数据分析入门之Matplotlib数据可视化基础(散点图、折线图、直方图、饼图、箱线图)

1、掌握pyplot基础语法

1.1、基本绘图流程

1.2、创建画布与创建子图

• 第一部分主要作用是构建出一张空白的画布，并可以选择是否将整个画布划分为多个部分，方便在同一幅图上绘制多个图形的情况。最简单的绘图可以省略第一部分，而后直接在默认的画布上进行图形绘制。

函数名称	函数作用
plt.figure	创建一个空白画布，可以指定画布大小，像素
figure.add_subplot	创建并选中子图，可以指定子图的行数，列数，与选中图片编号

import matplotlib.pyplot as plt
import numpy as np

1.2.1、设置画布大小

plt.figure(figsize=(4,4))
x = np.arange(10)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x,y1)
plt.show()

1.2.2、添加图列

plt.plot(x,y1)
plt.plot(x,y2)
plt.legend(['sin()','cos()'])
plt.title('三角函数图列')
plt.xlabel('x值')
plt.ylabel('y值')
plt.show()

1.2.3、解决中文乱码

from matplotlib import rcParams
#支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

plt.plot(x,y1)
plt.plot(x,y2)
plt.legend(['sin()','cos()'])
plt.title('三角函数图列')
plt.xlabel('x值')
plt.ylabel('y值')
plt.show()

1.3、添加画布内容

• 第二部分是绘图的主体部分。其中添加标题，坐标轴名称，绘制图形等步骤是并列的，没有先后顺序，可以先绘制图形，也可以先添加各类标签。但是添加图例一定要在绘制图形之后。

函数名称	函数作用
plt.title	在当前图形中添加标题，可以指定标题的名称、位置、颜色、字体大小等参数
plt.xlabel	在当前图形中添加x轴名称，可以指定位置、颜色、字体大小等参数
plt.ylabel	在当前图形中添加y轴名称，可以指定位置、颜色、字体大小等参数
plt.xlim	指定当前图形x轴的范围，只能确定一个数值区间，而无法使用字符串标识
plt.ylim	指定当前图形y轴的范围，只能确定一个数值区间，而无法使用字符串标识
plt.xticks	指定x轴刻度的数目与取值
plt.yticks	指定y轴刻度的数目与取值
plt.legend	指定当前图形的图例，可以指定图例的大小、位置、标签

1.4、保存与展示图形

• 主要用于保存和显示图形

函数名称	函数作用
plt.savafig	保存绘制的图片，可以指定图片的分辨率、边缘的颜色等参数
plt.show	在本机显示图形

from matplotlib import rcParams
#支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

x = np.arange(10)#x轴
y1 = np.sin(x)#y轴
y2 = np.cos(x)

plt.plot(x,y1)#画sin()图像
plt.plot(x,y2)#画cos()图像
plt.legend(['sin()','cos()'])#标明图列
plt.title('三角函数图列')#显示标题
plt.xlabel('x值')#标记x轴
plt.ylabel('y值')#标记y轴
plt.savefig('./sin_cos.png')#保存图片到本地
plt.show()#展示图片

1.5、查看本地文件夹

import os
os.listdir('./')

['.ipynb_checkpoints',
 'Matplotlib数据可视化基础.ipynb',
 'sin_cos.png',
 '国民经济核算季度数据.npz']

2、绘制散点图

• 散点图（scatter diagram）又称为散点分布图，是以一个特征为横坐标，另一个特征为纵坐标，利用坐标点（散点）的分布形态反映特征间的统计关系的一种图形。
• 值是由点在图表中的位置表示，类别是由图表中的不同标记表示，通常用于比较跨类别的数据。
• scatter函数：
  • matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, alpha=None, **kwargs)
• 常用参数及说明如下表所示：

参数名称	说明
x，y	接收array。表示x轴和y轴对应的数据。无默认
s	接收数值或者一维的array。指定点的大小，若传入一维array则表示每个点的大小。默认为None
c	接收颜色或者一维的array。指定点的颜色，若传入一维array则表示每个点的颜色。默认为None
marker	接收特定string。表示绘制的点的类型。默认为None
alpha	接收0-1的小数。表示点的透明度。默认为None

