python学习——Matplotlib数据可视化基础

水深无声 2024-03-16 21:47 17阅读 0赞

#### 目录 ####

*  Matplotlib数据可视化基础
 *  1.基础语法与折线图
 *   *  rc参数调整
     *  中文显示的问题
 *  2.散点图
 *  3.条形图
 *   *  案例一：横向条形图
     *  案例二：多个条形图
     *  案例三：最后一个刻度
 *  4.直方图
 *   *  实例1 频率分布直方图和频数分布直方图
 *  5.饼图
 *  6.箱线图
 *   *  综合案例：直方图 + 饼图

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

## Matplotlib数据可视化基础 ##

官方网站：[https://matplotlib.org/][https_matplotlib.org]  
百度前端：[https://www.echartsjs.com/zh/index.html][https_www.echartsjs.com_zh_index.html]  
plotly:可视化工具：[https://plot.ly/python/][https_plot.ly_python]

matplotlib: 最流行的Python底层绘图库，主要做数据可视化图表,名字取材于MATLAB，模仿MATLAB构建

## 1.基础语法与折线图 ##

![在这里插入图片描述][ca422e506c584f6aac614464f550d9ea.png]

实例1

from matplotlib import pyplot as plt
    plt.figure(figsize=(20,10),dpi=80)
    x=range(2,26,2)
    y=[15,13,14.5,17,20,25,26,26,27,22,18,15]
    plt.plot(x,y)
    plt.xticks(x[::1])
    plt.yticks(range(min(y),max(y)+1))
    plt.show()

![在这里插入图片描述][3f71d29379f74fc5aaa9cdd20f1165d6.png]

实例2

import random
    from matplotlib import pyplot as plt
    ## 设置字体为SimHei显示中文
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
    plt.figure(figsize=(20,10),dpi=80)#设置窗口大小
    y= [random.randint(20,35) for i in range(120)]
    x=range(0,120)
    plt.plot(x,y)
    _x=list(x)
    # _xticks_labels=["hello,{}".format(i) for i in _x]
    _xticks_labels=["10点{}分".format(i) for i in range(60)]
    _xticks_labels+=["11点{}分".format(i) for i in range(60)]
    #取步长，数字和字符串一一对应，数据长度一样
    plt.xticks(_x[::3],_xticks_labels[::3],rotation=45)#rotation旋转90度
    plt.xlabel('时间')
    plt.ylabel('温度 单位（℃）')
    plt.title('十点每分钟温度变化情况')
    plt.show()

import numpy as np  #导入NumPy库
    import matplotlib.pyplot as plt
    data = np.arange(0,1.1,0.01)
    plt.figure(figsize=(20,10),dpi=80) #设置图片大小
    plt.title('lines') ## 添加标题
    plt.xlabel('x')    ## 添加x轴的名称
    plt.ylabel('y')    ## 添加y轴的名称
    plt.xlim((0,1))    ## 确定x轴范围
    plt.ylim((0,1))    ## 确定y轴范围
    plt.xticks([0,0.2,0.4,0.6,0.8,1]) ## 规定x轴刻度
    plt.yticks([0,0.2,0.4,0.6,0.8,1]) ## 确定y轴刻度
    plt.plot(data,data**2)  ## 添加y=x^2曲线
    plt.plot(data,data**4)  ## 添加y=x^4曲线
    plt.legend(['y=x^2','y=x^4'])
    plt.grid(alpha=0.1)#绘制网格和透明度更改[0:1]
    plt.savefig("F:\python\y=x^2.png")
    plt.show()

子图

##第一幅子图
    p1 = plt.figure(figsize=(8,6),dpi=80)## 确定画布大小
    ax1 = p1.add_subplot(2,1,1)## 创建一个两行1列的子图，并开始绘制第一幅
    ##第二幅子图
    ax2 = p1.add_subplot(2,1,2)## 创开始绘制第2幅

