Python中的數(shù)據(jù)可視化matplotlib與繪圖庫模塊
更新時間：2022年05月30日 10:48:05 作者：springsnow
這篇文章介紹了Python中的數(shù)據(jù)可視化matplotlib與繪圖庫模塊，文中通過示例代碼介紹的非常詳細。對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下
matplotlib官方文檔：https://matplotlib.org/stable/users/index.html
matplotlib是一個繪圖庫，它可以創(chuàng)建常用的統(tǒng)計圖，包括條形圖、箱型圖、折線圖、散點圖、餅圖和直方圖。
一、條形圖bar()
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
# 修改背景為條紋
plt.style.use('ggplot')
classes = ['3班', '4班', '5班', '6班']
classes_index = range(len(classes))
print(list(classes_index))
# [0, 1, 2, 3]
student_amounts = [66, 55, 45, 70]
# 畫布設(shè)置
fig = plt.figure()
# 1,1,1表示一張畫布切割成1行1列共一張圖的第1個；2,2,1表示一張畫布切割成2行2列共4張圖的第一個（左上角）
ax1 = fig.add_subplot(1, 1, 1)
ax1.bar(classes_index, student_amounts, align='center', color='darkblue')
ax1.xaxis.set_ticks_position('bottom')
ax1.yaxis.set_ticks_position('left')
plt.xticks(classes_index,
classes,
rotation=0,
fontsize=13,
fontproperties=font)
plt.xlabel('班級', fontproperties=font, fontsize=15)
plt.ylabel('學生人數(shù)', fontproperties=font, fontsize=15)
plt.title('班級-學生人數(shù)', fontproperties=font, fontsize=20)
# 保存圖片，bbox_inches='tight'去掉圖形四周的空白
# plt.savefig('classes_students.png', dpi=400, bbox_inches='tight')
plt.show()
二、直方圖
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
# 修改背景為條紋
plt.style.use('ggplot')
mu1, mu2, sigma = 50, 100, 10
# 構(gòu)造均值為50的符合正態(tài)分布的數(shù)據(jù)
x1 = mu1 + sigma * np.random.randn(10000)
print(x1)
# [59.00855949 43.16272141 48.77109774 ... 57.94645859 54.70312714
# 58.94125528]
# 構(gòu)造均值為100的符合正態(tài)分布的數(shù)據(jù)
x2 = mu2 + sigma * np.random.randn(10000)
print(x2)
# [115.19915511 82.09208214 110.88092454 ... 95.0872103 104.21549068
# 133.36025251]
fig = plt.figure()
ax1 = fig.add_subplot(121)
# bins=50表示每個變量的值分成50份，即會有50根柱子
ax1.hist(x1, bins=50, color='darkgreen')
ax2 = fig.add_subplot(122)
ax2.hist(x2, bins=50, color='orange')
fig.suptitle('兩個正態(tài)分布', fontproperties=font, fontweight='bold', fontsize=15)
ax1.set_title('綠色的正態(tài)分布', fontproperties=font)
ax2.set_title('橙色的正態(tài)分布', fontproperties=font)
plt.show()
三、折線圖
import numpy as np
from numpy.random import randn
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
# 修改背景為條紋
plt.style.use('ggplot')
np.random.seed(1)
# 使用numpy的累加和，保證數(shù)據(jù)取值范圍不會在（0，1）內(nèi)波動
plot_data1 = randn(40).cumsum()
print(plot_data1)
# [ 1.62434536 1.01258895 0.4844172 -0.58855142 0.2768562 -2.02468249
# -0.27987073 -1.04107763 -0.72203853 -0.97140891 0.49069903 -1.56944168
# -1.89185888 -2.27591324 -1.1421438 -2.24203506 -2.41446327 -3.29232169
# -3.25010794 -2.66729273 -3.76791191 -2.6231882 -1.72159748 -1.21910314
# -0.31824719 -1.00197505 -1.12486527 -2.06063471 -2.32852279 -1.79816732
# -2.48982807 -2.8865816 -3.5737543 -4.41895994 -5.09020607 -5.10287067
# -6.22018102 -5.98576532 -4.32596314 -3.58391898]
plot_data2 = randn(40).cumsum()
