Matplotlib入门 | 一步一步跟我学Python（七）

• 1.本系列基于新生大学课程《Python编程&数据科学入门》和公开的参考资料；
• 2.文章例子基于python3.6，使用Windows系统（除了安装，其余基本没有影响）；
• 3.我是纯小白，所以，错误在所难免，体系会逐渐成熟；如果您发现了错误，也烦请帮我指出来，在此先谢过了。

终于来更新第七节课了，这堂课主要是抄代码，自己整合的较少。

这节课学习的是绘图和可视化，主要内容是matplotlib 绘图基础。内容主要有三个：

• matplotlib绘图基础
• 一个具体的应用案例
• seaborn数据可视化的用法

一、matplotlib API入门

matplotlib是python的一个绘图工具包。之前我们在学习pandas时，已经知道通过pandas的一些属性，也可以画出散点图等图形。为什么要再出一个matplotlib呢？

一个原因是matplotlib基于matlib，它的函数更加丰富，而且它能够绘出更复杂的图形，他输出的是出版物级别的图，是一个非常强大的工具。

其实，学习matplotlib其实技巧并不重要，重要的是我们要知道哪些数据可以通过什么类型的图形来展示，以及这些类型的函数都在哪里。

前者需要我们大量阅读别人的数据分析图表，类似于学习音乐的“煲耳朵”，而后者可以在matplotlib官网上方便的找到。这也许是后话了。

下面我们正式开始。

进入python环境：

# 先导入库
import matplotlib.pyplot as plt
# 导入其他的包
import numpy as np
import pandas as pd

# 设置直接在notebook中输出图形
%matplotlib inline
# 设置图形的清晰度
%config InlineBackend.figure_format = 'retina'

下面我们来绘制一副余弦图。

# 先设置坐标x的取值范围，定义余弦函数
x = np.arange(0,15,0.1)
y = np.cos(x)
# 开始绘图
plt.plot(x, y)

[]

很简单，就画出一幅余弦图了。但这样不是很美观，可以对这幅图进行美化设计。

# 将前面的函数搬下来
x= np.arange(2,15,0.1)
y = np.cos(x)
plt.plot(x,y)
# 添加标题，x轴和轴的名称
plt.title('cos function')
plt.xlabel('x value')
plt.ylabel('y value')
# 用show()函数用来把图形前面的无关符号去掉。
plt.show()

我们还可以继续装饰，增加线的颜色、线型、粗细等。

matplotlib设置了很多简化的形式：

• 颜色首字母代表颜色，比如红色red用r代替，绿色green用g代替；
• 用“-”代表直线，“--”代表虚线，用“^”代表三角等等

# 设置线型为虚线，线宽为3.0
plt.plot(x,y , 'b--', linewidth = 3.0)
# 设定x轴和y轴的使用区间
plt.axis([0,6, -1.2, 1])
# 加网格线
plt.grid(True)
# 加文字描述
plt.text(2, 0, 'cos function')

这个图形就相对比较美观了。

用matplotlib绘制多图

用matplotlib还可以很方便的绘制多个图形，下面绘制y= x, y= x 2(平方）, y= x3（3次方）这3个函数

# 先定义函数的范围
x = np.arange(0, 5, 0.2)

# 用简化的形式：颜色用一个字母代替，线性也用一个字母代替。
plt.plot(x, x,'r-' ,x, x**2,'g^', x, x**3, 'y--')
plt.show()

这种方法比我们在pandas学的方法要简单多了。

二、一个具体的案例

# 导入一个excel数据文件
df = pd.read_excel('lesson/sample-salesv3.xlsx')
df.head()
# account number表示账号，name代表交易的公司，sku代表商品的货号，quantity表示购货量，ext price表示总价

就是下面这样一张表：

# 先查看这个表格的总体情况
df.info()
# 总共1500行，有7列，4列字符型，3列数字型

RangeIndex: 1500 entries, 0 to 1499
Data columns (total 7 columns):
account number    1500 non-null int64
name              1500 non-null object
sku               1500 non-null object
quantity          1500 non-null int64
unit price        1500 non-null float64
ext price         1500 non-null float64
date              1500 non-null object
dtypes: float64(2), int64(2), object(3)
memory usage: 82.1+ KB

# 再查看一下参加交易公司的数量
len(df.name.unique())

20

再来根据这个表格生成一个适合我们统计的表格，我们只需要公司名称、购货量、交易笔数这3项。

# 用groupby来分组，用agg进行聚合运算，sum可以统计总额，count计算交易的次数
# reset_index是重置函数，取消name作为索引
# sort_values按照指定的列进行排序，ascending=False设置降序排序

top10 = df.groupby('name')['ext price'].agg(['sum','count']).reset_index().sort_values(by = 'sum', ascending = False)[:10]
top10
# 可以使用rename对变量重命名,replace表示替换原来的变量名称，如果不替换，就只是产生了一个引用
top10.rename(columns = {'name':'Name','sum':'Sales','count':'Purchase'},inplace=True)

top10

下面我们用这个新表画一个条形图：

# 设置作图的风格
plt.style.use('bmh')

# bar绘制水平的直方图，barh绘制水平的条形图
plt.barh(np.arange(10), top10['Sales'], height = 0.5)

# 下面再增加一些必要的装饰

plt.title('Top 10 Sales Company')
plt.xlabel('Total Revenue')
plt.ylabel('Customer')

# 修改横纵坐标的刻度
plt.yticks(np.arange(10), top10.Name)
plt.xticks([0.20000,40000,60000,80000,100000,120000,14000],
          ['$0k','$20k','$40k','$60k','$80k','$100k''$120k','$140k'])

plt.show()

