小丸子踏入python之路：python_day06（可视化库Matplotlib (2) ）
在可视化库Matplotlib(1)中学习了折线图和子图，那么现在开始学习柱状图（条形图），散点图
1. 柱状图
柱状图的生成函数是bar()，bar()方法有两个必需的参数，分别是left和height。
我们使用left来指定每个bar的高度的x坐标。我们使用height参数来指定每个条的高度。
第三个参数表示每个柱子的宽度。
1.1 生成柱状图需要的数据
这里用到的数据是美国各个网站对电影的评分数据集。"fandango_score_comparison.csv"文件。像惯常一样，打开它，取数据，我们这里选取5家网站对第一部电影的评分数据来绘制柱状图。
#关于电影评分的数据
import pandas as pd
reviews = pd.read_csv("fandango_score_comparison.csv")
#抽出几列数据拿出来玩一下下，包括电影名和五家评分网站
cols = ["FILM","RT_user_norm","Metacritic_user_nom","IMDB_norm","Fandango_Ratingvalue","Fandango_Stars"]
norm_reviews = reviews[cols]
print(norm_reviews[:1]) #打印抽取数据的第一行来看看
运行结果：
最后一行不带print()会使数据更清楚
1.2 就上边数据生成柱状图
还是在前边说一下关于 fig, ax = plt.subplots()吧，这是很多实例中给出的做法，具体的理解可能就是：
subplot()是一个函数，它返回包含图形和轴对象的元组。因此，当使用图ax = plt.sub()时，您将这个元组解压缩到变量图和ax中。
因为返回的是元组，所以要用fig, ax这个变量来接收。
import matplotlib.pyplot as plt
from numpy import arange
#bar()方法有两个必需的参数，分别是left和height。
#我们使用left来指定每个bar的高度的x坐标。我们使用height参数来指定每个条的高度。
num_cols = ["RT_user_norm","Metacritic_user_nom","IMDB_norm","Fandango_Ratingvalue","Fandango_Stars"]
bar_heights = norm_reviews.ix[0,num_cols].values #取各个评分网站对第一部电影的评分，作为bar()的第二个参数
print(bar_heights)
bar_positions = arange(5) + 1.00 #bar()的第一个参数
print(arange(5))
print(bar_positions)
fig, ax = plt.subplots() #subplot()是一个函数，它返回包含图形和轴对象的元组。因此，当使用图ax = plt.sub()时，您将这个元组解压缩到变量图和ax中。
ax.bar(bar_positions, bar_heights,0.3) #第三个参数0.3表示每个主子的宽度
plt.show()
运行结果：
1.3 完整一些的上边的柱形图
如上边所示，柱状图默认的x轴式（1，2，3，4，5），但是在电影评分的数据中我们知道，x轴应该是各大评分网站的名字的，我们可以通过设置来显示。
在默认情况下，matplotlib将x轴的刻度标签设置为整数，在x轴上(从0到6)，我们只需要在横条的x轴上标上标记。
我们可以使用Axes.set_xticks()来改变节拍的位置(1、2、3、4、5):
import matplotlib.pyplot as plt
from numpy import arange
#bar()方法有两个必需的参数，分别是left和height。
#我们使用left来指定每个bar的高度的x坐标。我们使用height参数来指定每个条的高度。
num_cols = ["RT_user_norm","Metacritic_user_nom","IMDB_norm","Fandango_Ratingvalue","Fandango_Stars"]
bar_heights = norm_reviews.ix[0,num_cols].values #取各个评分网站对第一部电影的评分，作为bar()的第二个参数
bar_positions = arange(5) + 1.00 #bar()的第一个参数
tick_positions = range(1,6) #将其设置为（1，6）是为了让其评分网站名字与数据对应上
fig, ax = plt.subplots() #subplot()是一个函数，它返回包含图形和轴对象的元组。因此，当使用图ax = plt.sub()时，您将这个元组解压缩到变量图和ax中。
ax.bar(bar_positions, bar_heights,0.4) #第三个参数0.3表示每个主子的宽度
ax.set_xticks(tick_positions)
ax.set_xticklabels(num_cols,rotation = 20) #将x轴改成评分网站的名字，并倾斜20度显示
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：
1.4 横着显示柱状图
一般情况下，柱状图都是竖着显示的，但是有时也可以横着显示，两个的代码基本相同，只是把bar()换成了barh()
import matplotlib.pyplot as plt
from numpy import arange
num_cols = ["RT_user_norm","Metacritic_user_nom","IMDB_norm","Fandango_Ratingvalue","Fandango_Stars"]
bar_widths = norm_reviews.ix[0,num_cols].values #取各个评分网站对第一部电影的评分，作为bar()的第二个参数
bar_positions = arange(5) + 1.00 #bar()的第一个参数
tick_positions = range(1,6) #将其设置为（1，6）是为了让其评分网站名字与数据对应上
fig, ax = plt.subplots() #subplot()是一个函数，它返回包含图形和轴对象的元组。因此，当使用图ax = plt.sub()时，您将这个元组解压缩到变量图和ax中。
ax.barh(bar_positions, bar_heights,0.4) #第三个参数0.3表示每个主子的宽度
ax.set_yticks(tick_positions)
ax.set_yticklabels(num_cols,rotation = 0) #将x轴改成评分网站的名字，并倾斜20度显示
ax.set_ylabel('Rating Source')
ax.set_xlabel('Average Rating')
ax.set_title('Average User Rating For Avengers: Age of Ultron (2015)')
plt.show()
运行结果：
2 散点图
2.1 关于两个评分网站的散点图
设置散点图的函数为：.scatter( )，左参数为散点图的横坐标数据，右参数为散点图的纵坐标数据。并且表示x,y的这些数据必须是同纬度的。
基于数据，我们使用两个评分网站“Fandango_Ratingvalue”和“RT_user_norm”的数据进行散点图的绘制。
fig, ax = plt.subplots()
#画Fandango_Ratingvalue和RT_user_norm评分网站的散点图
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：
2.2 在2.1的基础上转换一下轴显示
#Switching Axes
fig = plt.figure(figsize=(10,5)) #指定画图区域
ax1 = fig.add_subplot(1,2,1) #定义两个子图
ax2 = fig.add_subplot(1,2,2)
ax1.scatter(norm_reviews['Fandango_Ratingvalue'], norm_reviews['RT_user_norm'])
ax1.set_xlabel('Fandango')
ax1.set_ylabel('Rotten Tomatoes')
#ax1与ax2的区别就是转换了一下x与y轴，嗯，就是这样
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：
