Matplotlib之pyplot在数据分析中的常用操作

た入场券 2022-06-08 11:52 196阅读 0赞

做机器学习方向首先得学会点Matplotlib库的知识吧，所以我就在这做一下学习笔记，记录一下我在机器学习方向上所常用到的Matplotlib上的知识。

官方文档：网址http://matplotlib.org/api/pyplot\_api.html\#matplotlib后面加`.pyplot.函数名`便可查询对应的函数用法。

# 一、折线图的绘制 #

先上一个样例代码：

import matplotlib.pyplot as plt
    
    plt.plot()
    plt.show()

输出结果：  
![0][]  
这样我们就画了一个空白的图像。

然后我们再尝试着加入数据，画二维坐标图首先需要一组二维数对(x, y)，这里我随便找了一组数据作为折线图的x轴和y轴：

x_axis = [794.28818799999999,
             808.50958700000001,
             826.25461900000005,
             833.53230499999995,
             841.97451199999989,
             846.94015999999999,
             851.69061199999987,
             861.97213299999999,
             874.92434100000003,
             888.51824600000009]
    y_axis = [79.877565000000004,
             99.524317000000011,
             62.525946999999995,
             57.281737,
             52.371316,
             70.615566000000001,
             47.351207000000002,
             43.719923000000001,
             40.642712000000003,
             38.535789000000001]

然后使用plt.plot()绘制折线图：

plt.plot(x_axis, y_axis)
    plt.show()

输出结果如下：  
【图片失效】

接下来我们进一步对图像进行细节处理：

plt.plot(x_axis, y_axis)
    plt.xticks(rotation = 45)	#加入这条代码
    plt.show()

输出结果（注意x轴坐标的变化，数字倾斜了45°）：  
【图片失效】

这样一来，如果遇到x轴位数过长以至于重叠的时候，斜着画x轴的方法就派上用场了。当然了，同理把`xticks`换成`yticks`就是改变y轴坐标的倾斜度了。

接下来我们再给这个图像加上“轴的说明”和一个“标题”。  
代码如下：

plt.plot(x_axis, y_axis)
    plt.xticks(rotation = 45)
    
    #新加入的代码如下：
    plt.xlabel("this is x_axis") #x轴说明
    plt.ylabel("this is y_axis") #y轴说明
    plt.title("this is title") #此图像的标题
    
    plt.show()

输出结果：  
【图片失效】

这样，我们就添加了x坐标轴和y坐标轴的含义以及这个图像的意义。

那么如果我想在同一个图中同时画两条折线呢？那就写plt.plot()两次呗：  
既然是两条线，那就肯定再需要一组数据，这里我们就在前面的数据上每个y坐标轴值`+1`获得一组新数据，代码如下：

#再构造一组数据
    x1_axis = x_axis.copy()
    y1_axis = []
    for i in y_axis:
        y1_axis.append(i+10)

有了数据就可以画图了，代码如下：

plt.plot(x_axis, y_axis, c = "r", label = "red")
    plt.plot(x1_axis, y1_axis, c = "b", label = "red")
    plt.legend(loc = "best")
    
    plt.show()

输出结果：  
![7][]  
下面我们来解释以下，新增的代码含义。

1.  首先是`plt.plot()`中的参数`c`，这个是用来选择曲线颜色的，比如"r"表示"red", "b"表示"blue"等等；
2.  其次是参数`label`，表示的是这条曲线的含义，就是上图中右上角那个小框框里面的解释；
3.  最后是函数`plt.legend(loc = "best")`就是用来表示这个小框框应该放在哪里，里面的参数`loc`的值可以是`'best', 'upper right', 'upper left', 'lower left', 'lower right', 'right','center left', 'center right', 'lower center', 'upper center', 'center'`，分别表示“最好位置”，“右上角”，“左上角”等等。

小结，以上全部的常用操作代码列举如下：

import matplotlib.pyplot as plt
    
    #构造数据
    x_axis = [794.28818799999999,
             808.50958700000001,
             826.25461900000005,
             833.53230499999995,
             841.97451199999989,
             846.94015999999999,
             851.69061199999987,
             861.97213299999999,
             874.92434100000003,
             888.51824600000009]
    y_axis = [79.877565000000004,
             99.524317000000011,
             62.525946999999995,
             57.281737,
             52.371316,
             70.615566000000001,
             47.351207000000002,
             43.719923000000001,
             40.642712000000003,
             38.535789000000001]
    #再构造一组数据
    x1_axis = x_axis.copy()
    y1_axis = []
    for i in y_axis:
        y1_axis.append(i+10)
    
