalePrice'].plot.hist() 
# 直方图，.hist()相当于kind='hist'
# train['SalePrice'].plot(kind='hist')

<AxesSubplot:ylabel='Frequency'>

​

​

DataFrame绘图

# 部分数据直接绘图
train_d = train.loc[:,value_feats[1:5]]
print(train_d)

#不使用plot则多种数据分开绘图
train_d.hist(
    figsize=(8, 10), 
    bins=50, 
    xlabelsize=8,   #x轴说明字体大小
    ylabelsize=8
             )

plt.show()

      MSSubClass  LotFrontage  LotArea  OverallQual
0             60         65.0     8450            7
1             20         80.0     9600            6
2             60         68.0    11250            7
3             70         60.0     9550            7
4             60         84.0    14260            8
...          ...          ...      ...          ...
1455          60         62.0     7917            6
1456          20         85.0    13175            6
1457          70         66.0     9042            7
1458          20         68.0     9717            5
1459          20         75.0     9937            5

[1460 rows x 4 columns]

#使用plot则多种数据合并绘图
train.loc[:,['MSSubClass','LotFrontage','OpenPorchSF']].plot.hist()

<AxesSubplot:ylabel='Frequency'>

​

# 对属性值含有NaN的列进行统计使用柱状图显示
missing = train.isnull().sum()
print(missing)
''' 
此处的missing > 0指的是?
'''
missing = missing[missing > 0]
#print(missing)
missing = missing.sort_values(ascending=False)
# ascending=False 为升序
# inplace=True 为不原地修改
missing.plot.bar()

Id                 0
MSSubClass         0
MSZoning           0
LotFrontage      259
LotArea            0
                ... 
MoSold             0
YrSold             0
SaleType           0
SaleCondition      0
SalePrice          0
Length: 81, dtype: int64





<AxesSubplot:>

​

seaborn

• 介绍：对matplotlib进行简易化封装，但是功能不全

• 五种主题style：

  1. darkgrid（灰色网格）
  2. whitegrid（白色网格）
  3. dark（黑色）
  4. white（白色）
  5. ticks（十字叉）

直方图displot：

import seaborn as sns
sns.set(style = "darkgrid")
sns.displot(x = train['SalePrice'])
''' 
???
'''

<seaborn.axisgrid.FacetGrid at 0x216ce4078b0>

​

​

核密度图kdeplot：

• kernel density plot：

1. 用途：显示数据在X轴连续数据段内的分布状况。
2. 特征：这种图表是直方图的变种，使用平滑曲线来绘制水平数值，从而得出更平滑的分布。

sns.kdeplot(x = train['SalePrice'])

<AxesSubplot:xlabel='SalePrice', ylabel='Density'>

​

​

直方密度图distplot：

• 同时绘制直方图和密度图

sns.distplot(x = train["SalePrice"],bins=20, kde=True)

<AxesSubplot:ylabel='Density'>

​

条形图countplot & barplot：

• countplot：一个绘图参数data

• barplot：两个绘图参数x&y

• countplot

ax = sns.countplot(
    x="MSSubClass", #x轴坐标文字说明
    data = train
    )

​

​

• barplot：

1. 使用条形图查看某一属性时，矩形条的方式展示数据的点估值和置信区间。
2. 其中每个柱条的黑色的线条为误差线，表示数据误差范围。当误差线比较“长”时，一般要么是数据离散程度大，要么是数据样本少。

plt.figure(figsize=(10,6))
sns.barplot(x='GarageCars',y = 'SalePrice',data=train)
plt.show()

​

​

• 使用矩形图统计NaN在对应列所占比例

# 使用矩形图统计NaN在对应列所占比例
missing = train.isnull().mean()
missing = missing.sort_values(ascending=False)[:20]

# 以条形图显示NaN值在每个属性值所占比例
sns.barplot(x=missing.index,y=missing.values)
# 将x坐标表示旋转90度
plt.xticks(rotation=90)
plt.show()

​

​

箱线图：

• 优点：展现与类别相关的数据分布状况
  显示出一组数据的最大值、最小值、中位数、及上下四分位数
• 两个绘图参数：x & y

plt.figure(figsize=(10,5))
sns.boxplot(
    x = 'GarageCars',
    y = 'SalePrice',
    data = train
    )
plt.show()

​

​

双变量关系图jointplot：

• 用双变量图和单变量图，绘制一个由两个变量组成的图

# 使用sns散点图，描述变量和房价之间的关系
sns.scatterplot(
    x = train['TotalBsmtSF'],
    y = train['SalePrice']
    )

# 使用双变量图，描述变量的分布图和变量相关的散点图组合在一起
plt.figure(figsize = (4, 3))
sns.jointplot(
    x = train.TotalBsmtSF, 
    y = train.SalePrice
    )
plt.xlabel('GrLvArea')
plt.ylabel('SalePrice')
plt.title('Basis')
plt.show()

