1 import numpy as np 2 import pandas as pd 3 import matplotlib.pyplot as plt 4 5 # matplotlib 是一个Python 的 2D图形包 。pyplot 封装了很多画图的函数 6 7 # plt.show()函数 8 9 # plt.plot()函数 10 # 可以绘制线型图 11 if 0: 12 if 0: 13 # 小试牛刀 14 plt.plot([1, 2, 3, 4, 4, 3, 2, 1]) # 此时默认以索引作为x坐标 15 plt.xlabel('x') 16 plt.ylabel('y') 17 pass 18 if 0: 19 # 基本用法 20 # 1,指定x 和 y : 21 # plt.plot(x,y) 22 # 2,默认参数 x为默认索引 23 # plt.plot(y) 24 plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) 25 pass 26 # 字符参数 27 if 0: 28 # 表示颜色的字符参数 29 if 1: 30 ''' 31 'b' blue 32 'g' green 33 r red 34 c cyan 青色 35 m magenta 品红 36 y yellow 37 k black 38 w white 39 ''' 40 41 pass 42 43 # 表示线型的字符参数 44 if 1: 45 ''' 46 - 实线 47 -- 虚线 48 。。。。。。 49 ''' 50 pass 51 52 if 1: 53 # 要求画出红色 圆点 54 plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro') 55 # r 是红色 o 是圆点 56 pass 57 58 pass 59 60 # 显示范围 61 if 0: 62 # 与 Matlab类似 ，这里可以使用axis（）指定坐标轴显示的范围 63 # plt.axis([xmin,xmax,ymin,ymax ]) 64 plt.plot(range(10), [x ** 2 for x in range(10)]) 65 plt.axis([0, 10, 0, 100]) 66 pass 67 68 # 传入Numpy 数组 （常用 ） 69 if 0: 70 # 之前都是传入的是列表，其实plot 内部还是会将列表转为数组的 71 # 所以，以后最常用的还是传入数组 72 73 # 在一个图中绘制多条线 74 arr = np.arange(0, 5, 0.2) # 不包含 5 step 为 0.2 75 plt.plot(arr, arr, 'r-', 76 arr, arr ** 2, 'b--', 77 arr, arr ** 3, 'k^', 78 arr, arr ** 2 - arr + 10, 'gs' # s 指的是 square 79 ) 80 81 pass 82 83 # 线条属性 84 if 0: 85 # 这里是通过关键词的方法而不是通过字符的方式来控制颜色，线型等... 86 # 例如 通过linewidth 改变线宽 通过color 改变颜色 87 x = np.linspace(-np.pi, np.pi) # 等差数列 #固定个数用arange() 88 y = np.sin(x) 89 plt.plot(x, y, linewidth=4.0, color='r') 90 91 pass 92 93 # 使用 plt.plot()的返回值 来设置线条属性 94 if 0: 95 #plot函数返回一个Line2D对象，每个对象代表输入的一对组合 96 #eg: 97 # line1,line2 = plt.plot(x1,y1,x2,y2) 98 # line1 ,line2 为两个line2D 对象 99 100 # lines = plt.plot(x1,y1,x2,y2,x3,y3) 101 #lines 为3个Line2D对象组成的列表 102 103 #我们可以使用这些返回值来对线条属性进行设置 104 105 x = np.arange(-np.pi,np.pi,0.02) 106 y = np.sin(x) 107 line1 ,line2 = plt.plot(x,y,'r-', 108 x,y+1,'b--') 109 110 line1.set_antialiased(False) #关闭抗锯齿 111 112 113 114 115 116 117 118 119 pass 120 121 #可以使用plt.setp() 更简便地 修改线条的性质 122 if 0: 123 x = np.arange(-np.pi,np.pi,0.02) 124 y = np.sin(x) 125 line = plt.plot(x,y) 126 plt.setp(line,color='g',linewidth=4) 127 128 pass 129 130 # plt.show() 131 #子图 132 if 0: 133 #figure()函数会产生一个指定编号为num 的图 ： 134 #plt.figure(num) 135 ''' 136 这里，figure(1) 其实是可以省略的，因为默认情况下 137 plt会自动地产生一幅图像， 138 使用subplot 可以在一副图中生成多个子图，其参数为： 139 plt.subplot(numrows,numcols,fignum) 140 141 当 numrows * numcols <10 时，中间的逗号可以省略， 142 因此,plt.subplot(211) 相当于plt.subplot(2,1,1) 143 144 ''' 145 x = np.arange(-np.pi,np.pi,0.02) 146 y = np.sin(x) 147 148 plt.figure(figsize=(10,6)) 149 plt.subplot(221) 150 plt.plot(x,y,'r-') 151 152 plt.subplot(222) 153 plt.plot(x,y*x,'g-') 154 155 plt.subplot(223) 156 plt.plot(y,x,'y-') 157 158 plt.subplot(224) 159 plt.plot(x,y*np.exp(x),'c-') #cyan 青色 160 pass 161 162 # plt.show() 163 164 165 #excel 数据绘图 166 df = pd.read_excel("d:/test.xlsx") 167 if 0: 168 print(df[:5]) 169 170 if 0: 171 172 # plt.rcParams['font.family'] =['SimHei'] # 修改全局字体 173 # plt.rcParams['axes.unicode_minus'] =False # 显示负号 174 #上面修改的都是全局的 ，不建议，应当使用局部的 175 176 # 绘制每个姓名的数量 的柱状图（bar chart ） 177 if 0: 178 data = df['姓名'].value_counts() 