数据分析之matplotlib使用
绘制折线图
参数详情
from matplotlib import pyplot as plt # 设置图片大小,dpi图片放大缩小时可以让其更清晰 plt.figure(figsize=(20,8),dpi=80) x = range(2,26,2) y = [15,13,14.5,17,20,25,26,26,24,22,18,15] # 绘图 plt.plot(x,y) # 保存图片 # plt.savefig('./1.jpg') # 也可以保存为矢量图格式.svg 放大不会有锯齿 # 设置x轴的刻度 就是将坐标变成我们想要展示的样子 # plt.xticks(x) # 可读的密集和稀疏可以通过调整x的步长 # plt.xticks(range(2,25)) # 可读的密集和稀疏可以通过调整x的步长 plt.xticks([i/2 for i in range(4,49,2)]) # 设置y轴刻度 plt.yticks(range(min(y),max(y)+1)) # 展示图形 plt.show()
显示中文的两种方式
方式一: 加上下面这两句话 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False 方式二: from matplotlib import pyplot as plt from matplotlib import font_manager my_font = font_manager.FontProperties(fname='字体路径') plt.xticks([i/2 for i in range(4,49,2)],fontproperties=my_font) # 哪里需要修改中文 就需要添加fontproperties
练习1
如果列表a表示10点到12点的每一分钟气温,如何绘制折线图观察每一分钟气温的变化情况
a = [random.randint(20,35) for i in range(120)]
import random import matplotlib from matplotlib import pyplot as plt # 设置中文 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = range(0,120) y = [random.randint(20,35) for i in range(120)] plt.figure(figsize=(20,8),dpi=80) plt.plot(x,y) # 设置显示方式 设置x轴上字符串的刻度 10点0分 --- 11点59分 _xtick_labels = ['10点{}分'.format(i) for i in range(60)] _xtick_labels += ['11点{}分'.format(i) for i in range(60)] # print(_x_tickes) plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=45) # 将x轴显示的刻度旋转45度 # 添加描述信息 plt.xlabel("时间") plt.ylabel("温度 单位(℃)") plt.title("10点到12点每分钟的气温变化情况") plt.show() # matplolib默认不显示中文
练习2
from matplotlib import pyplot as plt a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1] x = range(11,31) plt.figure(figsize=(20,8),dpi=80) plt.plot(x,a) plt.xticks(x,["{}岁".format(i) for i in x]) plt.xlabel("年龄") plt.ylabel("个数") plt.title("每年交男/女朋友的个数") # 绘制网格 plt.grid(alpha=0.5) # alpha设置网格透明度 plt.show()
练习3
from matplotlib import pyplot as plt y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1] y_2 = [1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1] x = range(11,31) plt.figure(figsize=(20,8),dpi=80) # 分别绘制我和同桌的交友信息 plt.plot(x,y_1,label="自己",color="cyan",linestyle=":") # 定制折线风格 plt.plot(x,y_2,label="同桌",color="m",linestyle="-.") plt.xticks(x,["{}岁".format(i) for i in x]) plt.xlabel("年龄") plt.ylabel("个数") plt.title("每年交男/女朋友的个数") # 绘制网格 plt.grid(alpha=0.5) # alpha设置网格透明度 # 添加图列 两步：1、在绘图的时候添加label参数；2、调用legend方法 # plt.legend(prop=my_font) # 显示中文,只有在legend中显示中文添加的参数是prop,其他都是fontproperties plt.legend(loc=2) # loc可以调节图例位置 plt.show()
自定义折线颜色
绘制散点图
练习
绘制3月份和10月份的天气变化情况
import random from matplotlib import pyplot as plt # 设置中文 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 该数据是模拟3月和10月的天气 random随机生成的 y_3 = [random.choice(range(1,20)) for i in range(1,32)] y_3.sort() # 3月份天气 y_10 = [random.choice(range(1,20)) for i in range(1,32)] y_10.sort(reverse=True) # 10月份天气 print(y_3,y_10) # x轴坐标 x_3 = range(1,32) x_10 = range(51,82) # 如果用同一个x轴画两次,图像会重叠在一起,所以将另一个整体向右偏移 # 调整图形大小 plt.figure(figsize=(20,8),dpi=80) # 绘制散点图 并添加图列显示信息 plt.scatter(x_3,y_3,label="3月份",color="orange") plt.scatter(x_10,y_10,label="10月份",color="m") # 调整x轴的刻度 _x = list(x_3)+list(x_10) # x轴所有的点 _x_label = ["3月{}号".format(i) for i in x_3] _x_label += ["10月{}号".format(i-50) for i in x_10] # 因为x_10是从51开始的所以i需要减去50才能代表11月的每一日 plt.xticks(_x[::3],_x_label[::3],rotation=45) # 添加描述信息 plt.xlabel("时间") plt.ylabel("温度") plt.title("3/10月每天的气温变化情况") # 添加图例 plt.legend(loc=1) # loc控制图例显示位置 # 显示 plt.show()
绘制条形图
练习