​

​

<Figure size 400x300 with 0 Axes>

成对关系图pairplot：

• 功能：集中绘制成对关系，展示两个特征之间关系
• 方式：创建Axes网络，便于data种每个变量在y轴共享1行，x轴共享1列
• 特点：对角线为各个属性直方图,非对角线是不同属性之间的相关图

train_pair = train.loc[:,["LotArea", "GarageArea", "SalePrice"]]
tmp = sns.pairplot(data = train_pair)
print(type(tmp))

<class 'seaborn.axisgrid.PairGrid'>

热力图heatmap：

• 功能：识别预测变量和目标变量相关性方法

import numpy as np
sns.set(font_scale=1.1)
correlation_train = train.corr()
# 返回协方差的上三角矩阵
mask = np.triu(correlation_train.corr())
''' 
???mask???
'''
plt.figure(figsize=(20, 20))
sns.heatmap(data = correlation_train,
            annot = True,#是否对heatmap中每个方格写入数据。
            fmt='.1f',# 注释格式
            cmap='coolwarm',# 颜色列表
            square=True,# 将每个单元格为方形
            mask=mask,
#vmax,vmin, 图例中最大值和最小值的显示值，没有该参数时默认不显示
           )
plt.show()

# 对数据的部分列进行热力图显示
plt.figure(figsize=(10, 10))
# corr_abs = train.corr().abs() 
# ser_corr = corr_abs.nlargest(len(numerical_feats), "SalePrice_Log")["SalePrice_Log"]
# cols = ser_corr[ser_corr.values > 0.43].index
cols = ['SalePrice', 'OverallQual', 'GrLivArea', 'GarageCars',
       'GarageArea', 'TotalBsmtSF', '1stFlrSF', 'FullBath', 'YearBuilt',
       'YearRemodAdd', 'TotRmsAbvGrd', 'Fireplaces']
cm = train[cols].corr()
sns.heatmap(
    data = cm, 
    annot=True, 
    square=True, 
    fmt='.1f'
    )
plt.show()

​

​

回归图implot&regplot：

• 在描绘散点图同时，输出两个变量之间线性关系

• regplot():

  1. data可以是DataFrame
  2. x, y参数接受多种数据类型，包括numpy数组、Series

• lmplot()：

  1. data参数是不能为空的
  2. x和y参数必须以字符串形式指定。

• regplot()支持而lmplot()不支持的类似一维数组的数据格式，被称为“long-form data”或“tidy data”

lmplot

import seaborn as sns
import pandas 
train = pandas.read_csv('./data_set/house_price_train.csv')

sns.lmplot(
    x = 'OverallQual',
    y = 'SalePrice',
    data = train
)

<seaborn.axisgrid.FacetGrid at 0x296ec3fb310>

​

​

sns.lmplot(
    x = '1stFlrSF',
    y = 'SalePrice',
    data = train
)

<seaborn.axisgrid.FacetGrid at 0x296ec3fa680>

​

regplot()

sns.regplot(
    x = 'YearBuilt', 
    y = 'SalePrice', 
    data = train
    )

<AxesSubplot:xlabel='YearBuilt', ylabel='SalePrice'>

​

​

# order大于 1，使用numpy.polyfit来估计多项式回归,常用于进行曲线拟合的函数
sns.regplot(
    x = train['YearBuilt'], 
    y = train['SalePrice'], 
    order = 3
    )

<AxesSubplot:xlabel='YearBuilt', ylabel='SalePrice'>

​

​

for循环画子图

import matplotlib.pyplot as plt
# 使用for循环对属性遍历
fig, axes = plt.subplots(4, 3, figsize=(25, 30))
# flatten用于降维，将几个多维数组变成几个一维数组
axes = axes.flatten()
for columns, j in zip(train.select_dtypes(include=['number']).columns[:13], axes):
    print(columns,' : ', j)
    sns.regplot(
        x=columns, 
        y="SalePrice", 
        data=train,
        ax=j, 
        order=3
        )

Id  :  AxesSubplot(0.125,0.712609;0.227941x0.167391)
MSSubClass  :  AxesSubplot(0.398529,0.712609;0.227941x0.167391)
LotFrontage  :  AxesSubplot(0.672059,0.712609;0.227941x0.167391)
LotArea  :  AxesSubplot(0.125,0.511739;0.227941x0.167391)
OverallQual  :  AxesSubplot(0.398529,0.511739;0.227941x0.167391)
OverallCond  :  AxesSubplot(0.672059,0.511739;0.227941x0.167391)
YearBuilt  :  AxesSubplot(0.125,0.31087;0.227941x0.167391)
YearRemodAdd  :  AxesSubplot(0.398529,0.31087;0.227941x0.167391)
MasVnrArea  :  AxesSubplot(0.672059,0.31087;0.227941x0.167391)
BsmtFinSF1  :  AxesSubplot(0.125,0.11;0.227941x0.167391)
BsmtFinSF2  :  AxesSubplot(0.398529,0.11;0.227941x0.167391)
BsmtUnfSF  :  AxesSubplot(0.672059,0.11;0.227941x0.167391)