Python数据分析-Matplotlib图标绘制
Matplotlib介绍
Matplotlib是一个强大的Python绘图和数据可视化的工具包。
Matplotlib的主要功能
Matplotlib是python中的一个包，主要用于绘制2D图形（当然也可以绘制3D，但是需要额外安装支持的工具包）
Matplotliban安装、调用
安装：pip install matplotlib
调用：import matplotlib.pyplot as plt
Plot函数绘制多条曲线
一维参数
例如传入一个list对象使用plot，打印输出形成的图像
a=[1,2,3]
plt.plot(a) #只有一个参数时，值代表y轴的值，x为值对应的索引
plt.show()
结果：plot画出的图中横坐标是list的index，纵坐标是list的value，他会在图上形成三个点，然后将点连成线，所以它形成的是折线图，因为list满足线性关系（y的值是连续的），所以形成的图像是一个直线。
二维参数
例如传入2个list对象使用plot，打印输出形成的图像
a=[1,2,3] b=[4,5,6] plt.plot(a,b) plt.show()
结果：
折线图会根据传入参数的变化，线形状会发生变化
注意：传入的2个参数数值位数必须一致，否则会出现ValueError报错
设定线条风格（点线、虚线、圆点、颜色设置）
线型linestyle（-,-.,--,.） 点型marker（v,^,s,*,H,+,x,D,o,…） 颜色color（b,g,r,y,k,w,…）
1.默认是实现，可以设置成点线和虚线
2.默认是蓝色，可以设置成其他颜色
虚线 ' -- ' ，参数指定了线的类型为虚线
a=[1,2,3] b=[4,5,8] plt.plot(a,b,'--') plt.show()
点线 ‘ * ’，参数制定了线的类型为点线（plt.plot(a,b,'o'), o 表示圆点）
a=[1,2,3] b=[4,5,8] plt.plot(a,b,'*') plt.show()
颜色
例如设定红色线条
a=[1,2,3] b=[4,5,8] plt.plot(a,b,'r') #plt.plot(a,b,'red') 也可以直接写颜色的英文单词 plt.show()
形状+颜色联合设定，例如设定绿色+虚线线条
a=[1,2,3] b=[4,5,8] plt.plot(a,b,'g--') #绿色并且虚线 plt.show()
绘制多条曲线
#plot函数绘制多条曲线 标题：set title x轴： set xlabel y轴： set ylabel
只需要依次指定每组（两两）线条的x、y坐标即可
#一个图像中绘制多个线条 a=[1,2,3] b=[4,5,8] c=[7,8,6] d=[1,5,2] plt.plot(a,b,c,d,'r--') plt.show()
可以给不同线条指定不同的风格
a=[1,2,3] b=[4,5,8] c=[7,8,6] d=[1,5,2] plt.plot(a,b,'bo',c,d,'r+') plt.show()
多曲线基础操作演示
1）首先生成数据，绘制2条线
#一个窗口下绘制两条线，并对其添加显示内容 t=np.arange(0,2,0.1) print(t) print(t.size) #20 #np.sin()取传入的参数的正弦 #np.pi 是一个常量，代表3.1415926... s=np.sin(t*np.pi) print(s) print(s.size) #20 ''' [ 0.00000000e+00 3.09016994e-01 5.87785252e-01 8.09016994e-01 9.51056516e-01 1.00000000e+00 9.51056516e-01 8.09016994e-01 5.87785252e-01 3.09016994e-01 1.22464680e-16 -3.09016994e-01 -5.87785252e-01 -8.09016994e-01 -9.51056516e-01 -1.00000000e+00 -9.51056516e-01 -8.09016994e-01 -5.87785252e-01 -3.09016994e-01] ''' plt.plot(t,s,'r--',t*2,s,'g--') plt.show()
显示结果
2）为x、y轴坐标设置标签label说明
plt.plot(t,s,'r--',t*2,s,'g--') plt.xlabel('x轴') plt.ylabel('y轴') plt.show()
结果：存在两个问题 1)：中文无法识别 2）：坐标负号显示可能会有问题
做数据分析时，可以提前再开头写入这2行，避免中文、负号识别问题：
解决问题1：中文内容无法识别问题，在建立图标之前加入一行代码
#解决中文标签不显示问题plt.rcParams['font.sans-serif'] = ['SimHei']
解决问题2：坐标轴上负号无法显示的问题
#负号显示问题 plt.rcParams['axes.unicode_minus'] = False
3）为图像指定title标题说明
plt.title('元素正弦图示')
4）为图像指定图例label（即每条线设置描述说明）
#分别为2条线侧面添加描述说明 plt.plot(t,s,'r--',label='线条一走向') plt.plot(t*2,s,'g--',label='线条二走向') plt.xlabel('x轴') plt.ylabel('y轴') plt.title('元素正弦图示') #一定要加结束语 plt.legend() plt.show()
最终显示结果
曲线图操作展示初级
（1）numpy+matplotlib结合，根据提供的值得出x、y轴的显示图
