Python如何实现数据可视化

在这里插入图片描述

1:安装 Matplotlib

在Linux系统中安装matplotlib

Ubuntu17.10内置Python2版本和Python3版本,可以采用下面的方式安装Matplotlib

$sudo apt-get install python3-matplotlib

如果你使用的是Python 2.7,执行如下命令:

$ sudo apt-get install python-matplotlib

如果你安装了pip 就可以使用下面的方式安装:

$ pip install matplotlib

如果你的安装比较慢,可以尝试这种方式来安装:

$ pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

常用的国内源地址有:

---------------------------------------------------------------
注:我这有个学习基地,里面有很多学习资料,感兴趣的+Q群:895817687
---------------------------------------------------------------
阿里云 http://mirrors.aliyun.com/pypi/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

测试matplotlib

#如何没有问题就是安装成功了
>>>import matplotlib
>>>

绘制简单的折线图

下面来使用 matplotlib 绘制一个简单的折线图,再对其进行定制,以实现信息更丰富的数据可视化。我们将使用平方数序列 1 、 4 、 9 、 16 和 25 来绘制折线图。

import matplotlib.pyplot as plt 
squares = [1, 4, 9, 16, 25]
plt.plot(squares) 
plt.show()

plt.show() # 打开 matplotlib 查看器,并显示绘制的图形。
在这里插入图片描述
修改标签文字和线条粗细

图形表明数字是越来越大的,但标签文字太小,线条太细。所幸 matplotlib 让你能够调整可视化的各个方面。

import matplotlib.pyplot as plt 
squares = [1, 4, 9, 16, 25] 
plt.plot(squares, linewidth=5) 
# 设置图表标题,并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14) 
plt.ylabel("Square of Value", fontsize=14) 
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14) 
plt.show()

在这里插入图片描述
校正图形

图形更容易阅读后,我们发现没有正确地绘制数据:折线图的终点指出 4.0 的平方为 25 !下 面来修复这个问题。

import matplotlib.pyplot as plt 
input_values = [1, 2, 3, 4, 5] 
squares = [1, 4, 9, 16, 25] 
plt.plot(input_values, squares, linewidth=5) 
# 设置图表标题,并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14) 
plt.ylabel("Square of Value", fontsize=14) 
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14) 
plt.show()

在这里插入图片描述
使用scatter()绘制散点图并设置其样式

有时候,需要绘制散点图并设置各个数据点的样式。要绘制单个点,可使用函数 scatter() ,并向它传递一对 x 和 y 坐标,它将在指定位置绘制一 个点:

import matplotlib.pyplot as plt 
plt.scatter(2, 4) 
plt.show()

在这里插入图片描述
下面来设置输出的样式,使其更有趣:添加标题,给轴加上标签,并确保所有文本都大到能够看清:`在这里插入代码片

import matplotlib.pyplot as plt 
plt.scatter(2, 4, s=200) 
# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24) 
plt.xlabel("Value", fontsize=14) 
plt.ylabel("Square of Value", fontsize=14) 
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14) 
plt.show()

在这里插入图片描述
使用scatter()绘制一系列点

要绘制一系列的点,可向 scatter() 传递两个分别包含 x 值和 y 值的列表,如下所示:

import matplotlib.pyplot as plt 
x_values = [1, 2, 3, 4, 5] 
y_values = [1, 4, 9, 16, 25] 
plt.scatter(x_values, y_values, s=100) 
# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24) 
plt.xlabel("Value", fontsize=14) 
plt.ylabel("Square of Value", fontsize=14) 
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14) 
plt.show()

在这里插入图片描述
自动计算数据

手工计算列表要包含的值可能效率低下,需要绘制的点很多时尤其如此。

import matplotlib.pyplot as plt 
x_values = list(range(1, 1001)) 
y_values = [x**2 for x in x_values]
plt.scatter(x_values, y_values, s=40)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000]) 
plt.show()

在这里插入图片描述

matplotlib允许你给散点图中的各个点指定颜色。
默认为蓝色点和黑色轮廓,在散点图包含的数据点不多时效果很好。
但绘制很多点时,黑色轮廓可能会粘连在一起。
要删除数据点的轮廓,可在调用scatter()时传递实参edgecolor='none':

自定义颜色

要修改数据点的颜色,可向scatter()传递参数c,并将其设置为要使用的颜色的名称,如下所示:

plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40)

在这里插入图片描述
使用RGB颜色模式自定义颜色。

plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)

在这里插入图片描述
(0, 0, 0.8) 它们分别表示红色、绿色和蓝色分量。值越接近0,指定的颜色越深,值越接近1,指定的颜色越浅。

使用颜色映射

颜色映射(colormap)是一系列颜色,它们从起始颜色渐变到结束颜色。在可视化中,颜色映射用于突出数据的规律,例如,你可能用较浅的颜色来显示较小的值,并使用较深的颜色来显示较大的值。

import matplotlib.pyplot as plt 
x_values = list(range(1001)) 
y_values = [x**2 for x in x_values] 
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolor='none', s=40)

在这里插入图片描述
这些代码将y值较小的点显示为浅蓝色,并将y值较大的点显示为深蓝色。

自动保存图表

plt.savefig('squares_plot.png', bbox_inches='tight')

绘制随机漫步图

下面的代码将随机漫步的所有点都绘制出来:

import matplotlib.pyplot as plt 
from random_walk import RandomWalk
# 创建一个RandomWalk实例,并将其包含的点都绘制出来
rw = RandomWalk() 
rw.fill_walk()
plt.scatter(rw.x_values, rw.y_values, s=15) 
plt.show()

在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/weixin_42625143/article/details/94735520