plot_data3 = randn(40).cumsum()
plot_data4 = randn(40).cumsum()
plt.plot(plot_data1, marker='o', color='red', linestyle='-', label='紅實線')
plt.plot(plot_data2, marker='x', color='orange', linestyle='--', label='橙虛線')
plt.plot(plot_data3, marker='*', color='yellow', linestyle='-.', label='黃點線')
plt.plot(plot_data4, marker='s', color='green', linestyle=':', label='綠點圖')
# loc='best'給label自動選擇最好的位置
plt.legend(loc='best', prop=font)
plt.show()
四、散點圖+直線圖
import numpy as np
from numpy.random import randn
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
# 修改背景為條紋
plt.style.use('ggplot')
x = np.arange(1, 20, 1)
print(x)
# [ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
# 擬合一條水平散點線
np.random.seed(1)
y_linear = x + 10 * np.random.randn(19)
# print(y_linear)
# [ 17.24345364 -4.11756414 -2.28171752 -6.72968622 13.65407629
# -17.01538697 24.44811764 0.38793099 12.19039096 7.50629625
# 25.62107937 -8.60140709 9.77582796 10.15945645 26.33769442
# 5.00108733 15.27571792 9.22141582 19.42213747]
# 擬合一條x2的散點線
y_quad = x**2 + 10 * np.random.randn(19)
print(y_quad)
# [ 6.82815214 -7.00619177 20.4472371 25.01590721 30.02494339
# 45.00855949 42.16272141 62.77109774 71.64230566 97.3211192
# 126.30355467 137.08339248 165.03246473 189.128273 216.54794359
# 249.28753869 288.87335401 312.82689651 363.34415698]
# s是散點大小
fig = plt.figure()
ax1 = fig.add_subplot(121)
plt.scatter(x, y_linear, s=30, color='r', label='藍點')
plt.scatter(x, y_quad, s=100, color='b', label='紅點')
ax2 = fig.add_subplot(122)
plt.plot(x, y_linear, color='r')
plt.plot(x, y_quad, color='b')
# 限制x軸和y軸的范圍取值
plt.xlim(min(x) - 1, max(x) + 1)
plt.ylim(min(y_quad) - 10, max(y_quad) + 10)
fig.suptitle('散點圖+直線圖', fontproperties=font, fontsize=20)
ax1.set_title('散點圖', fontproperties=font)
ax1.legend(prop=font)
ax2.set_title('直線圖', fontproperties=font)
plt.show()
五、餅圖
import numpy as np
import matplotlib.pyplot as plt
from pylab import mpl
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
mpl.rcParams['font.sans-serif'] = ['SimHei']
fig, ax = plt.subplots(subplot_kw=dict(aspect="equal"))
recipe = ['優(yōu)', '良', '輕度污染', '中度污染', '重度污染', '嚴重污染', '缺']
data = [2, 49, 21, 9, 11, 6, 2]
colors = ['lime', 'yellow', 'darkorange', 'red', 'purple', 'maroon', 'grey']
wedges, texts, texts2 = ax.pie(data,
wedgeprops=dict(width=0.5),
startangle=40,
colors=colors,
autopct='%1.0f%%',
pctdistance=0.8)