### rc参数调整 ###

![在这里插入图片描述][2cbf11a02d5b4f4ebb95d612ef4b79b0.png]

plt.plot(x,y,label="硕硕",color="cyan",linestyle="--")
    plt.rcParams['lines.linestyle'] = '-.' #改变线性'--'':''-'
    plt.rcParams['lines.linewidth'] = 3    #线条宽度0~10
    lines.markers     #点形状o D h . , S
    lines.markersize  #点大小0~10

### 中文显示的问题 ###

## 设置字体为SimHei显示中文
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
    plt.plot(x,y,label="$sin(x)$")              ## 绘制三角函数
    plt.title('sin曲线')
    plt.savefig('../tmp/显示中文标题sin曲线.png')
    plt.show()

## 2.散点图 ##

data=np.load("F:\python\国民经济核算季度数据.npz",allow_pickle=True)
    plt.scatter(values[:,0],values[:,2],marker='*')

实例1  
![在这里插入图片描述][a06b5994d38a4ace8503db8e378744fe.png]

案例2  
![在这里插入图片描述][d805f714d85f4a5fb248cce4f4e95496.png]

## 3.条形图 ##

plt.bar(range(len(a)),b,width=0.3)#绘制条形图

### 案例一：横向条形图 ###

![在这里插入图片描述][8046e0d625904f34b799e497d7fa055e.png]

from matplotlib import pyplot as plt
    ## 设置字体为SimHei显示中文
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
    plt.figure(figsize=(20,15),dpi=80)#设置窗口大小
    a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊"]
    b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
    #绘制横版条形图
    plt.barh(range(len(a)),b,height=0.3,color="orange")
    plt.yticks(range(len(a)),a,rotation=0)
    plt.grid(alpha=0.3)
    plt.show()

### 案例二：多个条形图 ###

![在这里插入图片描述][c826aeec84324ef8b5b9370c42b1afc0.png]

from matplotlib import pyplot as plt
    ## 设置字体为SimHei显示中文
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
    plt.figure(figsize=(20,8),dpi=80)#设置窗口大小
    
    a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
    b_16 = [15746,312,4497,319]
    b_15 = [12357,156,2045,168]
    b_14 = [2358,399,2358,362]
    
    bar_width=0.2
    x_14=list(range(len(a)))
    x_15=[i+bar_width for i in x_14] #x往右移
    x_16=[i+bar_width*2 for i in x_14]
    plt.bar(range(len(a)),b_14,width=bar_width,color="orange",label="9月14日")
    plt.bar(x_15,b_15,width=bar_width,color="red",label="9月15日")
    plt.bar(x_16,b_16,width=bar_width,color="cyan",label="9月16日")
    
    plt.xticks(x_15,a,rotation=0)
    plt.legend()
    plt.grid(alpha=0.3)
    plt.show()

### 案例三：最后一个刻度 ###

![在这里插入图片描述][fa01c5c940f248cdb167bc492cb01e24.png]

from matplotlib import pyplot as plt
    ## 设置字体为SimHei显示中文
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
    plt.figure(figsize=(20,15),dpi=80)#设置窗口大小
    a = [0,5,10,15,20,25,30,35,40,45,60,90]
    c = [5,5,5,5,5,5,5,5,5,15,30,60]
    b = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]
    _x=[i-0.5 for i in range(13)]
    _xtick_labels=a+[150]#最后一个刻度：+[150]
    plt.bar(range(len(a)),b,width=1)
    plt.xticks(_x,_xtick_labels)
    plt.grid(alpha=0.3)
    plt.show()

## 4.直方图 ##

能够使用plt.hist方法的是那些没有统计过的数据

![在这里插入图片描述][1c262ecd8e4a4865ba6c65c7a58932c7.png]  
![在这里插入图片描述][9206a715b7474210936007b9d56a07c9.png]

plt.bar(range(3),values[-1,3:6],width = 0.5)  ## 绘制直方图
    label = ['第一产业','第二产业','第三产业']      ## 刻度标签
    plt.xticks(range(3),label)

