python——matplotlib数据可视化库

╰半夏微凉° 2021-09-27 04:28 536阅读 0赞

这个库的使用方式，和matlab中的画图很像。

## 一、折线图绘制 ##

语句：plt.plot(x轴数据，y轴数据)

范例：绘制最简单的折线图，并加标题、x/y轴label，x轴标号的旋转

import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    
    # 转换为dataFrame的时间格式
    unrate=pd.read_csv('UNRATE.csv') #【！】'UNRATE.csv'中的文件名可以大写，也可以小写
    # print(unrate.head()) 
    unrate['DATE']=pd.to_datetime(unrate['DATE']) #好像不用这一步，读取之后就直接转换为标准日期格式，但为了严谨起见，最好写
    print(unrate.head())
    
    # 画最简单的折线图
    first_12_month=unrate[0:12]
    plt.plot(first_12_month['DATE'],first_12_month['VALUE'])
    plt.xticks(rotation=45)
    plt.xlabel('Month')
    plt.ylabel('Unemployment Rate')
    plt.title('Monthly Unemployment Trends, 1948')
    plt.show()

![70][]

疑问：如何将省略了的那些标度也标注出来？如何把点给着重画出来？

## 二、子图操作 ##

**1. 通过plt.add\_subplot(2,3,1)的方式画子图**

疑问：如何对子图中的xlabel进行旋转（报错了）

#【二、子图】
    fig=plt.figure()
    ax1=fig.add_subplot(2,3,1)
    ax2=fig.add_subplot(2,3,3)
    ax3=fig.add_subplot(2,3,5)
    
    ax1.plot(unrate[0:12]['DATE'],unrate[0:12]['VALUE'])
    ax2.plot(unrate[12:24]['DATE'],unrate[12:24]['VALUE'])
    ax3.plot(unrate[24:36]['DATE'],unrate[24:36]['VALUE'])
    plt.show()

![70 1][]

**2. 在同一折线图中绘制多条折线**

注意：要保证横坐标是一样的

# 在一张图中画多条折线
    unrate['MONTH']=unrate['DATE'].dt.month #提取日期格式中的月份信息，并在其中新建一个属性列
    fig2=plt.figure()
    plt.plot(unrate[0:12]['MONTH'],unrate[0:12]['VALUE'],c='red')
    plt.plot(unrate[12:24]['MONTH'],unrate[12:24]['VALUE'],c='green')
    plt.show()

![70 2][]

**3. 同一张图中绘制多条折线并标注**

fig3=plt.figure()
    colors=['red','blue','green','orange','black']
    for i in range(5):
        start_index=i*12
        end_index=(i+1)*12
        subset=unrate[start_index:end_index]
        show_label=str(1945+i)
        plt.plot(subset['MONTH'],subset['VALUE'],c=colors[i],label=show_label)
    plt.legend(loc='upper right') #loc指定了图标的位置，右上角
    print(help(plt.legend))
    plt.show()

![70 3][]

关于legend的位置，如图：

![70 4][]

## 三、条形图与散点图 ##

### **1. 条形图 bar** ###

**   关键信息是：高度多少、条形之间相距多少**

from numpy import arange
    
    reviwers=pd.read_csv('fandango_scores.csv')
    cols=['FILM','RT_user_norm','Metacritic_user_nom','IMDB_norm','Fandango_Ratingvalue' ,'Fandango_Stars']
    norm_reviewers=reviwers[cols] #将电影名称以及5项不同的评分信息提取出来
    num_cols=['RT_user_norm','Metacritic_user_nom','IMDB_norm','Fandango_Ratingvalue' ,'Fandango_Stars'] #略去电影名称信息，将分数信息提取出来
    
    bar_height=norm_reviewers.ix[1,num_cols].values #得到norm_reviewers中第1条记录的各项分值【注意-】
    bar_position=arange(5)+0.75 #条形图之间的间距是0.75
    fig,ax=plt.subplots()
    ax.bar(bar_position,bar_height,0.3) #条形的宽度设置为0.3
    # print(bar_height)
    # print(bar_position)
    # print(help(norm_reviewers.ix))
    plt.show()