plt.setp(texts2, size=14, weight="bold")
bbox_props = dict(boxstyle="square,pad=0.3", fc="w", ec="k", lw=0.72)
kw = dict(xycoords='data',
textcoords='data',
arrowprops=dict(arrowstyle="->"),
bbox=None,
zorder=0,
va="center")
for i, p in enumerate(wedges):
ang = (p.theta2 - p.theta1) / 2. + p.theta1
y = np.sin(np.deg2rad(ang))
x = np.cos(np.deg2rad(ang))
horizontalalignment = {-1: "right", 1: "left"}[int(np.sign(x))]
connectionstyle = "angle,angleA=0,angleB={}".format(ang)
kw["arrowprops"].update({"connectionstyle": connectionstyle})
ax.annotate(recipe[i],
xy=(x, y),
xytext=(1.25 * np.sign(x), 1.3 * y),
size=16,
horizontalalignment=horizontalalignment,
fontproperties=font,
**kw)
ax.set_title("餅圖示例", fontproperties=font)
plt.show()
# plt.savefig('jiaopie2.png')
六、箱型圖
箱型圖：又稱為盒須圖、盒式圖、盒狀圖或箱線圖，是一種用作顯示一組數(shù)據(jù)分散情況資料的統(tǒng)計圖（在數(shù)據(jù)分析中常用在異常值檢測）
包含一組數(shù)據(jù)的：最大值、最小值、中位數(shù)、上四分位數(shù)（Q3）、下四分位數(shù)（Q1）、異常值
- 中位數(shù) →一組數(shù)據(jù)平均分成兩份，中間的數(shù)
- 上四分位數(shù)Q1 →是將序列平均分成四份，計算(n+1)/4與(n-1)/4兩種，一般使用(n+1)/4
- 下四分位數(shù)Q3 →是將序列平均分成四份，計算(1+n)/4*3=6.75
- 內(nèi)限 →T形的盒須就是內(nèi)限，最大值區(qū)間Q3+1.5IQR,最小值區(qū)間Q1-1.5IQR （IQR=Q3-Q1）
- 外限 →T形的盒須就是內(nèi)限，最大值區(qū)間Q3+3IQR,最小值區(qū)間Q1-3IQR （IQR=Q3-Q1）
- 異常值 →內(nèi)限之外 - 中度異常，外限之外 - 極度異常
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
plt.figure(figsize=(10, 4))
# 創(chuàng)建圖表、數(shù)據(jù)
f = df.boxplot(
sym='o', # 異常點形狀，參考marker
vert=True, # 是否垂直
whis=1.5, # IQR，默認1.5，也可以設(shè)置區(qū)間比如[5,95]，代表強制上下邊緣為數(shù)據(jù)95%和5%位置
patch_artist=True, # 上下四分位框內(nèi)是否填充，True為填充
meanline=False,
showmeans=True, # 是否有均值線及其形狀
showbox=True, # 是否顯示箱線
showcaps=True, # 是否顯示邊緣線
showfliers=True, # 是否顯示異常值
notch=False, # 中間箱體是否缺口
return_type='dict' # 返回類型為字典
)
plt.title('boxplot')
for box in f['boxes']:
box.set(color='b', linewidth=1) # 箱體邊框顏色
box.set(facecolor='b', alpha=0.5) # 箱體內(nèi)部填充顏色
for whisker in f['whiskers']:
whisker.set(color='k', linewidth=0.5, linestyle='-')
for cap in f['caps']:
cap.set(color='gray', linewidth=2)
for median in f['medians']:
median.set(color='DarkBlue', linewidth=2)
for flier in f['fliers']:
flier.set(marker='o', color='y', alpha=0.5)
# boxes, 箱線
# medians, 中位值的橫線,
# whiskers, 從box到error bar之間的豎線.
# fliers, 異常值
# caps, error bar橫線
# means, 均值的橫線
plt.show()
七、plot函數(shù)參數(shù)
- 線型linestyle（-,-.,--,..）
- 點型marker（v,^,s,*,H,+,x,D,o,…）
- 顏色color（b,g,r,y,k,w,…）
八、圖像標注參數(shù)
- 設(shè)置圖像標題：plt.title()
- 設(shè)置x軸名稱：plt.xlabel()
- 設(shè)置y軸名稱：plt.ylabel()
- 設(shè)置X軸范圍：plt.xlim()
- 設(shè)置Y軸范圍：plt.ylim()
- 設(shè)置X軸刻度：plt.xticks()
- 設(shè)置Y軸刻度：plt.yticks()
- 設(shè)置曲線圖例：plt.legend()
九、Matplolib應(yīng)用
