python数据可视化

matplotlib是受MATLAB的启发构建的。MATLAB是数据绘图领域广泛使用的语言和工具。MATLAB语言是面向过程的。利用函数的调用，MATLAB中可以轻松的利用一行命令来绘制直线，然后再用一系列的函数调整结果。

matplotlib有一套完全仿照MATLAB的函数形式的绘图接口，在matplotlib.pyplot模块中。这套函数接口方便MATLAB用户过度到matplotlib包.

安装依赖包

sudo apt-get install python3.5-dev python3.5-tk tk-dev
sudo apt-get install libfreetype6-dev g++

安装pip

Linux

sudo apt install python3-venv python3-pip

MAC

sudo easy_install pip

安装matplotlib

pip3 install --user matplotlib

helloworld例程

plot.py

import matplotlib.pyplot as plt

input_values = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]
plt.plot(input_values, squares, linewidth=5)

# 设置标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度线大小
plt.tick_params(axis='both', labelsize=14)

plt.show()

python3 plot.py

显示中文

Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决：
首先下载字体（注意系统）：https://www.fontpalace.com/font-details/SimHei/
SimHei.ttf 文件放在当前执行的代码文件中：

import numpy as np 
from matplotlib import pyplot as plt 
import matplotlib
 
# fname 为 你下载的字体库路径，注意 SimHei.ttf 字体的路径
zhfont1 = matplotlib.font_manager.FontProperties(fname="SimHei.ttf") 
 
x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("菜鸟教程 - 测试", fontproperties=zhfont1) 
 
# fontproperties 设置中文显示，fontsize 设置字体大小
plt.xlabel("x 轴", fontproperties=zhfont1)
plt.ylabel("y 轴", fontproperties=zhfont1)
plt.plot(x,y) 
plt.show()

方法（API）

方法	作用
axex	设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
figure	控制dpi、边界颜色、图形大小、和子区( subplot)设置
font	字体集（font family）、字体大小和样式设置
grid	设置网格颜色和线性
legend	设置图例和其中的文本的显示
line	设置线条（颜色、线型、宽度等）和标记
patch	是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
savefig	可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
verbose	设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。
xticks和yticks	为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。

线条样式

字符	描述
'-'	实线样式
'--'	短横线样式
'-.'	点划线样式
':'	虚线样式
'.'	点标记
','	像素标记
'o'	圆标记
'v'	倒三角标记
'^'	正三角标记
'<'	左三角标记
'>'	右三角标记
'1'	下箭头标记
'2'	上箭头标记
'3'	左箭头标记
'4'	右箭头标记
's'	正方形标记
'p'	五边形标记
'*'	星形标记
'h'	六边形标记 1
'H'	六边形标记 2
'+'	加号标记
'x'	X 标记
'D'	菱形标记
'd'	窄菱形标记
'|'	竖直线标记
'_'	水平线标记

线条标记

标记maker	描述
‘o’	圆圈
‘.’	点
‘D’	菱形
‘s’	正方形
‘h’	六边形1
‘*’	星号
‘H’	六边形2
‘d’	小菱形
‘_’	水平线
‘v’	一角朝下的三角形
‘8’	八边形
‘<’	一角朝左的三角形
‘p’	五边形
‘>’	一角朝右的三角形
‘,’	像素
‘^’	一角朝上的三角形
‘+’	加号
‘\ ‘	竖线
‘None’,’’,’ ‘	无
‘x’	X

颜色

内置颜色

别名	颜色
b	蓝色
g	绿色
r	红色
y	黄色
c	青色
k	黑色
m	洋红色
w	白色

自定义颜色

1、使用HTML十六进制字符串 color=’#123456’ 使用合法的HTML颜色名字（’red’,’chartreuse’等）。
2、也可以传入一个归一化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)

背景色

通过向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()这样的方法提供一个axisbg参数，可以指定坐标这的背景色。
subplot(111,axisbg=(0.1843,0.3098,0.3098)）
以下示例需要引入的库包括：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator

plot属性

属性	值类型
alpha	浮点值
animated	[True / False]
antialiased or aa	[True / False]
clip_box	matplotlib.transform.Bbox 实例
clip_on	[True / False]
clip_path	Path 实例， Transform，以及Patch实例
color or c	任何 matplotlib 颜色
contains	命中测试函数
dash_capstyle	['butt' / 'round' / 'projecting']
dash_joinstyle	['miter' / 'round' / 'bevel']
dashes	以点为单位的连接/断开墨水序列
data	(np.array xdata, np.array ydata)
figure	matplotlib.figure.Figure 实例
label	任何字符串
linestyle or ls	[ '-' / '--' / '-.' / ':' / 'steps' / ...]
linewidth or lw	以点为单位的浮点值
lod	[True / False]
marker	[ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]
markeredgecolor or mec	任何 matplotlib 颜色
markeredgewidth or mew	以点为单位的浮点值
markerfacecolor or mfc	任何 matplotlib 颜色
markersize or ms	浮点值
markevery	[ None / 整数值 / (startind, stride) ]
picker	用于交互式线条选择
pickradius	线条的拾取选择半径
solid_capstyle	['butt' / 'round' / 'projecting']
solid_joinstyle	['miter' / 'round' / 'bevel']
transform	matplotlib.transforms.Transform 实例
visible	[True / False]
xdata	np.array
ydata	np.array
zorder	任何数值