    #绘图
    plt.plot(x_axis, y_axis, c = "r", label = "red")
    plt.plot(x1_axis, y1_axis, c = "b", label = "red")
    
    plt.xticks(rotation = 45)
    
    plt.xlabel("this is x_axis")
    plt.ylabel("this is y_axis")
    plt.title("this is title")
    
    plt.legend(loc = "best")
    
    plt.show()

输出结果：  
![11][]

# 二、子图操作 #

有时候我们会在一个区域中画很多个子图，这就需要我们用到子图操作了。  
废话不多说，先上代码：

import matplotlib.pyplot as plt
    
    fig = plt.figure()
    
    ax1 = fig.add_subplot(2,2,1)
    ax2 = fig.add_subplot(2,2,2)
    ax4 = fig.add_subplot(2,2,4)
    
    plt.show()

输出结果：  
![5][]  
解释一下上面的代码，首先我们用函数`plt.figure()`创建了一个区域的对象；然后我们又用函数`fig.add_subplot()`在这个区域里建了三个子图，至于函数`fig.add_subplot()`中的三个参数是什么意思，我这里用一张图来说明就够了：  
![4][]

下面我们再进一步对上面的图像做一下进阶处理：  
代码如下：

fig = plt.figure(figsize=(16,8)) #再添加此代码
    
    ax1 = fig.add_subplot(2,2,1)
    ax2 = fig.add_subplot(2,2,2)
    ax3 = fig.add_subplot(2,2,4)
    
    #下面画两个折线图，只对子图1和子图2填充数据
    ax1.plot(x_axis, y_axis)
    ax2.plot(x_axis, y_axis)
    
    plt.show()

输出结果：  
![6][]  
明显可以看到，这张图像比上面那张宽了很多，高了也很多。`plt.figure(figsize=(16,8))`函数中的`figsize`参数就表示了这个区域的长和宽。

# 三、条形图 #

条形图也就是柱状图、bar形图。

我们这里只记录一下数据分析中常用的操作，详细具体的条形图操作原理可以看一下这篇博客：  
http://blog.sina.com.cn/s/blog\_b09d4602010194wy.html

如图，我们最终要画一个类似这样的条形图：  
![12][]

首先，画条形图主要需要两组数据：

1.  `left`：bar的位置；
2.  `height`：bar的高度值。

所谓的“bar的位置”就是指对应的每条bar在x轴上到0点的距离，“bar的高度值”就是指对应的每条bar（柱）在y坐标轴对应的值。

我们先构造出这两组数据：

bar_positions = [1, 2, 3, 4, 5, 6] #每条bar的位置
    bar_heights = [2,3,6,1,7,8] #每条bar的高度值

然后绘制bar形图：

import matplotlib.pyplot as plt
    
    plt.bar(bar_positions, bar_heights, 0.3)
    #这里的第三个参数0.3的意思是bar的粗细
    
    plt.show()

输出结果：  
![14][]  
由上面可知，条形图的画法和折线图是相似的。

下面我们仿照上面的折线图操作画一下bar形图，代码如下：

import matplotlib.pyplot as plt
    
    #构造数据
    bar_positions = [i+0.9 for i in range(6)]
    bar_heights = [2,3,6,1,7,8]
    #再构造一组数据
    bar_positions2 = [i+1.1 for i in range(6)]
    bar_heights2 = bar_heights.copy()
    
    #绘图
    plt.bar(bar_positions, bar_heights, 0.2, color = "r", label = "red")
    plt.bar(bar_positions2, bar_heights2, 0.2, color = "b", label = "red")
    
    #为每条bar写明含义
    num_cols = ["first_bar", "second_bar", "third_bar", "forth_bar", "fifth_bar", "sixth_bar"]
    plt.xticks(range(1,7), num_cols, rotation = 45)
    
    plt.xlabel("this is x_axis")
    plt.ylabel("this is y_axis")
    plt.title("this is title")
    
    plt.legend(loc = "best")
    
    plt.show()

输出结果：  
![12.5][]

还有一种条形图，是横着画的，就是把函数`plt.bar()`换成`plt.barh()`，相应的bar的“位置”和“高度”对应着barh的“高度”和“宽度”，废话不多说，上代码：

import matplotlib.pyplot as plt
    
    #构造数据
    bar_positions = [1, 2, 3, 4, 5, 6]
    bar_widths = [2,3,6,1,7,8]
    
