1 import numpy as np
2 import pandas as pd
3 import matplotlib.pyplot as plt
4
5 # matplotlib 是一个Python 的 2D图形包 。pyplot 封装了很多画图的函数
6
7 # plt.show()函数
8
9 # plt.plot()函数
10 # 可以绘制线型图
11 if 0:
12 if 0:
13 # 小试牛刀
14 plt.plot([1, 2, 3, 4, 4, 3, 2, 1]) # 此时默认以索引作为x坐标
15 plt.xlabel('x')
16 plt.ylabel('y')
17 pass
18 if 0:
19 # 基本用法
20 # 1,指定x 和 y :
21 # plt.plot(x,y)
22 # 2,默认参数 x为默认索引
23 # plt.plot(y)
24 plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
25 pass
26 # 字符参数
27 if 0:
28 # 表示颜色的字符参数
29 if 1:
30 '''
31 'b' blue
32 'g' green
33 r red
34 c cyan 青色
35 m magenta 品红
36 y yellow
37 k black
38 w white
39 '''
40
41 pass
42
43 # 表示线型的字符参数
44 if 1:
45 '''
46 - 实线
47 -- 虚线
48 。。。。。。
49 '''
50 pass
51
52 if 1:
53 # 要求画出红色 圆点
54 plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
55 # r 是红色 o 是圆点
56 pass
57
58 pass
59
60 # 显示范围
61 if 0:
62 # 与 Matlab类似 ，这里可以使用axis（）指定坐标轴显示的范围
63 # plt.axis([xmin,xmax,ymin,ymax ])
64 plt.plot(range(10), [x ** 2 for x in range(10)])
65 plt.axis([0, 10, 0, 100])
66 pass
67
68 # 传入Numpy 数组 （常用 ）
69 if 0:
70 # 之前都是传入的是列表，其实plot 内部还是会将列表转为数组的
71 # 所以，以后最常用的还是传入数组
72
73 # 在一个图中绘制多条线
74 arr = np.arange(0, 5, 0.2) # 不包含 5 step 为 0.2
75 plt.plot(arr, arr, 'r-',
76 arr, arr ** 2, 'b--',
77 arr, arr ** 3, 'k^',
78 arr, arr ** 2 - arr + 10, 'gs' # s 指的是 square
79 )
80
81 pass
82
83 # 线条属性
84 if 0:
85 # 这里是通过关键词的方法而不是通过字符的方式来控制颜色，线型等...
86 # 例如 通过linewidth 改变线宽 通过color 改变颜色
87 x = np.linspace(-np.pi, np.pi) # 等差数列 #固定个数用arange()
88 y = np.sin(x)
89 plt.plot(x, y, linewidth=4.0, color='r')
90
91 pass
92
93 # 使用 plt.plot()的返回值 来设置线条属性
94 if 0:
95 #plot函数返回一个Line2D对象，每个对象代表输入的一对组合
96 #eg:
97 # line1,line2 = plt.plot(x1,y1,x2,y2)
98 # line1 ,line2 为两个line2D 对象
99
100 # lines = plt.plot(x1,y1,x2,y2,x3,y3)
101 #lines 为3个Line2D对象组成的列表
102
103 #我们可以使用这些返回值来对线条属性进行设置
104
105 x = np.arange(-np.pi,np.pi,0.02)
106 y = np.sin(x)
107 line1 ,line2 = plt.plot(x,y,'r-',
108 x,y+1,'b--')
109
110 line1.set_antialiased(False) #关闭抗锯齿
111
112
113
114
115
116
117
118
119 pass
120
121 #可以使用plt.setp() 更简便地 修改线条的性质
122 if 0:
123 x = np.arange(-np.pi,np.pi,0.02)
124 y = np.sin(x)
125 line = plt.plot(x,y)
126 plt.setp(line,color='g',linewidth=4)
127
128 pass
129
130 # plt.show()
131 #子图
132 if 0:
133 #figure()函数会产生一个指定编号为num 的图 ：
134 #plt.figure(num)
135 '''
136 这里，figure(1) 其实是可以省略的，因为默认情况下
137 plt会自动地产生一幅图像，
138 使用subplot 可以在一副图中生成多个子图，其参数为：
139 plt.subplot(numrows,numcols,fignum)
140
141 当 numrows * numcols <10 时，中间的逗号可以省略，
142 因此,plt.subplot(211) 相当于plt.subplot(2,1,1)
143
144 '''
145 x = np.arange(-np.pi,np.pi,0.02)
146 y = np.sin(x)
147
148 plt.figure(figsize=(10,6))
149 plt.subplot(221)
150 plt.plot(x,y,'r-')
151
152 plt.subplot(222)
153 plt.plot(x,y*x,'g-')
154
155 plt.subplot(223)
156 plt.plot(y,x,'y-')
157
158 plt.subplot(224)
159 plt.plot(x,y*np.exp(x),'c-') #cyan 青色
160 pass
161
162 # plt.show()
163
164
165 #excel 数据绘图
166 df = pd.read_excel("d:/test.xlsx")
167 if 0:
168 print(df[:5])
169
170 if 0:
171
172 # plt.rcParams['font.family'] =['SimHei'] # 修改全局字体
173 # plt.rcParams['axes.unicode_minus'] =False # 显示负号
174 #上面修改的都是全局的 ，不建议，应当使用局部的
175
176 # 绘制每个姓名的数量 的柱状图（bar chart ）
177 if 0:
178 data = df['姓名'].value_counts()