### 实例1 频率分布直方图和频数分布直方图 ###

from matplotlib import pyplot as plt
    ## 设置字体为SimHei显示中文
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
    plt.figure(figsize=(20,8),dpi=80)#设置窗口大小
    a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
    #计算组数
    d=3 #组距
    num_bins=(max(a)-min(a))//d
    #plt.hist(a,num_bins)#频数分布直方图
    plt.hist(a,num_bins,normed=True)#频率分布直方图
    #设置x轴的刻度
    plt.xticks(range(min(a),max(a)+d,d))
    plt.grid()
    plt.show()

## 5.饼图 ##

![在这里插入图片描述][dc467397b1414dd4a46bd5c8c5b76b56.png]

label= ['第一产业','第二产业','第三产业']## 定义饼状图的标签，标签是列表
    plt.pie(values[-1,3:6],explode=explode,labels=label,autopct='%1.1f%%')## 绘制饼图

## 6.箱线图 ##

![在这里插入图片描述][4d3fc68ee56f4d08b07efd0c79e15295.png]

label= ['第一产业','第二产业','第三产业']## 定义标签
    gdp = (list(values[:,3]),list(values[:,4]),list(values[:,5]))
    plt.boxplot(gdp,notch=True,labels = label, meanline=True)
    plt.title('2000-2017各产业国民生产总值箱线图')
    plt.show()

### 综合案例：直方图 + 饼图 ###

![在这里插入图片描述][f1d0a434f421401780177918e19c146b.png]

import numpy as np  #导入NumPy库
    import matplotlib.pyplot as plt
    plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示
    plt.rcParams['axes.unicode_minus'] = False
    data = np.load('F:\python\国民经济核算季度数据.npz',allow_pickle=True)
    name = data['columns']## 提取其中的columns数组，视为数据的标签
    values = data['values']## 提取其中的values数组，数据的存在位置
    label= ['第一产业','第二产业','第三产业']## 定义标签
    labe2=['农业','工业','建筑','批发','交通','餐饮','金融','房地产','其他']
    
    #############绘制直方图
    p1=plt.figure(figsize=(12,12))
    #子图1
    a1=p1.add_subplot(2,2,1)
    plt.bar(range(3),values[0,3:6],width=0.5)
    plt.xticks(range(3),label)
    plt.xlabel('产业')
    plt.ylabel('生产总值（亿元）')
    plt.title('2000年第一季度国民生产总值产业构成分布直方图')
    #子图2
    a2=p1.add_subplot(2,2,2)
    plt.bar(range(3),values[-1,3:6],width=0.5)
    plt.xticks(range(3),label)
    plt.xlabel('产业')
    plt.ylabel('生产总值（亿元）')
    plt.title('2017年第一季度国民生产总值产业构成分布直方图')
    #子图3
    a3=p1.add_subplot(2,2,3)
    plt.bar(range(9),values[0,6:],width=0.5)
    plt.xticks(range(9),labe2)
    plt.xlabel('行业')
    plt.ylabel('生产总值（亿元）')
    plt.title('2000年第一季度国民生产总值行业构成分布直方图')
    #子图4
    a4=p1.add_subplot(2,2,4)
    plt.bar(range(9),values[-1,6:],width=0.5)
    plt.xticks(range(9),labe2)
    plt.xlabel('行业')
    plt.ylabel('生产总值（亿元）')
    plt.title('2017年第一季度国民生产总值行业构成分布直方图')
    