    #绘图
    plt.barh(bar_positions, bar_widths, 0.5)
    
    #为每条bar写明含义
    num_cols = ["first_bar", "second_bar", "third_bar", "forth_bar", "fifth_bar", "sixth_bar"]
    plt.yticks(range(1,7), num_cols)
    
    plt.xlabel("this is x_axis")
    plt.ylabel("this is y_axis")
    plt.title("this is title")
    
    plt.legend(loc = "best")
    
    plt.show()

输出结果：  
![13.5][]

**知识拓展：**  
下面我们用画子图的方法改进一下代码，不过这里我们使用的是另一种子图操作，其实都差不多一样，详见官方文档：  
https://matplotlib.org/api/pyplot\_api.html\#matplotlib.pyplot.subplots

好了，先上代码：

import matplotlib.pyplot as plt
    
    #构造数据
    bar_positions = [1, 2, 3, 4, 5, 6] 
    bar_heights = [2,3,6,1,7,8] 
    
    fig, ax = plt.subplots()
    ax.bar(bar_positions, bar_heights, 0.5)
    plt.show()

输出结果：  
![13][]

接下来我们继续进行图像的进阶操作，代码如下：

import matplotlib.pyplot as plt
    
    #构造数据
    bar_positions = [1, 2, 3, 4, 5, 6] 
    bar_heights = [2,3,6,1,7,8] 
    
    num_cols = ["first_bar", "second_bar", "third_bar", "forth_bar", "fifth_bar", "sixth_bar"]
    
    fig, ax = plt.subplots()
    
    ax.bar(bar_positions, bar_heights, 0.5)
    
    #为每条bar写明含义
    ax.set_xticks(range(1,7))
    ax.set_xticklabels(num_cols, rotation = 45)
    
    ax.set_xlabel("this is x_axis")
    ax.set_ylabel("this is y_axis")
    ax.set_title("this is title")
    
    plt.show()

输出结果：  
![12][12 1]

横着画也可以，代码如下：

import matplotlib.pyplot as plt
    
    #构造数据
    bar_positions = [1, 2, 3, 4, 5, 6] 
    bar_heights = [2,3,6,1,7,8] 
    
    fig, ax = plt.subplots()
    
    ax.barh(bar_positions, bar_widths, 0.5)#这里把函数ax.bar()换成了ax.bar()
    #下面在y坐标轴上说明每条bar的含义
    ax.set_yticks(range(1,7))
    ax.set_yticklabels(num_cols, rotation = 45)
    
    ax.set_xlabel("this is x_axis")
    ax.set_ylabel("this is y_axis")
    ax.set_title("this is title")
    
    plt.show()

输出结果：  
![112][]

# 四、散点图 #

画散点图和折线图差不多，只是把函数`plot`换成函数`scatter()`，当然了，散点图也能进行子图操作等等。

首先我们先画一个简单的散点图，继续使用上面的数据x\_axis和y\_axis：

#构造数据
    x_axis = [794.28818799999999,
             808.50958700000001,
             826.25461900000005,
             833.53230499999995,
             841.97451199999989,
             846.94015999999999,
             851.69061199999987,
             861.97213299999999,
             874.92434100000003,
             888.51824600000009]
    y_axis = [79.877565000000004,
             99.524317000000011,
             62.525946999999995,
             57.281737,
             52.371316,
             70.615566000000001,
             47.351207000000002,
             43.719923000000001,
             40.642712000000003,
             38.535789000000001]

然后开始绘制图像：

import matplotlib.pyplot as plt
    
    plt.scatter(x_axis, y_axis)
    plt.show()

输出结果：  
![11][11 1]  
进阶操作：

import matplotlib.pyplot as plt
    
    plt.scatter(x_axis, y_axis, marker='x', c='r', label = "red")
    plt.xlabel("this is x_axis")
    plt.ylabel("this is y_axis")
    plt.title("this is title")
    plt.xticks(rotation = 45)
    
    plt.legend(loc = "upper right")
    
    plt.show()

输出结果：  
![222][]

至于子图操作和画折线图差不多，这里就不多啰嗦了。

# 五、直方图 #

直方图所用的函数就是`plt.hist()`了。  
直方图一般用来统计一组数据中每个量的频数。

统计学中直方图定义如下：

> 对某一物理量在相同条件下做n次重复测量，得到一系列测量值，找出它的最大值和最小值，然后确定一个区间，使其包含全部测量数据，将区间分成若干小区间，统计测量结果出现在各小区间的频数M，以测量数据为横坐标，以频数M为纵坐标，划出各小区间及其对应的频数高度，则可得到一个矩形图，即统计直方图。