![70 5][]

注意：

（1）其中norm\_reviewers.ix\[1,num\_cols\]  表示的，其实就是第二条记录的相应分数，ix这种用法已经被取代了，以后最好不用，采用loc

help之后的原话：Starting in 0.20.0, the .ix indexer is deprecated, in  favor of the more strict .iloc and .loc indexers.  也就是，用“norm\_reviewers.loc\[1,num\_cols\] ”吧，兄弟

（2）如果要画横着的条形图，用的语句是：ax.**barh**(bar\_position,bar\_height,0.3)

（3）**ig,ax=plt.subplots()：**这个fig是用来控制这个图长什么样子的，而ax是我们画条形图的这个轴。**subplots最后的那个s别遗漏了**

![70 6][]

### **2. 散点图** ###

fig, ax=plt.subplots()
    ax.scatter(norm_reviewers['Fandango_Ratingvalue'],norm_reviewers['RT_user_norm'])
    ax.set_xlabel('Fandango_Ratingvalue')
    ax.set_ylabel('RT_user_norm')
    plt.show() #声明一下，这张图没有什么意义，只是为了用这个数据来画个散点图

## 四、柱形图与盒图 ##

### 1. 柱形图hist ###

fig, ax=plt.subplots()
    ax.hist(norm_reviewers['Fandango_Ratingvalue'])
    ax.hist(norm_reviewers['Fandango_Ratingvalue'],bins=20) # bins表示个数，将数据分成多少个区间
    # ax.hist(norm_reviewers['Fandango_Ratingvalue'],range=(4,5),bins=20) # 只画出4~5之间的，其与的值不画
    plt.show()

![70 7][]          ![70 8][]

疑问：如何画竖线把他们区分开呢？？

### 2. 盒图 ###

（1）盒图的含义：能够标注出这些值的中值、1/4处值

![70 9][]

（2）显示一个简单的盒图

fig, ax=plt.subplots()
    ax.boxplot(norm_reviewers['RT_user_norm'])
    ax.set_xticklabels('RT_user_norm') # 注意，此处的set_xticklabels用法，和set_xlabel不同，前者可以分别标注
    ax.set_ylim(0,5) #y轴的范围是0~5
    plt.show()

![70 10][]

（3）显示多个盒图

#显示多个盒图
    fig, ax=plt.subplots()
    ax.boxplot(norm_reviewers[num_cols].values)
    ax.set_xticklabels(num_cols,rotation=45)
    ax.set_ylim(0,5) #y轴的范围是0~5
    plt.show()

![70 11][]

## 五、细节设置 ##

1. 指定绘图大小

fig=plt.figure(figsize=(10,3))

2. 设置y轴的区间：ax.set\_ylim(0,50)  
3. 自定义线条颜色：

rgb_dark_blue=(0/255, 107/255, 164/255)
    ……
    plt.plot(unrate[0:12]['MONTH'],unrate[0:12]['VALUE'],c=rgb_dark_blue)

[70]: /images/20210923/9d9b3820bc9d40dba0f6d9b63b0215d5.png
[70 1]: /images/20210923/179794540ede4adfbc6a1f74c8a6cba2.png
[70 2]: /images/20210923/f3e0b8cbba2f4db8a8ac5f5460cf670a.png
[70 3]: /images/20210923/65e10ea226fe445fbf80f6d88c4b14cc.png
[70 4]: /images/20210923/84c1837699d441de86e597f3cf8ce38b.png
[70 5]: /images/20210923/f3b68d3f10824f3589861ba46788a451.png
[70 6]: /images/20210923/b39a6ce507264aa0af0701238489ad90.png
[70 7]: https://img-blog.csdn.net/20180718155345575?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTE1NTg1/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 8]: /images/20210923/0ec182fc68df4cf7b28b0a7a3486eaa1.png
[70 9]: /images/20210923/e45d9f567214451e8798ea05f718bb0c.png
[70 10]: /images/20210923/e0de71f3340c4aa8ae9badc159f351ad.png
[70 11]: /images/20210923/b85017b23ad149a6869ee8ca99ee1269.png