    ###########绘制饼图
    explode1 = [0.01,0.01,0.01]  #指定项距离饼图圆心为n个半径
    explode2 = [0.01,0.01,0.01,0.01,0.01,0.01,0.01,0.01,0.01]
    p = plt.figure(figsize=(12,12))
    ## 子图1
    ax1 = p.add_subplot(2,2,1)
    plt.pie(values[0,3:6],explode=explode1,labels=label,
            autopct='%1.1f%%')## 绘制散点图
    plt.title('2000年第一季度国民生产总值产业构成分布饼图')
    ## 子图2
    ax2 = p.add_subplot(2,2,2)
    plt.pie(values[-1,3:6],explode=explode1,labels=label,
            autopct='%1.1f%%')## 绘制散点图
    plt.title('2017年第一季度国民生产总值产业构成分布饼图')
    ## 子图3
    ax3 = p.add_subplot(2,2,3)
    plt.pie(values[0,6:],explode=explode2,labels=labe2,
            autopct='%1.1f%%')## 绘制散点图
    plt.title('2000年第一季度国民生产总值行业构成分布饼图')## 添加图表标题
    ## 子图4
    ax4 = p.add_subplot(2,2,4)
    plt.pie(values[-1,6:],explode=explode2,labels=labe2,
            autopct='%1.1f%%')## 绘制散点图
    plt.title('2017年第一季度国民生产总值行业构成分布饼图')## 添加图表标题
    ## 保存并显示图形
    
    ############绘制箱线图
    gdp1 = (list(values[:,3]),list(values[:,4]),list(values[:,5]))
    gdp2 = ([list(values[:,i]) for i in range(6,15)])
    p = plt.figure(figsize=(8,8))
    ## 子图1
    b1= p.add_subplot(2,1,1)
    ## 绘制箱线图
    plt.boxplot(gdp1,notch=True,labels = label, meanline=True)
    plt.title('2000-2017各产业国民生产总值箱线图')
    plt.ylabel('生产总值（亿元）')## 添加y轴名称
    ## 子图2
    b2 = p.add_subplot(2,1,2)
    ## 绘制箱线图
    plt.boxplot(gdp2,notch=True,labels = labe2, meanline=True)
    plt.title('2000-2017各行业国民生产总值箱线图')
    plt.xlabel('行业')## 添加横轴标签
    plt.ylabel('生产总值（亿元）')## 添加y轴名称
    plt.show()

[https_matplotlib.org]: https://matplotlib.org/
[https_www.echartsjs.com_zh_index.html]: https://www.echartsjs.com/zh/index.html
[https_plot.ly_python]: https://plot.ly/python/
[ca422e506c584f6aac614464f550d9ea.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/90215b4aec844756a681d3011b65d145.png
[3f71d29379f74fc5aaa9cdd20f1165d6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/81405194aecd4c3790fff7e6b54faa38.png
[2cbf11a02d5b4f4ebb95d612ef4b79b0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/fff12a7b55ce44a9a2997567caef37e1.png
[a06b5994d38a4ace8503db8e378744fe.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/d7536dcfd1a544d3b05c1f1eb862c449.png
[d805f714d85f4a5fb248cce4f4e95496.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/9f88aa4d33774e57a57419f53b6c5017.png
[8046e0d625904f34b799e497d7fa055e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/9482e2a3156148f5a8637ef63e3e5dac.png
[c826aeec84324ef8b5b9370c42b1afc0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/0b3361df45544407bff9348de5e3582c.png
[fa01c5c940f248cdb167bc492cb01e24.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/88e868a3238849139267602877c8eb5a.png
[1c262ecd8e4a4865ba6c65c7a58932c7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/e50676c41ddb4f66ab5ca1b99bea745c.png
[9206a715b7474210936007b9d56a07c9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/04518e8370c042bb84cc7f0c430cd495.png
[dc467397b1414dd4a46bd5c8c5b76b56.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/5715d6c6f95d496482d691aa6965b24c.png
[4d3fc68ee56f4d08b07efd0c79e15295.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/04dc694a74cf403abf84e107755fde22.png
[f1d0a434f421401780177918e19c146b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/ffab08abb09d4301b0e20674e0bdc01a.png