import matplotlib.pyplot as plt import numpy as np import pandas as pd #实例1 #从[-1,1]中取50个等差值 x=np.linspace(-1,1,50) #print(x) y=2*x +1 #x:横坐标的值 y:纵坐标的值 res1=plt.plot(x,y) print(res1) #[<matplotlib.lines.Line2D object at 0x0ACE2350>] 返回的是一个matplotlib.lines.Line2D对象 #将设置好的figure(图形、形状)显示出来 plt.show()
结果为
延伸：变化如果y=2^x,再次求最终的图像显示
x=np.linspace(-1,1,50) #y=2^x平方，因为不是同比增长，生成的图像如下 y=2**x +1 plt.plot(x,y) plt.show()
结果为
hist函数绘制频数直方图
实验一：
第一步：生成一个100*100初始值为0的二维数组
import matplotlib.pyplot as plt import numpy as np import pandas as pd import random 第一步：生成一个100*100初始值为0的二维数组 data=np.zeros((100,100),dtype=int)
第二步：利用random模块将数组中每个值变为0-20的随机值
第二步：利用random模块将数组中每个值变为0-20的随机值 for i in range(len(data)): #拿到每一行数组的长度 for j in range(len(data[0])): #根据以上2个参数可以一次循环取出数组中的没一个参数，并通过下面操作给每个参数随机赋值 data[i][j] = random.randint(1,20) print('初始Numpy,data数组的变化') print(type(data)) #<class 'numpy.ndarray'>
第三步：将Numpy数组类型转为DataFrame类型（即让数组有横竖的坐标）
第三步：将Numpy数组类型转为DataFrame类型（即让数组有横竖的坐标） data_new=pd.DataFrame(data) print(data_new) ''' DataFrame变化后的改变 0 1 2 3 4 5 6 7 8 ... 91 92 93 94 95 96 97 98 99 0 12 5 13 3 19 4 1 4 10 ... 14 2 14 10 4 10 13 15 15 1 12 18 16 20 6 7 1 14 18 ... 4 15 19 8 20 16 15 8 12 2 15 9 1 3 18 12 20 20 9 ... 20 2 1 9 17 9 17 2 2 3 10 15 8 2 3 16 13 13 19 ... 10 14 15 17 4 7 2 11 9 4 1 3 6 10 11 14 3 10 13 ... 8 19 1 12 2 10 20 6 5 5 20 19 11 8 1 19 1 2 6 ... 1 16 18 7 17 15 20 15 2 6 7 14 18 2 14 18 2 14 15 ... 14 11 16 14 12 17 8 10 4 7 20 12 17 5 11 10 10 8 14 ... 7 20 1 5 10 15 18 13 10 8 17 16 14 5 7 11 5 16 8 ... 18 8 4 7 7 3 17 10 20 9 6 7 16 13 7 15 13 15 5 ... 7 5 9 8 7 1 14 15 17 10 1 10 9 5 5 11 16 20 10 ... 17 18 18 7 16 3 11 7 13 11 3 10 15 17 9 16 19 13 1 ... 5 5 18 1 7 16 15 13 4 12 13 10 18 17 16 10 12 16 7 ... 12 2 7 16 12 19 7 11 12 13 4 10 20 1 1 1 19 6 17 ... 16 5 19 12 16 14 18 14 13 14 9 13 18 6 10 8 9 4 1 ... 9 12 6 8 10 1 10 9 18 15 6 11 4 5 17 1 10 2 12 ... 20 1 17 8 7 9 17 19 14 16 9 2 17 4 17 16 8 16 3 ... 10 11 5 16 1 2 7 18 16 17 16 3 2 16 15 17 8 8 13 ... 17 4 11 14 9 12 12 5 14 18 9 3 18 1 7 20 1 18 14 ... 1 5 2 12 9 10 6 4 12 19 19 18 3 13 18 17 7 12 5 ... 15 2 3 19 8 5 3 7 14 20 20 15 5 14 1 19 10 7 16 ... 12 14 12 12 18 15 17 4 6 21 10 20 19 6 6 20 18 20 5 ... 19 6 20 9 4 15 16 20 5 22 14 12 2 3 4 14 6 2 16 ... 16 10 5 20 3 14 20 6 19 23 14 18 6 12 3 11 10 8 8 ... 9 2 7 13 13 14 3 13 1 24 2 16 3 20 4 15 15 2 9 ... 20 7 16 13 3 1 18 5 17 25 9 17 8 15 5 16 1 19 3 ... 17 8 7 4 2 13 4 13 14 26 16 12 7 19 13 1 19 16 7 ... 15 11 3 19 19 4 2 1 6 27 8 14 2 6 7 16 11 19 19 ... 10 7 9 12 18 17 14 12 9 28 6 14 12 13 18 20 10 9 12 ... 15 2 20 14 11 6 16 19 3 29 18 3 13 15 20 5 10 18 17 ... 5 17 11 20 10 15 3 12 9 .. .. .. .. .. .. .. .. .. .. ... .. .. .. .. .. .. .. .. .. 70 5 9 20 9 20 4 3 12 17 ... 10 6 17 14 1 9 6 10 10 71 11 10 17 14 19 2 4 19 5 ... 