数据分析之matplotlib篇

我不是女神ヾ 2022-09-13 11:26 239阅读 0赞

## 数据分析之matplotlib篇 ##

### 文章目录 ###

*   *  数据分析之matplotlib篇
     *   *  matplotlib简介
         *  matplotlib基础
         *  绘制多次图形和不同差异图形
         *  常用统计图对比
         *  绘制散点图
         *  绘制条形图
         *   *  绘制基本条形图
             *  绘制多次条形图
         *  绘制直方图
         *  属性设置
         *   *  1、位置\`loc\`
             *  2、线型\`linestyle\`
             *  3、折线点型\`marker\`
         *  其他图形绘制
         *  绘图网站推荐
         *  参考资料

### matplotlib简介 ###

[matplotlib官网][matplotlib]

**数据分析**：将大量的数据进行统计和整理，得出结论，为后序的决策提供数据支持

学习matplotlib?

*  能将数据进行可视化，更直观的呈现
 *  使数据更加客观、更具说服力

**`matplotlib`**：最流向的python底层绘图库，**主要做数据可视化图表**，名字取材于MATLIB，模仿它构建。

### matplotlib基础 ###

简单示例

from matplotlib import pyplot as plt
    import random
    
    #解决中文显示问题
    plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
    
    x = range(0, 120)
    y = [random.randint(20, 35) for i in range(0, 120)]
    
    #设置图片大小(图像模糊的时候可以传入dpi参数，让图片更加清晰)
    fig = plt.figure(figsize=(11, 8), dpi=80)
    
    #绘图
    plt.plot(x, y)
    
    #调整x的刻度
    _xtick_labels = ["10点{}分".format(i * 10) for i in range(6)]
    _xtick_labels += ["11点{}分".format(i * 10) for i in range(6)]
    
    #rotation刻度字体旋转的度数
    plt.xticks(list(x)[::10], _xtick_labels, rotation=45)
    
    #添加描述信息
    plt.xlabel("时间")
    plt.ylabel("温度/℃")
    plt.title("10点到12点每分钟的气温变化情况")
    
    #保存
    plt.savefig("./简单示例t1.png")
    plt.show()

图示如下

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]

### 绘制多次图形和不同差异图形 ###

假如在同一张图上绘制你和朋友11岁至31岁的聚会情况

from matplotlib import pyplot as plt
    import random
    
    #解决中文显示问题
    plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
    
    y_1 = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]
    y_2 = [1, 0, 3, 1, 2, 2, 3, 3, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1]
    x = range(11, 31)
    
    #设置图片大小
    fig = plt.figure(figsize=(12, 5), dpi=80)
    
    #绘图
    """
    绘制时可指定
    color = 'r' 线条颜色
    linestyle = '--' 线条风格
    linewidth = 5 线条粗细
    alpha = 0.5 透明度
    """
    plt.plot(x, y_1, label="自己", color="orange")
    plt.plot(x, y_2, label="同桌", color="cyan")
    
    #设置的刻度
    _xtick_labels = ["{}岁".format(i) for i in x]
    plt.xticks(x, _xtick_labels)
    plt.yticks(range(0, 9))
    
    #绘制网格
    plt.grid(alpha=0.5, linestyle=":")
    #添加图例
    plt.legend(loc="upper right")
    
    #添加描述信息
    plt.xlabel("年龄")
    plt.ylabel("聚会/次")
    plt.title("11岁到26岁每年聚会情况")
    
    plt.show()

图示如下

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]

### 常用统计图对比 ###

*  **折线图**：以折线的上升或下降来表示统计数量的增减变化的统计图
    
    `特点`：能够显示数据的变化趋势，反应事物的变化情况（`变化`）
 *  **直方图**：由一系列高度不等的纵向条纹或线段表示数据分布的情况。
    
    一般用横轴表示数据范围，纵轴表示分布情况
    
    `特点`：绘制连续的数据，展示一组或者多组数据的分布情况（`统计`）
 *  **条形图**：排列在工作表的行或列中的数据可以绘制到条形图中。
    
    `特点`：绘制离散的数据，能够一眼看出各个数据的大小，比较数据之间的差别（`统计`）
 *  **散点图**：用两组数据构成多个坐标点，考察坐标点的分布，
    
    判断两变量之间是否存在某种关联或总结坐标点的分布模式。
    
    `特点`：判断变量之间是否存在数量关系趋势，展示离群点（`分布规律`）

--------------------

### 绘制散点图 ###

代码示例

from matplotlib import pyplot as plt
    
    #解决中文显示问题
    plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
    
    y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,
         21,16,17,20,14,15,15,15,19,21,22,22,22,23]
    y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,
         20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
    
    x_3 = range(1, 32)
    x_10 = range(51, 82)
    