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')
header_list = ['方程組', '函數(shù)', '導數(shù)', '微積分', '線性代數(shù)', '概率論', '統(tǒng)計學']
py3_df = pd.read_excel('py3.xlsx', header=None, skiprows=[0, 1], names=header_list)
# 處理帶有NaN的行
py3_df = py3_df.dropna(axis=0) #
print(py3_df)
# 自定義映射
map_dict = {
'不會': 0,
'了解': 1,
'熟悉': 2,
'使用過': 3,
}
for header in header_list:
py3_df[header] = py3_df[header].map(map_dict)
unable_series = (py3_df == 0).sum(axis=0)
know_series = (py3_df == 1).sum(axis=0)
familiar_series = (py3_df == 2).sum(axis=0)
use_series = (py3_df == 3).sum(axis=0)
unable_label = '不會'
know_label = '了解'
familiar_label = '熟悉'
use_label = '使用過'
for i in range(len(header_list)):
bottom = 0
# 描繪不會的條形圖
plt.bar(x=header_list[i], height=unable_series[i], width=0.60, color='r', label=unable_label)
if unable_series[i] != 0:
plt.text(header_list[i], bottom, s=unable_series[i], ha='center', va='bottom', fontsize=15, color='white')
bottom += unable_series[i]
# 描繪了解的條形圖
plt.bar(x=header_list[i], height=know_series[i], width=0.60, color='y', bottom=bottom, label=know_label)
if know_series[i] != 0:
plt.text(header_list[i], bottom, s=know_series[i], ha='center', va='bottom', fontsize=15, color='white')
bottom += know_series[i]
# 描繪熟悉的條形圖
plt.bar(x=header_list[i], height=familiar_series[i], width=0.60, color='g', bottom=bottom, label=familiar_label)
if familiar_series[i] != 0:
plt.text(header_list[i], bottom, s=familiar_series[i], ha='center', va='bottom', fontsize=15, color='white')
bottom += familiar_series[i]
# 描繪使用過的條形圖
plt.bar(x=header_list[i], height=use_series[i], width=0.60, color='b', bottom=bottom, label=use_label)
if use_series[i] != 0:
plt.text(header_list[i], bottom, s=use_series[i], ha='center', va='bottom', fontsize=15, color='white')
unable_label = know_label = familiar_label = use_label = ''
plt.xticks(header_list, fontproperties=font)
plt.ylabel('人數(shù)', fontproperties=font)
plt.title('Python3期數(shù)學摸底可視化', fontproperties=font)
plt.legend(prop=font, loc='upper left')
plt.show()
方程組 函數(shù) 導數(shù) 微積分 線性代數(shù) 概率論 統(tǒng)計學 0 使用過 使用過 不會 不會 不會 不會 不會 1 使用過 使用過 了解 不會 不會 不會 不會 2 使用過 使用過 熟悉 不會 不會 不會 不會 3 熟悉 熟悉 熟悉 了解 了解 了解 了解 4 使用過 使用過 使用過 使用過 使用過 使用過 使用過 5 使用過 使用過 使用過 不會 不會 不會 了解 6 熟悉 熟悉 熟悉 熟悉 熟悉 熟悉 不會 7 使用過 使用過 使用過 使用過 使用過 使用過 使用過 8 熟悉 熟悉 熟悉 熟悉 熟悉 使用過 使用過 9 熟悉 熟悉 使用過 不會 使用過 使用過 不會 10 使用過 使用過 熟悉 熟悉 熟悉 熟悉 熟悉 11 使用過 使用過 使用過 使用過 使用過 不會 不會 12 使用過 使用過 使用過 使用過 使用過 使用過 使用過 13 使用過 使用過 了解 不會 不會 不會 不會 14 使用過 使用過 使用過 使用過 使用過 不會 不會 15 使用過 使用過 熟悉 不會 不會 不會 不會 16 熟悉 熟悉 使用過 使用過 使用過 不會 不會 17 使用過 使用過 使用過 了解 不會 不會 不會 18 使用過 使用過 使用過 使用過 熟悉 熟悉 熟悉 19 使用過 使用過 使用過 了解 不會 不會 不會 20 使用過 