PS: 刚才死活出不来图，显示错误：ValueError: incompatible sizes: argument 'width' must be length 10 or scalar。

刚开始没注意。后来想读读看看。原来是因为字符的长度不匹配，修改之后就好了。不懂英语真可怕，明明写的是数量必须是10个，我就是没明白。

# 用plt.style.available查看作图的风格
plt.style.available

下面这些都是可以用的作图风格，可以挨个试试，选自己喜欢的风格。

['bmh',
 'classic',
 'dark_background',
 'fivethirtyeight',
 'ggplot',
 'grayscale',
 'seaborn-bright',
 'seaborn-colorblind',
 'seaborn-dark-palette',
 'seaborn-dark',
 'seaborn-darkgrid',
 'seaborn-deep',
 'seaborn-muted',
 'seaborn-notebook',
 'seaborn-paper',
 'seaborn-pastel',
 'seaborn-poster',
 'seaborn-talk',
 'seaborn-ticks',
 'seaborn-white',
 'seaborn-whitegrid',
 'seaborn',
 '_classic_test']

# 下面画出交易总数最高的10个公司的条形图
top10_1 = df.groupby('name')['quantity'].agg(['sum','count']).reset_index().sort_values(by='count', ascending = False)[:10]

top10_1

开始画图，使用经典风格。

plt.style.use('classic')

plt.barh(np.arange(10), top10_1['count'], height = 0.5 )
plt.title('The Top10 Salses Count')
plt.xlabel('Count')
plt.ylabel('Customer')

plt.yticks(np.arange(10), top10_1['name'])

plt.show()

matplotlib能够很方便的绘制多图。比如在同一幅图中绘制销售总额和交易次数的条形图：

# 先设置画布大小
fig = plt.figure(figsize = (20,8))
# 设置图像标题、文字大小、加粗
fig.suptitle('Sales Analysis', fontsize = 16, fontweight = 'bold')

# 添加第一个子图
ax1 = fig.add_subplot(121) # 121代表的是1行2列中的第1个图
plt.barh(np.arange(10), top10.Sales, height = 0.5, tick_label = top10.Name)
plt.title('Revenue')

# 加入平均销售额，用一条垂直的虚线表示
revenue_average = top10.Sales.mean()
plt.axvline(x=revenue_average, color = 'y', linestyle = '--', linewidth = 2)

# 同样的，添加第二个图。
ax2 = fig.add_subplot(122)# 122代表的是1行2列中的第2个图
plt.barh(np.arange(10), top10.Purchase, height = 0.5)
plt.title('Units')
# 让第二幅图不显示纵轴的刻度
plt.yticks(visible = False)

# 加入交易个数的平均线，也用黄色的垂直虚线表示
purchases_average = top10.Purchase.mean()
plt.axvline(x= purchases_average, color = 'y', linestyle='--', linewidth=2)

plt.show()

这就画好了两幅图。

学习matplotlib的三个小技巧：

• 去官网学习。官网有全部的图形库，特别是可以从官网提供的例子来学习，这样学习起来非常快。而且能够一边学习，一边提高英文的水平。

• 多做笔记。因为图形的种类非常多，参数多，不可能全部记住，可以把一些重点的记录在笔记里面，随时调用。比如，可以用印象笔记，记录一些函数。

• 多用google，可以找到很多资料。

我们再多看几个例子：

# 绘制饼图
plt.pie(top10.Sales, labels= top10.Name, autopct='%1.1f%%')
# 调整坐标轴比例为1:1，也就是圆形
plt.axis('equal')
plt.show()

# 画一个散点图
plt.scatter(x= top10.Purchase, y=top10.Sales, s = 50)
plt.show()

# 绘制直方图。用hist直方图，bins代表区间个数
plt.hist(df['ext price'], bins = 20, rwidth = 0.9)

# 设置x轴区间的范围
plt.xlim(-200,5000)
plt.show()

三、seaborn

下面再来看看seaborn。

seaborn是在matplotlib基础上开发的一个模块，它也是为了实现统计可视化，可以与pandas无缝对接，但它比matplotblib使用更简单，更便于新手直接使用。

matplotlib和seaborn的关系就像pandas和numpy的关系一样。

# 首先仍是导入seaborn包
import seaborn as sns
# 导入鸢尾花的数据
iris = pd.read_csv('iris.csv', names = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'species'])
iris.head()

# 使用matplotlib绘制散点图
plt.scatter(iris.pental_width, iris.petal_length)

下面再使用seaborn做图来对比一下， 仍然用品种划分数据画出花瓣长度和宽度的散点图。

FacetGrid对象是用来连接pandas DataFrame到一个有着特别结构的matplotlib图像。具体来说，FacetGrid是用来画一组固定的关系给定某个变量的某个值。FacetGrid中的hue参数指明划分数据的变量，这里是species（品种）

sns.FacetGrid(iris, hue="species",size = 6)\
    .map(plt.scatter, 'petal_length', 'petal_width').add_legend() #legend增加图例

下面用seaborn画出箱线图

sns.boxplot(data = iris, x = 'species', y = 'sepal_length')

大家注意到了没有，在红色的箱线图的下方有一个黑色的小点，这个点上次也出现过，这个点是一些离散值。

多变量图

也就是通过一行命令画出四个变量的配对关系。

sns.pairplot(iris, hue='species')
# 这个图是按照种类划分的多图。

seaborn这个命令的效率太惊人了。

两个不同要素对应的是散点图，一个因素（对角线上）的是条形图。