一窗多图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator


x=np.arange(-5,5,0.1)
y=x*3

#一个窗口，多个图，多条数据
sub1=plt.subplot(211,facecolor=(0.1843,0.3098,0.3098))  #将窗口分成2行1列，在第1个作图，并设置背景色
sub2=plt.subplot(212)   #将窗口分成2行1列，在第2个作图
sub1.plot(x,y)          #绘制子图
sub2.plot(x,y)          #绘制子图

axes1 = plt.axes([.2, .3, .1, .1], facecolor='y')  #添加一个子坐标系，rect=[左, 下, 宽, 高]
plt.plot(x,y)           #绘制子坐标系，
axes2 = plt.axes([0.7, .2, .1, .1], facecolor='y')  #添加一个子坐标系，rect=[左, 下, 宽, 高]
plt.plot(x,y)
plt.show()

极坐标

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator

fig = plt.figure(2)                                #新开一个窗口
ax1 = fig.add_subplot(1,2,1,polar=True)                  #启动一个极坐标子图
theta=np.arange(0,2*np.pi,0.02)              #角度数列值
ax1.plot(theta,2*np.ones_like(theta),lw=2)   #画图，参数：角度，半径，lw线宽
ax1.plot(theta,theta/6,linestyle='--',lw=2)           #画图，参数：角度，半径，linestyle样式，lw线宽

ax2 = fig.add_subplot(1,2,2,polar=True)                  #启动一个极坐标子图
ax2.plot(theta,np.cos(5*theta),linestyle='--',lw=2)
ax2.plot(theta,2*np.cos(4*theta),lw=2)

ax2.set_rgrids(np.arange(0.2,2,0.2),angle=45)   #距离网格轴，轴线刻度和显示位置
ax2.set_thetagrids([0,45,90])                   #角度网格轴，范围0-360度

plt.show()

柱形图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator

plt.figure(3)
x_index = np.arange(5)   #柱的索引
x_data = ('A', 'B', 'C', 'D', 'E')
y1_data = (20, 35, 30, 35, 27)
y2_data = (25, 32, 34, 20, 25)
bar_width = 0.35   #定义一个数字代表每个独立柱的宽度

rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1')            #参数：左偏移、高度、柱宽、透明度、颜色、图例
rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='r',label='legend2') #参数：左偏移、高度、柱宽、透明度、颜色、图例
#关于左偏移，不用关心每根柱的中心不中心，因为只要把刻度线设置在柱的中间就可以了
plt.xticks(x_index + bar_width/2, x_data)   #x轴刻度线
plt.legend()    #显示图例
plt.tight_layout()  #自动控制图像外部边缘，此方法不能够很好的控制图像间的间隔
plt.show()

直方图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator

fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6))     #在窗口上添加2个子图
sigma = 1   #标准差
mean = 0    #均值
x=mean+sigma*np.random.randn(10000)   #正态分布随机数
ax0.hist(x,bins=40,normed=False,histtype='bar',facecolor='yellowgreen',alpha=0.75)   #normed是否归一化，histtype直方图类型，facecolor颜色，alpha透明度
ax1.hist(x,bins=20,normed=1,histtype='bar',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8) #bins柱子的个数,cumulative是否计算累加分布，rwidth柱子宽度
plt.show()  #所有窗口运行

散点图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator


fig = plt.figure(4)          #添加一个窗口
ax =fig.add_subplot(1,1,1)   #在窗口上添加一个子图
x=np.random.random(100)      #产生随机数组
y=np.random.random(100)      #产生随机数组
ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none')  #x横坐标，y纵坐标，s图像大小，c颜色，marker图片，lw图像边框宽度
plt.show()  #所有窗口运行

三维图

更多三维图

import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
 
mpl.rcParams['legend.fontsize'] = 10
 
fig = plt.figure()
ax = fig.gca(projection='3d')
theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)
z = np.linspace(-2, 2, 100)
r = z ** 2 + 1
x = r * np.sin(theta)
y = r * np.cos(theta)
ax.plot(x, y, z, label='parametric curve')
ax.legend()
 
plt.show()

矩形、多边形、椭圆

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator


fig = plt.figure(6)   #创建一个窗口
ax=fig.add_subplot(1,1,1)   #添加一个子图
rect1 = plt.Rectangle((0.1,0.2),0.2,0.3,color='r')  #创建一个矩形，参数：(x,y),width,height
circ1 = plt.Circle((0.7,0.2),0.15,color='r',alpha=0.3)  #创建一个椭圆，参数：中心点，半径，默认这个圆形会跟随窗口大小进行长宽压缩
pgon1 = plt.Polygon([[0.45,0.45],[0.65,0.6],[0.2,0.6]])  #创建一个多边形，参数：每个顶点坐标

ax.add_patch(rect1)  #将形状添加到子图上
ax.add_patch(circ1)  #将形状添加到子图上
ax.add_patch(pgon1)  #将形状添加到子图上

fig.canvas.draw()  #子图绘制
plt.show()

动态可视化

使用定时器

# -*- coding:utf-8 -*- 
import pymysql
import time
import datetime
import numpy as np
#连接数据库
db = pymysql.connect("外网地址","用户名","密码","数据库" )  
def job():
  #执行更新操作
  #select count(*) from test_Realtime; 返回数据行数，这里不返回了，已知为3
  cursor = db.cursor()
  for i in range(3):
    a=np.random.randint(101)
    idnum=i+1
    sql="update test_realtime set amount=%d where id=%d"%(a,idnum)
    try:
       cursor.execute(sql)
       db.commit()
    except:
       db.rollback()
  #关闭
  db.close()
#定时执行
while True: 
    job()
    time.sleep( 2 )

参考链接:
https://www.jianshu.com/p/da385a35f68d
https://www.runoob.com/numpy/numpy-matplotlib.html
https://www.cnblogs.com/wuwen19940508/p/8638266.html
https://www.jb51.net/article/142476.htm
其他参考：
https://zhuanlan.zhihu.com/p/29576732