使用過 使用過 使用過 使用過 使用過 使用過 21 使用過 使用過 使用過 使用過 使用過 使用過 使用過 22 使用過 很了解 熟悉 了解一點，不會運用 了解一點，不會運用 了解 不會 23 使用過 使用過 使用過 使用過 熟悉 使用過 熟悉 24 熟悉 熟悉 熟悉 使用過 不會 不會 不會 25 使用過 使用過 使用過 使用過 使用過 使用過 使用過 26 使用過 使用過 使用過 使用過 使用過 不會 不會 27 使用過 使用過 不會 不會 不會 不會 不會 28 使用過 使用過 使用過 使用過 使用過 使用過 了解 29 使用過 使用過 使用過 使用過 使用過 了解 不會 30 使用過 使用過 使用過 使用過 使用過 不會 不會 31 使用過 使用過 使用過 使用過 不會 使用過 使用過 32 熟悉 熟悉 使用過 使用過 使用過 不會 不會 33 使用過 使用過 使用過 使用過 熟悉 使用過 熟悉 34 熟悉 熟悉 熟悉 使用過 使用過 熟悉 不會 35 使用過 使用過 使用過 使用過 使用過 使用過 使用過 36 使用過 使用過 使用過 使用過 使用過 使用過 了解 37 使用過 使用過 使用過 使用過 使用過 不會 不會 38 使用過 使用過 使用過 不會 不會 不會 不會 39 使用過 使用過 不會 不會 不會 不會 不會 40 使用過 使用過 使用過 使用過 使用過 不會 不會 41 使用過 使用過 熟悉 了解 了解 了解 不會 42 使用過 使用過 使用過 不會 不會 不會 不會 43 熟悉 使用過 了解 了解 不會 不會 不會
到此這篇關(guān)于Python中數(shù)據(jù)可視化matplotlib與繪圖庫模塊的文章就介紹到這了。希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
您可能感興趣的文章:
- Python數(shù)據(jù)分析之Matplotlib數(shù)據(jù)可視化
- Python?matplotlib數(shù)據(jù)可視化圖繪制
- python數(shù)據(jù)可視化matplotlib繪制折線圖示例
- Python數(shù)據(jù)分析應(yīng)用之Matplotlib數(shù)據(jù)可視化詳情
- Python數(shù)據(jù)可視化之matplotlib.pyplot繪圖的基本參數(shù)詳解
- Python數(shù)據(jù)可視化之使用matplotlib繪制簡單圖表
- Python利用matplotlib模塊數(shù)據(jù)可視化繪制3D圖
- Python Matplotlib數(shù)據(jù)可視化模塊使用詳解
相關(guān)文章
使用Python將JSON,XML和YAML數(shù)據(jù)寫入Excel文件
JSON、XML和YAML作為主流結(jié)構(gòu)化數(shù)據(jù)格式,因其層次化表達能力和跨平臺兼容性,已成為系統(tǒng)間數(shù)據(jù)交換的通用載體,本文將介紹如何使用Python導入JSON、XML和YAML格式數(shù)據(jù)到Excel文件中,需要的可以參考下2025-04-04
隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,越來越多的人選擇通過網(wǎng)絡(luò)平臺購票,特別是在中國,12306作為官方火車票預(yù)訂平臺,承擔了巨大的訪問量,對于熱門線路或者節(jié)假日出行,往往會出現(xiàn)一票難求的情況,因此,一些技術(shù)愛好者嘗試利用編程語言如Python來開發(fā)搶票腳本2025-01-01
Python數(shù)據(jù)結(jié)構(gòu)之循環(huán)鏈表詳解
循環(huán)鏈表 (Circular Linked List) 是鏈式存儲結(jié)構(gòu)的另一種形式，它將鏈表中最后一個結(jié)點的指針指向鏈表的頭結(jié)點，使整個鏈表頭尾相接形成一個環(huán)形，使鏈表的操作更加方便靈活。本文將詳細介紹一下循環(huán)鏈表的相關(guān)知識，需要的可以參考一下2022-01-01
這篇文章主要介紹了pygame學習筆記（1）：矩形、圓型畫圖實例,本文講解了pygame窗口、窗口退出、pygame中的顏色、圓形、矩形及一個完整實例,需要的朋友可以參考下2015-04-04
本文主要介紹了python遞歸算法，包含無限遞歸,正常遞歸,階乘等，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2024-02-02
這篇文章主要介紹了python采集百度百科的方法,涉及Python正則匹配及頁面抓取的相關(guān)技巧,需要的朋友可以參考下2015-06-06
python 中文件輸入輸出及os模塊對文件系統(tǒng)的操作方法
這篇文章主要介紹了python 中文件輸入輸出及os模塊對文件系統(tǒng)的操作方法,非常不錯，具有一定的參考借鑒價值，需要的朋友可以參考下2018-08-08
Python cookbook（數(shù)據(jù)結(jié)構(gòu)與算法）實現(xiàn)優(yōu)先級隊列的方法示例
這篇文章主要介紹了Python cookbook（數(shù)據(jù)結(jié)構(gòu)與算法）實現(xiàn)優(yōu)先級隊列的方法,結(jié)合實例形式分析了Python中基于給定優(yōu)先級進行隊列元素排序的相關(guān)操作技巧,需要的朋友可以參考下2018-02-02
這篇文章主要介紹了python查看包版本、更新單個包、卸載單個包,本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-12-12
這篇文章主要介紹了如何在Django項目中引入靜態(tài)文件,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-07-07