matplotlib

五、Matplotlib：绘图和可视化#

• 简介
• 简单绘制线形图
• plot函数
• 支持图类型
• 保存图表

1、简介#

Matplotlib是一个强大的Python绘图和数据可视化的工具包。数据可视化也是我们数据分析的最重要的工作之一，可以帮助我们完成很多操作，例如：找出异常值、必要的一些数据转换等。完成数据分析的最终结果也许就是做一个可交互的数据可视化。

安装方式：

pip install matplotlib

引用方法：

import matplotlib.pyplot as plt

2、简单绘制线形图#

plt.plot()   # 绘图函数
plt.show()   # 显示图像

在jupyter notebook中不执行这条语句也是可以将图形展示出来

import matplotlib.pyplot as plt
import numpy as np
data = np.arange(10)
plt.plot(data)
plt.show() # 显示图像，在notebook中不执行这一句也可以

执行结果:

 虽然seaborn这些库和pandas的内置绘图函数能够处理许多普通的绘图任务，如果需要自定义一些高级功能的话就必须要matplotlib API.

3、plot函数#

plot函数：绘制折线图

• 线型linestyle(-,-.,--,..)
• 点型marker(v,^,s,*,H,+,X,D,O,...)
• 颜色color(b,g,r,y,k,w,...)

  plt.rcParams['font.sans-serif'] = ['SimHei']   # 设置字体样式
  plt.rcParams['axes.unicode_minus'] = False     # 自动转编码 允许中文可以显示

plt.plot([0,3,9,15,30],linestyle = '-.',color = 'r',marker = 'o') # linestyle:折线样式 color:颜色 marker:节点标记 

 图像标注:

方法	描述
plt.title()	设置图像标题
plt.xlabel()	设置x轴名称
plt.ylabel()	设置y轴名称
plt.xlim()	设置x轴范围
plt.ylim()	设置y轴范围
plt.xticks()	设置x轴刻度
plt.yticks()	设置y轴刻度
plt.legend()	设置曲线图例

plt.plot([0,3,9,15,30],linestyle = '-.',color = 'r',marker = 'o',label="A") 
plt.plot([1,3,16,23,30],[30,23,13,25,30],label='B')
plt.title("Title")  # 标题
plt.xlabel('X')  # x轴名称
plt.ylabel('Y')  # y轴名称

plt.xticks(np.arange(0,30,2))  # x轴刻度
plt.xlim(-0.2,10,2)  # x轴范围
plt.legend()  # 曲线图例

运行图例:

绘制数学函数:

使用Matplotlib模块在一个窗口中绘制数学函数y=x, y=x**2,y=sinx的图像，使用不同颜色的线加以区别，并使用图例说明各个线代表什么函数。 

x = np.arange(-100,100)
y1 = x
y2 = x ** 2
y3 = np.sin(x)
-----------------------
plt.plot(x,y1,label="y=x")
plt.plot(x,y2,label="y=x^2")
plt.plot(x,y3,label="y=sin(x)")

plt.ylim(-100,100)
plt.legend()

运行结果:

4、支持的图类型#

函数	说明
plt.plot(x,y,fmt)	坐标系
plt.boxplot(data,notch,position)	箱型图
plt.bar(left,height,width,bottom)	柱状图
plt.barh(width,bottom,left,height)	横向柱状图
plt.polar(theta,r)	极坐标系
plt.pie(data,explode)	饼图
plt.psd(x,NFFT=256,pad_to,Fs)	功率谱密度图
plt.specgram(x,NFFT=256,pad_to,F)	谱图
plt.cohere(x,y,NFFT=256,Fs)	X-Y相关性函数
plt.scatter(x,y)	散点图
plt.step(x,y,where)	步阶图
plt.hist(x,bins,normed)	直方图

# 柱状图
data = [12,34,23,54]
labels = ['Jan','Fed','Mar','Apr']
plt.xticks([0,1,2,3],labels)  # 设置x轴刻度
plt.bar([0,1,2,3],data)    

