Python数据可视化库matpoltlib ------ bar图；散点图；直方图；箱线图；matplotliab如何设置边框及其刻度

绘制bar图，类似于直方图：

reviews = pd.read_csv('matplotlib_data_test\\fandango_scores.csv')
cols = ['FILM', 'RT_user_norm', 'Metacritic_user_nom',
        'IMDB_norm', 'Fandango_Ratingvalue', 'Fandango_Stars']
norm_reviews = reviews[cols]
print(norm_reviews[:1])

num_cols = ['RT_user_norm', 'Metacritic_user_nom',
            'IMDB_norm', 'Fandango_Ratingvalue', 'Fandango_Stars']

bar_heights = norm_reviews.loc[0, num_cols].values
print(bar_heights)
bar_positions = np.arange(5) + 0.75
print(bar_positions)
fig, ax = plt.subplots()
ax.bar(bar_positions, bar_heights, 0.5)
plt.show()

　　运行结果：

　　

　　

　　此时我们可以调整参数，让图更美观。

num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue', 'Fandango_Stars']
bar_heights = norm_reviews.loc[0, num_cols].values
bar_positions = np.arange(5) + 1  # 设置bar的位置
tick_positions = range(1, 6)  # 设置刻度的位置
fig, ax = plt.subplots()
ax.bar(bar_positions, bar_heights, 0.5)
ax.set_xticks(tick_positions)  # 要显示刻度名必须使用这个，不然刻度名会左移错位。
ax.set_xticklabels(num_cols, rotation=90)
#  设置坐标轴名称和图片主题
ax.set_xlabel('Rating Source')
ax.set_ylabel('Average Rating')
ax.set_title('Average User Rating For Avengers: Age of Ultron (2015)')
plt.show()

　　运行结果：

　　

　　在很多时候，我们更希望这种图可以横着画，我们可以在画图的时候使用 ax.barh() 去画，其他命令一样。

效果如下：（这里是pycharm的效果，右边显示不完全）

　　

 

 绘制散点图

　　ax.scatter() 用来绘制散点图，如下：

fig, ax = plt.subplots()
ax.scatter(norm_reviews['Fandango_Ratingvalue'], norm_reviews['RT_user_norm'])
ax.set_xlabel('Fandango')
ax.set_ylabel('Rotten Tomatoes')
plt.show()

　　运行结果：

　　

　绘制两个子图：

fig = plt.figure(figsize=(10, 5))
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
# 绘制子图1
ax1.scatter(norm_reviews['Fandango_Ratingvalue'], norm_reviews['RT_user_norm'])
ax1.set_xlabel('Fandango')
ax1.set_ylabel('Rotten Tomatoes')
# 绘制子图2
ax2.scatter(norm_reviews['RT_user_norm'], norm_reviews['Fandango_Ratingvalue'])
ax2.set_xlabel('Rotten Tomatoes')
ax2.set_ylabel('Fandango')
plt.show()

　　运行结果：

　　

 

 

 绘制直方图

　　ax.hist() 绘制直方图

fig, ax = plt.subplots()
ax.hist(norm_reviews['Fandango_Ratingvalue'], range=(4, 5), bins=20)  # 4-5 其实结束
plt.show()

　　运行结果：

　　

　　这里的 bins=20 是指定直方图直方的个数为20个，range(4,5)指定范围在4到5之间的。

　绘制直方图子图：

fig = plt.figure(figsize=(25, 20))
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
ax4 = fig.add_subplot(2, 2, 4)
ax1.hist(norm_reviews['Fandango_Ratingvalue'], bins=20, range=(0, 5))
ax1.set_title('Distribution of Fandango Ratings')
ax1.set_ylim(0, 40)

ax2.hist(norm_reviews['RT_user_norm'], 20, range=(0, 5))
ax2.set_title('Distribution of Rotten Tomatoes Ratings')
ax2.set_ylim(0, 40)

ax3.hist(norm_reviews['Metacritic_user_nom'], 20, range=(0, 5))
ax3.set_title('Distribution of Metacritic Ratings')
ax3.set_ylim(0, 40)

ax4.hist(norm_reviews['IMDB_norm'], 20, range=(0, 5))
ax4.set_title('Distribution of IMDB Ratings')
ax4.set_ylim(0, 40)

plt.show()

　　

 

 绘制箱线图

　　绘制箱线图可以使用 ax.boxplot() 来绘制。

fig, ax = plt.subplots()
ax.boxplot(norm_reviews['RT_user_norm'])
ax.set_xticklabels(['Rotten Tomatoes'])
ax.set_ylim(0, 5)
plt.show()

　　运行结果：

　　

　绘制多个箱线图：

num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue']
fig, ax = plt.subplots()
ax.boxplot(norm_reviews[num_cols].values)   #箱线图
ax.set_xticklabels(num_cols, rotation=20)
ax.set_ylim(0,5)
plt.show()

　　运行结果：

　　

 

隐藏边框

　　隐藏上边框和右边框

women_degrees = pd.read_csv('matplotlib_data_test\percent-bachelors-degrees-women-usa.csv')
fig, ax = plt.subplots()
ax.plot(women_degrees['Year'], women_degrees['Biology'], c='blue', label='Women')
ax.plot(women_degrees['Year'], 100-women_degrees['Biology'], c='green', label='Men')
ax.tick_params(bottom="off", top="off", left="off", right="off") # 设置刻度线是否显示
print(type(ax.spines))
# 取消边框
for key, spine in ax.spines.items():
    # 'left', 'right', 'bottom', 'top'
    if key == 'right' or key == 'top':
        spine.set_visible(False)


ax.legend(loc='upper right')
plt.show()

　　运行结果：

　　

　　在上面的代码中，我们可以发现第五行可以实现坐标轴上的刻度是否显示，以及显示在哪个边框。

　绘制无边框的折线子图

women_degrees = pd.read_csv('matplotlib_data_test\percent-bachelors-degrees-women-usa.csv')
major_cats = ['Biology', 'Computer Science', 'Engineering', 'Math and Statistics']

# 设置线的颜色
cb_dark_blue = (0 / 255, 107 / 255, 164 / 255)
cb_orange = (255 / 255, 128 / 255, 14 / 255)

fig = plt.figure(figsize=(12, 12))

for sp in range(0, 4):
    ax = fig.add_subplot(2, 2, sp + 1)
    # The color for each line is assigned here.
    ax.plot(women_degrees['Year'], women_degrees[major_cats[sp]], c=cb_dark_blue, label='Women')
    ax.plot(women_degrees['Year'], 100 - women_degrees[major_cats[sp]], c=cb_orange, label='Men')
    for key, spine in ax.spines.items():
        spine.set_visible(False)
    ax.set_xlim(1968, 2011)
    ax.set_ylim(0, 100)
    ax.set_title(major_cats[sp])
    ax.tick_params(bottom="off", top="off", left="off", right="off")
    plt.legend(loc='best')

plt.show()

　　运行结果：

　　　　

　　这里你可以使用 linewidth=10 来指定线的宽度。