    #设置图形大小
    plt.figure(figsize=(11, 7), dpi=80)
    
    #使用scatter方法绘制散点图，和之前绘制折线图的唯一区别
    plt.scatter(x_3, y_3, label='3月份')
    plt.scatter(x_10, y_10, label='10月份')
    
    #调整x的刻度
    _x = list(x_3) + list(x_10)
    _xtick_labels = ["3月{}日".format(i) for i in x_3]
    _xtick_labels += ["10月{}日".format(i - 50) for i in x_10]
    plt.xticks(_x[::5], _xtick_labels[::5], rotation=45)
    
    #添加图例
    plt.legend(loc="upper right")
    
    #添加描述信息
    plt.xlabel("时间")
    plt.ylabel("温度")
    plt.title("标题")
    
    #展示
    plt.show()

图示如下

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]

--------------------

### 绘制条形图 ###

#### 绘制基本条形图 ####

代码示例

#绘制横着的条形图
    from matplotlib import pyplot as plt
    #解决中文显示问题
    plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
    
    a = ["低俗小说", "速度与激情8", "燃情岁月", "辛德勒的名单", "勇敢的心", "乱世佳人",
         "灿烂人生", "美丽人生", "生活多美好", "教父", "霍比特人", "泰坦尼克号"]
    b = [36.01, 25.90, 17.53, 29.60, 42.40, 33.53, 37.80, 40.52, 60.43, 57.33, 43.90, 50.99]
    
    #设置图形大小
    plt.figure(figsize=(10, 7), dpi=80)
    #绘制条形图
    plt.barh(range(len(a)), b, height=0.4, color='cyan')
    #设置字符串到x轴
    plt.yticks(range(len(a)), a)
    
    #若绘制竖着的条形图，相应代码如下
    #plt.bar(range(len(a)), b, width=0.3)
    #plt.xticks(range(len(a)), a, rotation=40)
    
    plt.grid(alpha=0.4, color='pink')
    
    #添加描述信息
    plt.ylabel("电影")
    plt.xlabel("票房/亿")
    plt.title("xxx年电影票房统计")
    
    plt.show()

图示如下：

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 3]

#### 绘制多次条形图 ####

代码示例

from matplotlib import pyplot as plt
    
    #解决中文显示问题
    plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
    
    a = ["傲慢与偏见", "茶花女", "乱世佳人", "理智与情感"]
    b_16 = [1746, 324, 4466, 389]
    b_15 = [1247, 158, 2039, 189]
    b_14 = [2490, 389, 3900, 289]
    
    bar_width = 0.2
    
    x_14 = list(range(len(a)))
    x_15 = [i + bar_width for i in x_14]
    x_16 = [i + bar_width * 2 for i in x_14]
    
    #设置图形大小
    plt.figure(figsize=(10, 7), dpi=80)
    
    plt.bar(x_14, b_14, width=bar_width, label="9月14日")
    plt.bar(x_15, b_15, width=bar_width, label="9月15日")
    plt.bar(x_16, b_16, width=bar_width, label="9月16日")
    
    #设置图例
    plt.legend(loc="upper right")
    
    #设置x的刻度
    plt.xticks(x_15, a)
    
    plt.show()

图示如下：

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 4]

--------------------

### 绘制直方图 ###

简单示例

#180部门电影时长
    from matplotlib import pyplot as plt
    import random
    #解决中文显示问题
    plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
    a = [random.randint(0, 100) + 90 for i in range(1, 181)]
    #计算组数
    d = 5  #组距
    num_bins = (max(a) - min(a)) // d
    
    #设置图形大小
    plt.figure(figsize=(11, 6 ), dpi=80)
    
    plt.hist(a, num_bins, normed=True)
    