from matplotlib import pyplot as plt # 设置中文 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 条形图主要用来统计离散的数据 a = ["战狼2","哪吒之魔童降世","流浪地球","复仇者联盟4：终局之战","红海行动","美人鱼","唐人街探案2","我不是药神","速度与激情8","西虹市首富"] b = [56.39,47.87,46.18,42.05,36.22,33.9,33.71,30.75,26.49,25.27] # 单位(亿) # 更改大小 plt.figure(figsize=(20,8),dpi=80) # 绘制条形图,并设置条形图的宽度 plt.bar(range(len(a)),b,width=0.2,label="电影票房") # 设置x轴 plt.xticks(range(len(a)),a,rotation=45) # 绘制网格并这是透明度 plt.grid(alpha=0.5) # 添加标签 plt.xlabel("电影名") plt.ylabel("票房 (亿)") plt.title("电影票房") # 添加图例 plt.legend(loc=1) plt.show()
绘制横着的条形图
练习
from matplotlib import pyplot as plt # 设置中文 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 条形图主要用来统计离散的数据 a = ["战狼2","哪吒之魔童降世","流浪地球","复仇者联盟4：终局之战","红海行动","美人鱼","唐人街探案2","我不是药神","速度与激情8","西虹市首富"] b = [56.39,47.87,46.18,42.05,36.22,33.9,33.71,30.75,26.49,25.27] # 单位(亿) # 更改大小 plt.figure(figsize=(20,8),dpi=80) # 绘制条形图,并设置条形图的宽度 plt.barh(range(len(a)),b,height=0.3,color="orange") # 设置y轴 plt.yticks(range(len(a)),a) # 绘制网格并这是透明度 plt.grid(alpha=0.5) plt.show()
绘制多次条形图
练习
对比同一个电影在14/15/16这三天的票房情况
from matplotlib import pyplot as plt # 设置中文 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"] b_16 = [15746,313,4497,319] b_15 = [12357,156,2045,168] b_14 = [2358,399,2358,362] # 分别绘制14/15/16日的图像 这种同用一组x轴的数据需要进行偏移,不然绘制出来的图像会重叠在一起 bar_width = 0.2 # 整体向右便宜0.2 范围相加不能大于1 x_14 = list(range(len(a))) x_15 = [i+bar_width for i in x_14] x_16 = [i+bar_width*2 for i in x_14] # 设置图形大小 plt.figure(figsize=(20,8),dpi=80) # 绘制图像 plt.bar(x_14,b_14,width=bar_width,label="14日票房数据") plt.bar(x_15,b_15,width=bar_width,label="15日票房数据") plt.bar(x_16,b_16,width=bar_width,label="16日票房数据") # 设置x轴 plt.xticks(x_15,a) # 为了让电影名在中间显示所以选择x_15 # 添加图列 plt.legend(loc=1) # 添加描述信息 plt.xlabel("电影名") plt.ylabel("电影票房 (亿)") plt.title("同一个电影近3天的票房数据") plt.show()
绘制直方图
只有是没有进行统计过的数据才可以绘制直方图
a=[131, 98, 125, 131, 124, 139, 131, 117, 128,108, 135, 131, 102, 107, 114, 119, 128, 121, 142, 127, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,110, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126,130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134,125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109,132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109,119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103,144, 83,113,121,111,123,100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114,125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 111, 97,139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 124, 94, 146,133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 123, 150] import matplotlib.pyplot as plt # 设置matplotlib正常显示中文和负号 matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文 matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 # 设置图像大小 plt.figure(figsize=(20,8),dpi=80) # 计算组数 bin_width = 3 # 设置组距为3 num_bins = (max(a)-min(a))+5//bin_width # 组数 表示将数据分为多少组 print(num_bins) # 绘制直方图 plt.hist(a,num_bins) plt.grid() # 设置x轴刻度 plt.xticks(range(min(a),max(a)+bin_width,bin_width)) # 最小值---最大值 步长为组距 plt.show()
上图是频数直方图,我们可以通过normed参数来将其调整为频率直方图
import matplotlib.pyplot as plt import numpy as np import matplotlib # 设置matplotlib正常显示中文和负号 matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文 matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 # 随机生成（10000,）服从正态分布的数据 data = np.random.randn(10000) print(data) """ 绘制直方图 data:必选参数，绘图数据 bins:直方图的长条形数目，可选项，默认为10 normed:是否将得到的直方图向量归一化，可选项，默认为0，代表不归一化，显示频数。normed=1，表示归一化，显示频率。 facecolor:长条形的颜色 edgecolor:长条形边框的颜色 alpha:透明度 """ plt.hist(data, bins=40, normed=1, facecolor="orange", edgecolor="black", alpha=0.7) # 显示横轴标签 plt.xlabel("区间") # 显示纵轴标签 plt.ylabel("频率") # 显示图标题 plt.title("频率分布直方图") plt.show()