179 # print(data)
180 x = data.index
181 y = data.values
182 plt.figure(figsize=(10,6)) #定义图片的大小
183 plt.bar(x,y,color='c')
184 plt.title("各个 '姓名' 的 数量 ",fontproperties='SimHei',fontsize=10)
185 plt.xlabel("x轴",fontproperties='SimHei',fontsize=18)
186 plt.ylabel("y轴",fontproperties='SimHei',fontsize=18)
187
188 plt.tick_params(labelsize=14)
189 plt.xticks(fontproperties ='SimHei')
190 if 0:
191 plt.xticks(rotation=90) #使x轴上的标签逆时针旋转90
192
193
194 #将每个具体的数字写到柱子 上
195 for a,b in zip(x,y):
196 plt.text(a,b+1,b,ha='center')
197 #ha 是 horizontal align
198 #va 是 vitual align
199
200 #加上网格线
201 plt.grid()
202
203
204 pass
205
206 #绘制 每个学号的 数量 的折线图 （看趋势）
207 if 0:
208 data = df['学号'].value_counts()
209 # print(data)
210 data = data.sort_index()
211
212 x = data.index
213 y = data.values
214
215 plt.plot(x,y,color = 'b') #折线图
216
217 plt.title("每个学号的数量",fontproperties='SimHei',fontsize=20)
218 plt.xlabel("学号",fontproperties = 'SimHei',fontsize = 18)
219 plt.ylabel("数量",fontproperties = 'SimHei',fontsize = 18)
220
221 for a,b in zip(x[::5],y[::5]): #学号每隔5 画上具体数据
222 plt.text(a,b+0.1,b)
223
224 #给某一点加注释
225 plt.annotate("这是我",fontproperties='SimHei',xy=(17096218,data[17096218]),xytext=(17096300,data[17096218]+3),
226 arrowprops=dict(facecolor='black',edgecolor='red')
227 #facecolor 是填充颜色 ，edgecolor 是边缘颜色
228 )
229
230
231
232
233 pass
234
235 #绘制饼图 工资 （适合类别比较少的）
236 #饼图 Sector Graph 又名 Pie Graph
237 if 0:
238 '''
239 plt.pie(
240 x, #x 是数据
241 explode=None,
242 labels=None, #饼图外侧的说明文字
243 colors=None,
244 autopct=None, #饼图内百分比的设置
245 pctdistance=0.6,
246 shadow=False, #饼图要不要有阴影
247 labeldistance=1.1,
248 startangle=None, #起始位置的角度
249 radius=None
250 ):
251
252 返回值：
253 如果没有设置autopct ,返回（patches,texts）
254 反之，返回(patches,texts ,autotexts)
255 '''
256 # print(df['工资'].min()) 12345.23
257 # print(df['工资'].max()) 557345.23
258
259 #使用cut 离散化数据
260 data = pd.cut(df['工资'],[12000,100000,300000,400000,560000])
261 # print(data)
262 if 0:
263 print(data.value_counts())
264 # (100000, 300000] 193
265 # (12000, 100000] 101
266 # (400000, 560000] 16
267 # (300000, 400000] 10
268 # Name: 工资, dtype: int64
269
270 data = data.value_counts()
271 y = data.values
272 y = y/sum(y) #就算自己不归一化，系统也会替我们进行
273
274 plt.figure(figsize=(7,7))
275 plt.title("工资的占比",fontproperties ='SimHei')
276 patches ,l_text,p_text = plt.pie(y,labels=data.index,autopct='%.1f %%',colors='ycgr',
277 startangle=90,
278 )
279
280 #根据pie 的返回值设置图中的字体
281 #设置 p_text 图内的字体
282 for i in p_text:
283 i.set_size(14)
284 i.set_color('w')
285
286 #设置 l_text 图外的字体
287 for i in l_text:
288 i.set_size(10)
289 i.set_color('red')
290
291 #增加一个图列
292 plt.legend()
293
294 pass
295
296 #绘制频率直方图 对年龄的频率绘制分布直方图
297 #直方图 Histogram 又称质量分布图，
298 #用来反应数据的分布情况
299 if 1:
300 '''
301 plt.hist(
302 x, #需要计算直方图的一维数组
303 bins=None, #直方图的柱数，默认为 10
304 normaed, #是否将得到的直方图归一化 ，默认为0
305 facecolor, #直方图的颜色
306 edgecolor, # 直方图边框颜色
307 alpha , #透明度
308 histtype='bar' #直方图的类型
309
310 )
311 返回值 ：
312 n :直方图向量 ，是否归一化由参数 normed 决定
313 bins :返回各个bin 的区间范围
314 patches :返回每个bin 里面包含的数据，是一个list
315
316 '''
317 plt.figure(figsize=(10,6))
318 plt.hist(df['年龄'],bins=20,edgecolor='k',alpha=0.5)
319
320 pass
321
322
323 pass
324 plt.show()