# 随便找了点数据
    data = [2.7, 2.7, 2.8, 2.8, 2.9, 2.9, 2.9, 2.9, 2.9, 3.0, 3.0, 3.0, 3.0, 3.1, 3.1, 3.1, 3.2, 3.2, 3.2, 3.2, 3.2, 3.3, 3.3, 3.3, 3.3, 3.4, 3.4, 3.4, 3.4, 3.4, 3.4, 3.4, 3.4, 3.4, 3.5, 3.5, 3.5, 3.5, 3.5, 3.5, 3.5, 3.5, 3.5, 3.6, 3.6, 3.6, 3.6, 3.6, 3.6, 3.6, 3.6, 3.7, 3.7, 3.7, 3.7, 3.7, 3.7, 3.7, 3.7, 3.7, 3.8, 3.8, 3.8, 3.8, 3.8, 3.9, 3.9, 3.9, 3.9, 3.9, 3.9, 3.9, 3.9, 3.9, 3.9, 3.9, 3.9, 4.0, 4.0, 4.0, 4.0, 4.0, 4.0, 4.0, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.1, 4.2, 4.2, 4.2, 4.2, 4.2, 4.2, 4.2, 4.2, 4.2, 4.2, 4.2, 4.2, 4.3, 4.3, 4.3, 4.3, 4.3, 4.3, 4.3, 4.3, 4.3, 4.3, 4.3, 4.4, 4.4, 4.4, 4.4, 4.4, 4.4, 4.4, 4.5, 4.5, 4.5, 4.5, 4.5, 4.5, 4.5, 4.5, 4.5, 4.6, 4.6, 4.6, 4.6, 4.8, 4.8, 4.8]

样例代码如下：

import matplotlib.pyplot as plt

plt.hist(data)
    plt.show()

输出结果：  
![111][]

plt.hist(data, bins=20)
    plt.show()

输出结果：  
![222][222 1]

plt.hist(data, range=(4,5), bins=20)
    plt.show()

输出结果：  
![333][]

跟我们中学时期画的直方图一样，都需要定若干个小区间，

*  `plt.hist()`函数中的`bins`参数值就是这些小区间的个数，默认是10。
 *  `range=(4,5)`的意思就是选取横坐标轴4到5的部分显示。

也可以为y坐标轴设置范围：

plt.hist(data, range=(4,5), bins=20)
    
    #定义y坐标轴范围为0到50
    plt.ylim(0,50)
    
    plt.show()

输出结果如下：  
![444][]

# 六、盒图 #

继续使用上面的数据，代码如下：

plt.boxplot(data)
    plt.show()

输出结果：  
![555][]

[0]: /images/20220608/b202d82cd0684105a8aae2531269dbce.png
[7]: /images/20220608/cac57561d9dc40b9b3ca0f873b2a6b4f.png
[11]: /images/20220608/ca1902eb69374aff914c00590d30bc5a.png
[5]: /images/20220608/ecf9ca0a8f3449528df77316b705007d.png
[4]: /images/20220608/fd15165a7e37450fa045273836ea74d6.png
[6]: /images/20220608/50c71f04d0834c0fb75744022d74b010.png
[12]: /images/20220608/e224ea3b62984354a771ecfa6e34ecca.png
[14]: /images/20220608/de5e3cd6c61144dfbc8d9bacff7fa00f.png
[12.5]: /images/20220608/72b15c6f5c71445fb9bf4b166d894061.png
[13.5]: /images/20220608/8d5711214afc437ea3fc233dd2fc6e2f.png
[13]: /images/20220608/cf149e118c344a698d97735c25f29f54.png
[12 1]: /images/20220608/169414611dcc4ddb83ee06f3162b9c7e.png
[112]: /images/20220608/9e12e30c82d74b49a98575b75c7aeb38.png
[11 1]: /images/20220608/93da210e74804d258619bf5b4a974f42.png
[222]: /images/20220608/607a7c56fdf747159ede9452af909305.png
[111]: /images/20220608/bff92d9e39ae410e82d943881119a968.png
[222 1]: /images/20220608/6281b19e4171403fb905eb80bbc2a442.png
[333]: /images/20220608/60ba62a86454425e8a83bfa6c9bd99d3.png
[444]: /images/20220608/cfaee83a701842059a76e52b5a7fa87e.png
[555]: /images/20220608/2067038049f4409a9b8478860c47eae9.png