    #设置x轴的刻度
    plt.xticks(range(min(a), max(a) + d, d))
    
    plt.grid(alpha=0.4, color='cyan')
    plt.show()

图示如下：

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 5]

--------------------

### 属性设置 ###

#### 1、位置`loc` ####

`loc='center left'` 等价于`loc=6`

'best':         0, 
                 'upper right':  1,
                 'upper left':   2,
                 'lower left':   3,
                 'lower right':  4,
                 'right':        5,
                 'center left':  6,
                 'center right': 7,
                 'lower center': 8,
                 'upper center': 9,
                 'center':       10,

#### 2、线型`linestyle` ####

-	实线
    --	虚线
    -.	形式即为-.
    :	细小的虚线

#### 3、折线点型`marker` ####

s--方形
    h--六角形
    H--六角形
    *--*形
    +--加号
    x--x形
    d--菱形
    D--菱形
    p--五角形

--------------------

### 其他图形绘制 ###

[matplotlib官网示例][matplotlib 1]

如下图所示

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 6]

随便点进去一个你感兴趣的图示，其中有完整的绘图代码，可更改其数据，如

import matplotlib.pyplot as plt
    import numpy as np
    from matplotlib.patches import Ellipse
    
    # Fixing random state for reproducibility
    np.random.seed(19680801)
    
    NUM = 200
    
    ells = [Ellipse(xy=np.random.rand(3) * 10,
                    width=np.random.rand(), height=np.random.rand(),
                    angle=np.random.rand() * 360)
            for i in range(NUM)]
    
    fig, ax = plt.subplots(subplot_kw={
        'aspect': 'equal'})
    for e in ells:
        ax.add_artist(e)
        e.set_clip_box(ax.bbox)
        e.set_alpha(np.random.rand())
        e.set_facecolor(np.random.rand(3))
    
    ax.set_xlim(0, 10)
    ax.set_ylim(0, 10)
    
    plt.show()

效果图如下

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 7]

### 绘图网站推荐 ###

*  [d3js.org/][d3js.org]
 *  [chartjs.org/][chartjs.org]
 *  [https://www.highcharts.com/][https_www.highcharts.com]
 *  [seaborn.pydata.org/][seaborn.pydata.org]
 *  [echarts.apache.org/][echarts.apache.org]

--------------------

### 参考资料 ###

> https://matplotlib.org/
> 
> [【python教程】数据分析——numpy、pandas、matplotlib][python_numpy_pandas_matplotlib]
> 
> [matplotlib轻松解决中文乱码问题][matplotlib 2]
> 
> [python画图的图例legend设置。][python_legend]
> 
> [Python数据分析：折线图和散点图的绘制][Python]

[matplotlib]: https://matplotlib.org/
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20220828/b0ce10a337dd41d3b3b0f93707434a80.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]: /images/20220828/8af877e2852947a6a37b33476d2d0ad7.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]: /images/20220828/9d65a48d23734779bcd306ffcf9abc50.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 3]: /images/20220828/b0cc92561e43460ead32ededcebfe951.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 4]: /images/20220828/0b4c6897188542339a39187e5df234fb.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 5]: /images/20220828/b64a23f653e64325a199f6ed91b5615f.png
[matplotlib 1]: https://matplotlib.org/stable/gallery/index.html
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 6]: /images/20220828/b994c0768acc48baa4c57009a401a482.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 7]: /images/20220828/ce753942fa854fbfb43b7d8615480e0a.png
[d3js.org]: https://d3js.org/
[chartjs.org]: https://www.chartjs.org/
[https_www.highcharts.com]: https://www.highcharts.com/
[seaborn.pydata.org]: http://seaborn.pydata.org/
[echarts.apache.org]: https://echarts.apache.org/
[python_numpy_pandas_matplotlib]: https://www.bilibili.com/video/BV1hx411d7jb?from=search&seid=14246208257266393540&spm_id_from=333.337.0.0
[matplotlib 2]: https://blog.csdn.net/qq_41689620/article/details/85218329
[python_legend]: https://blog.csdn.net/xiaotao_1/article/details/80954063
[Python]: https://blog.csdn.net/qq_43679030/article/details/86178812