179 # print(data) 180 x = data.index 181 y = data.values 182 plt.figure(figsize=(10,6)) #定义图片的大小 183 plt.bar(x,y,color='c') 184 plt.title("各个 '姓名' 的 数量 ",fontproperties='SimHei',fontsize=10) 185 plt.xlabel("x轴",fontproperties='SimHei',fontsize=18) 186 plt.ylabel("y轴",fontproperties='SimHei',fontsize=18) 187 188 plt.tick_params(labelsize=14) 189 plt.xticks(fontproperties ='SimHei') 190 if 0: 191 plt.xticks(rotation=90) #使x轴上的标签逆时针旋转90 192 193 194 #将每个具体的数字写到柱子 上 195 for a,b in zip(x,y): 196 plt.text(a,b+1,b,ha='center') 197 #ha 是 horizontal align 198 #va 是 vitual align 199 200 #加上网格线 201 plt.grid() 202 203 204 pass 205 206 #绘制 每个学号的 数量 的折线图 （看趋势） 207 if 0: 208 data = df['学号'].value_counts() 209 # print(data) 210 data = data.sort_index() 211 212 x = data.index 213 y = data.values 214 215 plt.plot(x,y,color = 'b') #折线图 216 217 plt.title("每个学号的数量",fontproperties='SimHei',fontsize=20) 218 plt.xlabel("学号",fontproperties = 'SimHei',fontsize = 18) 219 plt.ylabel("数量",fontproperties = 'SimHei',fontsize = 18) 220 221 for a,b in zip(x[::5],y[::5]): #学号每隔5 画上具体数据 222 plt.text(a,b+0.1,b) 223 224 #给某一点加注释 225 plt.annotate("这是我",fontproperties='SimHei',xy=(17096218,data[17096218]),xytext=(17096300,data[17096218]+3), 226 arrowprops=dict(facecolor='black',edgecolor='red') 227 #facecolor 是填充颜色 ，edgecolor 是边缘颜色 228 ) 229 230 231 232 233 pass 234 235 #绘制饼图 工资 （适合类别比较少的） 236 #饼图 Sector Graph 又名 Pie Graph 237 if 0: 238 ''' 239 plt.pie( 240 x, #x 是数据 241 explode=None, 242 labels=None, #饼图外侧的说明文字 243 colors=None, 244 autopct=None, #饼图内百分比的设置 245 pctdistance=0.6, 246 shadow=False, #饼图要不要有阴影 247 labeldistance=1.1, 248 startangle=None, #起始位置的角度 249 radius=None 250 ): 251 252 返回值： 253 如果没有设置autopct ,返回（patches,texts） 254 反之，返回(patches,texts ,autotexts) 255 ''' 256 # print(df['工资'].min()) 12345.23 257 # print(df['工资'].max()) 557345.23 258 259 #使用cut 离散化数据 260 data = pd.cut(df['工资'],[12000,100000,300000,400000,560000]) 261 # print(data) 262 if 0: 263 print(data.value_counts()) 264 # (100000, 300000] 193 265 # (12000, 100000] 101 266 # (400000, 560000] 16 267 # (300000, 400000] 10 268 # Name: 工资, dtype: int64 269 270 data = data.value_counts() 271 y = data.values 272 y = y/sum(y) #就算自己不归一化，系统也会替我们进行 273 274 plt.figure(figsize=(7,7)) 275 plt.title("工资的占比",fontproperties ='SimHei') 276 patches ,l_text,p_text = plt.pie(y,labels=data.index,autopct='%.1f %%',colors='ycgr', 277 startangle=90, 278 ) 279 280 #根据pie 的返回值设置图中的字体 281 #设置 p_text 图内的字体 282 for i in p_text: 283 i.set_size(14) 284 i.set_color('w') 285 286 #设置 l_text 图外的字体 287 for i in l_text: 288 i.set_size(10) 289 i.set_color('red') 290 291 #增加一个图列 292 plt.legend() 293 294 pass 295 296 #绘制频率直方图 对年龄的频率绘制分布直方图 297 #直方图 Histogram 又称质量分布图， 298 #用来反应数据的分布情况 299 if 1: 300 ''' 301 plt.hist( 302 x, #需要计算直方图的一维数组 303 bins=None, #直方图的柱数，默认为 10 304 normaed, #是否将得到的直方图归一化 ，默认为0 305 facecolor, #直方图的颜色 306 edgecolor, # 直方图边框颜色 307 alpha , #透明度 308 histtype='bar' #直方图的类型 309 310 ) 311 返回值 ： 312 n :直方图向量 ，是否归一化由参数 normed 决定 313 bins :返回各个bin 的区间范围 314 patches :返回每个bin 里面包含的数据，是一个list 315 316 ''' 317 plt.figure(figsize=(10,6)) 318 plt.hist(df['年龄'],bins=20,edgecolor='k',alpha=0.5) 319 320 pass 321 322 323 pass 324 plt.show()