# 横向柱状图
data = [12,34,23,54]
labels = ['Jan','Fed','Mar','Apr']
plt.yticks([0,1,2,3],labels)
plt.barh([0,1,2,3],data)    

# DataFrame数组图
df = pd.DataFrame({
    'Jan':pd.Series([1,2,3],index=['a','b','c']),
    'Fed':pd.Series([4,5,6],index=['b','a','c']),
    'Mar':pd.Series([7,8,9],index=['b','a','c']),
    'Apr':pd.Series([2,4,6],index=['b','a','c'])
})
df.plot.bar()  # 水平柱状图，将每一行中的值分组到并排的柱子中的一组
df.plot.barh(stacked=True,alpha=0.5)  # 横向柱状图，将每一行的值堆积到一起

# 饼图
plt.pie([10,20,30,40],labels=list('abcd'),autopct="%.2f%%",explode=[0.1,0,0,0])  # 饼图
plt.axis("equal")
plt.show()

# 散点图
import random
x = np.random.randn(100)
y = np.random.randn(100)
plt.scatter(x,y)

5、保存图表到文件#

 plt.savafig('文件名.拓展名')

 文件类型是通过文件扩展名推断出来的。因此，如果你使用的是.pdf，就会得到一个PDF文件。

plt.savefig('123.pdf')

savefig并非一定要写入磁盘，也可以写入任何文件型的对象，比如BytesIO：

from io import BytesIO
buffer = BytesIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()

参数	说明
fname	含有文件路径的字符串或者Python的文件型对象。
dpi	图像分辨率，默认为100
format	显示设置文件格式("png","jpg","pdf","svg","ps",...)
facecolor、edgecolor	背景色，默认为"W"(白色)
bbox_inches	图表需要保存的部分。设置为”tight“，则尝试剪除图表周围空白部分

 练习题:#

测试数据连接:https://share.weiyun.com/5WO0KMA

 1.绘制每个国家或者地区的电影数量的柱状图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.figure(figsize=(13,6))   # 设置画布大小

df = pd.read_csv('./douban_movie.csv')  # 读取文件



res = df.groupby('产地').size().sort_values(ascending=False)  # 以产地分组 进行排序

plt.title('每个国家或者地区的电影数量', fontsize=20)

x = res.index  # 产地作为x轴

y = res.values           # 值作为y轴

plt.xlabel('产地', fontsize=20,color='blue')

plt.xticks(rotation=90, fontsize=15) 
plt.ylabel('数量',fontsize=20,color='red')

for a, b in zip(x,y):  # 通过zip将x y进行映射
    plt.text(a, b+100, b, horizontalalignment='center', fontsize=13) # a:x轴 b:y轴 horizontalalignment:水平居中 b+100:不要紧挨柱子

plt.bar(x,y)    # 绘制树状图

plt.show()

 2.绘制每年电影上映数量的曲线图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.figure(figsize=(13,6))  # 设置画布大小

plt.title('每年电影上映数量的曲线图',fontsize=15,color='black')


plt.xlabel('年代',fontsize=20,color='red')
plt.ylabel('数量',fontsize=20,color='blue')

df = pd.read_csv('./douban_movie.csv')  # 读取文件
 
res = df.groupby('年代').size().sort_index()[:-2]  # 按照索引进行排序  切除不需要的脏数据
x = res.index   # 获取x轴的值
y = res.values  # 获取y轴的值


plt.plot(x,y)   # 绘制折线图
plt.show()      # 展示

3:根据电影的长度绘制饼图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False


plt.title('电影时长分布图',fontsize=15,color='black')

plt.figure(figsize=(10,13))  # 设置画布大小
df = pd.read_csv('./douban_movie.csv')  # 读取文件

df_res = df['时长']
res = pd.cut(df_res,[0,60,90,120,150,180,210])   # df_res被切割的数据 列表为切割的范围
res1 = res.value_counts()    # 获取在一定分为内值的个数

x = res1.index
y = res1.values
patch, l_text, p_text = plt.pie(y, labels = x, autopct='%.2f%%')   # autopct:百分比展示

for p in p_text:
    p.set_size(15)
    p.set_color('white')

for l in l_text:
    l.set_size(13)
    l.set_color('r')
    
plt.pie(res1)              # 设置饼状图

plt.show()