python绘制图
如何用python绘制图表
摘要: 使用python绘制简单的图表，包括折线图、柱状图、条形图、饼图、散点图、气泡图、箱线图、直方图等。
前言
本文介绍如果使用python汇总常用的图表，与Excel的点选操作相比，用python绘制图表显得比较比较繁琐，尤其提现在对原始数据的处理上。但两者在绘制图表过程中的思路大致相同，Excel中能完成的工作python大多也能做到。为了能够更好使用python绘制图表，我们需要导入几个 Python 的基本软件包NumPy，Pandas，matplotlib。
NumPy 是用于科学计算与 Python 的基本软件包。它包含除其他外：
一个强大的 N 维数组对象
复杂的 （广播） 功能
为集成 C/c + + 和 Fortran 代码工具
有用的线性代数、 傅里叶变换和随机编号功能
除了其明显的科学用途，NumPy 也可以用作泛型数据高效多维容器。可以定义任意数据类型。这允许 NumPy 迅速、 无缝集成与各种各样的数据库。
Pandas 是连接 SciPy 和 NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Comma-separated values (CSV) 文件表示在有关各方之间分发数据的最常见的方法之一。Pandas 提供了一种优化库功能来读写多种文件格式，包括 CSV 和高效的 HDF5 格式。
Matplotlib是一个Python的图形框架，类似于MATLAB和R语言。
在使用NumPy进行学习统计计算时是枯燥的，大量的数据令我们很头疼，所以我们需要把它图形化显示。
接下来我们进行实战
1，数据如下
1，圆形图
# coding=utf-8
__author__ = 'Jay'
import pandas as pd
# 导入图表库以进行图表绘制
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False # 用控制中文乱码
loandata =
pd.DataFrame(pd.read_excel('loan_data.xlsx'))
# 按用户等级grade字段对贷款金额进行求和汇总
loan_grade =
loandata.groupby('grade')['loan_amnt'].agg(sum)
# 设置饼图中每个数据分类的颜色
colors = ["#99CC01", "#FFFF01", "#0000FE", "#FE0000", "#A6A6A6", "#D9E021"]
# 设置饼图中每个数据分类的名称
name = [u'A级', u'B级', u'C级', u'D级', u'E级', u'F级']
# 创建饼图，设置分类标签，颜色和图表起始位置等，
# labels (每一块)饼图外侧显示的说明文字
# loan_grade (每一块)的比例，如果sum(x) > 1会使用sum(x)归一化
# explode (每一块)离开中心距离
plt.pie(loan_grade, labels=name, colors=colors, explode=(0,
0,
0.1, 0, 0.1, 0), startangle=60,
autopct='%1.1f%%')
# 添加图表标题
plt.title(u'不同用户等级的贷款金额占比')
# 添加图例，并设置显示位置
plt.legend(name, loc='upper
left')
# 显示图表
plt.show()
2，条形图
# coding=utf-8
# LOCALTION = [3, 4, 5, 6, 7, 8]
__author__ = 'Jay'
import numpy as np
import pandas as pd
# 导入图表库以进行图表绘制
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False # 用控制中文乱码
loandata = pd.DataFrame(pd.read_excel('loan_data.xlsx'))
# 按用户等级grade字段对贷款金额进行求和汇总
loan_grade = loandata.groupby('grade')['loan_amnt'].agg(sum)
# 定义数据分类名称
LOCALTIONS = [u'A级', u'B级', u'C级', u'D级', u'E级', u'F级']
# 创建一个一维数组赋值给LOCALTION
LOCALTION = np.arange(len(LOCALTIONS))
# 设置饼图中每个数据分类的颜色
colors = ["#99CC01", "#FFFF01", "#0000FE", "#FE0000", "#A6A6A6", "#D9E021"]
# a=np.array(LOCALTION)
# 创建柱状图，数据源为按用户等级汇总的贷款金额，设置颜色，透明度和外边框颜色
plt.barh(LOCALTION, loan_grade, color=colors, alpha=0.8, align='center', edgecolor='white')
# 设置x轴标签
plt.ylabel(u'用户等级')
# 设置y周标签
plt.xlabel(u'贷款金额')
# 设置图表标题
plt.title(u'不同用户等级的贷款金额分布')
# 设置图例的文字和在图表中的位置
plt.legend([u'贷款金额'], loc='upper right')
# 设置背景网格线的颜色，样式，尺寸和透明度
plt.grid(color='#95a5a6', linestyle='--', linewidth=1, axis='y', alpha=0.4)
# 设置数据分类名称
plt.yticks(LOCALTION + 0.4, LOCALTIONS)
# 显示图表
plt.show()
3.线箱图
# coding=utf-8
__author__ = 'Jay'
import pandas as pd
# 导入图表库以进行图表绘制
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False # 用控制中文乱码
loandata = pd.DataFrame(pd.read_excel('loan_data.xlsx'))
# 创建箱线图，数据源为贷款来源，设置横向显示
plt.boxplot(loandata['loan_amnt'], 1, 'rs', vert=False)
# 添加x轴标题
plt.xlabel(u'贷款金额')
# 添加图表标题
plt.title(u'贷款金额分布')
# 设置背景网格线的颜色，样式，尺寸和透明度
plt.grid(color='#95a5a6', linestyle='--', linewidth=1, axis='both', alpha=0.4)
# 显示图表
plt.show()
4.气泡图
# coding=utf-8
__author__ = 'Jay'
import pandas as pd