8 4 7 1 20 13 7 11 15 72 13 11 16 15 3 8 4 17 13 ... 6 8 20 3 12 8 14 20 7 73 2 19 6 1 12 2 14 10 14 ... 10 17 9 1 18 1 6 14 7 74 3 8 17 1 12 4 17 18 7 ... 16 10 15 6 16 3 5 8 17 75 1 15 4 9 20 5 16 9 20 ... 18 13 10 6 19 9 20 12 16 76 16 6 6 19 4 5 8 1 11 ... 17 17 20 6 14 1 4 5 1 77 15 4 16 19 8 4 11 10 12 ... 1 6 19 13 12 16 10 3 13 78 18 16 20 13 16 15 18 11 4 ... 4 12 5 17 16 18 15 17 10 79 20 1 18 6 3 7 19 6 10 ... 14 16 12 8 15 9 5 6 6 80 15 14 4 1 14 8 10 18 14 ... 13 10 18 16 5 8 11 7 4 81 3 19 1 8 13 8 20 19 8 ... 7 19 9 9 9 6 10 19 20 82 9 18 19 1 3 1 13 6 3 ... 8 14 7 5 14 3 7 5 11 83 15 5 14 13 18 3 1 5 10 ... 12 7 14 5 1 11 7 6 3 84 12 18 16 10 19 6 9 3 8 ... 19 7 1 7 9 12 6 20 13 85 16 16 2 17 3 3 8 15 2 ... 1 20 15 1 17 19 16 4 4 86 2 12 11 7 5 14 19 19 18 ... 3 4 16 2 8 6 13 18 11 87 10 13 19 20 6 17 3 20 7 ... 16 2 8 20 19 14 17 6 7 88 6 3 7 12 13 19 1 17 14 ... 14 10 18 12 14 14 4 12 8 89 16 8 19 12 14 15 2 11 19 ... 2 18 20 6 18 9 20 10 2 90 12 17 19 19 17 18 18 14 6 ... 7 13 16 5 3 16 10 4 11 91 16 1 13 13 4 12 18 12 4 ... 11 19 5 6 18 18 9 17 17 92 3 8 10 1 13 1 15 19 19 ... 20 18 15 5 14 12 13 16 8 93 11 9 12 10 4 2 14 6 16 ... 6 11 11 9 11 7 8 17 14 94 13 3 6 3 16 3 3 11 10 ... 8 6 17 17 14 9 7 4 5 95 2 3 9 17 1 14 17 3 18 ... 3 4 12 6 7 14 12 14 8 96 3 18 8 5 11 10 11 11 19 ... 2 13 15 14 18 9 11 13 19 97 2 3 5 15 5 7 13 4 16 ... 12 2 16 5 1 10 10 2 13 98 3 9 6 4 2 13 5 20 12 ... 6 20 14 7 6 4 10 12 14 99 20 16 3 12 14 11 14 7 10 ... 9 3 11 17 5 3 9 1 15 ''' print(type(data_new)) #<class 'pandas.core.frame.DataFrame'>
第四步：从DataFrame数组中取第1列的值
#拿到第一列的值 print('取第一列的值') print(data_new[0]) ''' 取第一列的值 0 12 1 12 2 15 3 10 4 1 5 20 6 7 7 20 8 17 9 6 10 1 11 3 12 13 13 4 14 9 15 6 16 9 17 16 18 9 19 19 20 20 21 10 22 14 23 14 24 2 25 9 26 16 27 8 28 6 29 18 .. 70 5 71 11 72 13 73 2 74 3 75 1 76 16 77 15 78 18 79 20 80 15 81 3 82 9 83 15 84 12 85 16 86 2 87 10 88 6 89 16 90 12 91 16 92 3 93 11 94 13 95 2 96 3 97 2 98 3 99 20 Name: 0, Length: 100, dtype: int32 '''
第五步：通过value_counts()对第四步数据进行处理，得出数值与频数的对应关系表，如下
#注意value_counts函数统计一个series上的数据情况 data_new=data_new[0].value_counts() data_new=data_new.sort_index() print('绘制DataFrame数组第一列中数值与频率的对应关系柱状图') print(data_new) ''' (数值) （频数） 1 5 2 7 3 12 4 4 5 2 6 6 7 1 8 4 9 5 10 5 11 3 12 4 13 5 14 4 15 6 16 7 17 3 18 3 19 6 20 8 Name: 0, dtype: int64 '''
第六步：利用plt.hist()绘制柱状图
通过DataFrame绘制第一列，数据——频率柱状图
#通过DataFrame绘制第一列，数据——频率柱状图 print('根据上面的data_new,绘制第一列数据与频率的柱状图') plt.hist(data_new,bins=20) #bins指柱状图的柱数默认是10 plt.show()
通过DataFrame绘制第一列，数据——频率柱状图
#通过Numpy绘制每一行，数据——频率柱状图（横轴：数据 纵轴：频数） print('绘制Numpy，data[0]第一行数据与频率的柱状图') plt.hist(data[0]) plt.show()