# 导入图表库以进行图表绘制
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False # 用控制中文乱码
loandata = pd.DataFrame(pd.read_excel('loan_data.xlsx'))
# 按月汇总贷款金额及利息
loan_x = loandata['loan_amnt']
loan_y = loandata['total_rec_int']
loan_z = loandata['total_rec_int']
# 设置气泡图颜色
colors = ["#99CC01", "#FFFF01", "#0000FE", "#FE0000", "#A6A6A6", "#D9E021", '#FFF16E', '#0D8ECF', '#FA4D3D', '#D2D2D2',
'#FFDE45', '#9b59b6']
# 创建气泡图贷款金额为x，利息金额为y，同时设置利息金额为气泡大小，并设置颜色透明度等。
plt.scatter(loan_x, loan_y, s=loan_z, color=colors, alpha=0.8)
# 添加x轴标题
plt.xlabel(u'贷款金额')
# 添加y轴标题
plt.ylabel(u'利息收入')
# 添加图表标题
plt.title(u'贷款金额与利息收入')
# 设置背景网格线的颜色，样式，尺寸和透明度
plt.grid(color='#95a5a6', linestyle='--', linewidth=1, axis='both', alpha=0.4)
# 显示图表
plt.show()
5.柱状图
# coding=utf-8
__author__ = 'Jay'
import numpy as np
import pandas as pd
#导入图表库以进行图表绘制
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #用控制中文乱码
loandata=pd.DataFrame(pd.read_excel('loan_data.xlsx'))
#按用户等级grade字段对贷款金额进行求和汇总
loan_grade=loandata.groupby('grade')['loan_amnt'].agg(sum)
#创建一个一维数组赋值给a
a=np.array([1,2,3,4,5,6])
#创建柱状图，数据源为按用户等级汇总的贷款金额，设置颜色，透明度和外边框颜色
plt.bar([1,2,3,4,5,6],loan_grade,color='#99CC01',alpha=0.8,align='center',edgecolor='white')
#设置x轴标签
plt.xlabel(u'用户等级')
#设置y周标签
plt.ylabel(u'贷款金额')
#设置图表标题
plt.title(u'不同用户等级的贷款金额分布')
#设置图例的文字和在图表中的位置
plt.legend([u'贷款金额'], loc='upper right')
#设置背景网格线的颜色，样式，尺寸和透明度
plt.grid(color='#95a5a6',linestyle='--', linewidth=1,axis='y',alpha=0.4)
#设置数据分类名称
plt.xticks(a,(u'A级',u'B级',u'C级',u'D级',u'E级',u'F级'))
#显示图表
plt.show()
6.散点图
# coding=utf-8
__author__ = 'Jay'
import pandas as pd
#导入图表库以进行图表绘制
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #用控制中文乱码
loandata=pd.DataFrame(pd.read_excel('loan_data.xlsx'))
#按月汇总贷款金额，以0填充空值
loan_x=loandata['loan_amnt']
#按月汇总利息金额，以0填充空值
loan_y=loandata['total_rec_int']
#创建散点图，贷款金额为x，利息金额为y，设置颜色，标记点样式和透明度等
plt.scatter(loan_x,loan_y,60,color='white',marker='*',edgecolors='#0D8ECF',linewidth=3,alpha=0.8)
#添加x轴标题
plt.xlabel(u'贷款金额')
#添加y轴标题
plt.ylabel(u'利息收入')
#添加图表标题
plt.title(u'贷款金额与利息收入')
#设置背景网格线的颜色，样式，尺寸和透明度
plt.grid(color='#95a5a6',linestyle='--', linewidth=1,axis='both',alpha=0.4)
#显示图表
plt.show()
7.折线图
# coding=utf-8
__author__ = 'Jay'
import numpy as np
import pandas as pd
#导入图表库以进行图表绘制
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
loandata=pd.DataFrame(pd.read_excel('loan_data.xlsx'))
loandata.set_index('issue_d')
#按月对贷款金额loan_amnt求均值
loan_plot=loandata['loan_amnt']
#创建一个一维数组赋值给a
a=np.array([1,2,3,4,5,6,7,8,9,10,11,12])
#创建折线图，数据源为按月贷款均值，标记点，标记线样式，线条宽度，标记点颜色和透明度
plt.plot(loan_plot,'g^',loan_plot,'g-',color='#99CC01',linewidth=3,markeredgewidth=3,markeredgecolor='#99CC01',alpha=0.8)
#添加x轴标签
plt.xlabel(u'月份')
#添加y周标签
plt.ylabel(u'贷款金额')
#添加图表标题
plt.title(u'分月贷款金额分布')
#添加图表网格线，设置网格线颜色，线形，宽度和透明度
plt.grid( color='#95a5a6',linestyle='--', linewidth=1 ,axis='y',alpha=0.4)
#设置数据分类名称
plt.xticks(a, (u'1月',u'2月',u'3月',u'4月',u'5月',u'6月',u'7月',u'8月',u'9月',u'10月',u'11月',u'12月') )
#输出图表
plt.show()
自定义字体及配色
图表中所使用的字体，可以使用下面的字体名称替换family=后面的内容以改变图表中所显示的字体。
图表中的颜色，可以直接使用颜色名称，也可以使用简称来设置图表中使用的颜色，本文中没有使用默认的颜色，而是使用了自定义颜色。
自定义颜色的色号，本文中使用的是Hex色号，下面给出了Hex和RGB的对应关系，以及相应的颜色。可以使用下面的Hex色号替换本文中图表的颜色。