2.1、导入数据

data = np.load('./国民经济核算季度数据.npz')#allow_pickle=True
data.files

['columns', 'values']

查看数据：

2.2、解决"Object arrays cannot be loaded when allow_pickle=False"错误

• 如果导入数据后，查看数据报错，可以把导入方式改为
  • data = np.load(Path,allow_pickle=True)

data = np.load('./国民经济核算季度数据.npz',allow_pickle=True)#allow_pickle=True用于解决报错问题
data['columns']#相当于header

array(['序号', '时间', '国内生产总值_当季值(亿元)', '第一产业增加值_当季值(亿元)', '第二产业增加值_当季值(亿元)',
       '第三产业增加值_当季值(亿元)', '农林牧渔业增加值_当季值(亿元)', '工业增加值_当季值(亿元)',
       '建筑业增加值_当季值(亿元)', '批发和零售业增加值_当季值(亿元)', '交通运输、仓储和邮政业增加值_当季值(亿元)',
       '住宿和餐饮业增加值_当季值(亿元)', '金融业增加值_当季值(亿元)', '房地产业增加值_当季值(亿元)',
       '其他行业增加值_当季值(亿元)'], dtype=object)

data['values']#相当于body

array([[1, '2000年第一季度', 21329.9, ..., 1235.9, 933.7, 3586.1],
       [2, '2000年第二季度', 24043.4, ..., 1124.0, 904.7, 3464.9],
       [3, '2000年第三季度', 25712.5, ..., 1170.4, 1070.9, 3518.2],
       ...,
       [67, '2016年第三季度', 190529.5, ..., 15472.5, 12164.1, 37964.1],
       [68, '2016年第四季度', 211281.3, ..., 15548.7, 13214.9, 39848.4],
       [69, '2017年第一季度', 180682.7, ..., 17213.5, 12393.4, 42443.1]],
      dtype=object)

2.3、绘制散点图

• plt.scatter(x,y,s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

(1) 绘制第一产业增加值

plt.scatter(range(69),data['values'][:,2])
plt.show()

(2) 绘制第一、二、三产业增加值

for i in [3,4,5]:#分别对应一二三产业
    plt.scatter(range(69),data['values'][:,i])
    plt.legend(['1','2','3'])
plt.show()

3、绘制折线图

• 折线图（line chart）是一种将数据点按照顺序连接起来的图形。可以看作是将散点图，按照x轴坐标顺序连接起来的图形。
• 折线图的主要功能是查看因变量y随着自变量x改变的趋势，最适合用于显示随时间（根据常用比例设置）而变化的连续数据。同时还可以看出数量的差异，增长趋势的变化。
• plot函数
  • matplotlib.pyplot.plot(*args, **kwargs)
• plot函数在官方文档的语法中只要求填入不定长参数，实际可以填入的主要参数主要如下：

参数名称	说明
x，y	接收array。表示x轴和y轴对应的数据。无默认
color	接收特定string。指定线条的颜色。默认为None
linestyle	接收特定string。指定线条类型。默认为“-”
marker	接收特定string。表示绘制的点的类型。默认为None
alpha	接收0-1的小数。表示点的透明度。默认为None

(1) 绘制一二三产业的折线图

from matplotlib import rcParams
#支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

for i in [3,4,5]:#分别对应一二三产业
    plt.plot(range(69),data['values'][:,i])
plt.legend(['第一产业','第二产业','第三产业'])
plt.show()

(2) 设置相关样式

l = ['r','b','c']#颜色
m = ['o','d','*']#形状分别为：圆形，菱形，星形

for j,i in enumerate([3,4,5]):
    plt.plot(range(69),data['values'][:,i],c=l[j],marker=m[j],alpha=0.5)#alpha为透明度
plt.legend(['第一产业','第二产业','第三产业'])
plt.show()

(3) 样式调整

l = ['r','b','c']#颜色
m = ['o','d','*']#形状分别为：圆形，菱形，星形

#plt.xlim((0,10))#设置数值的显示范围

plt.figure(figsize=(20,6))#设置图像画布比例

for j,i in enumerate([3,4,5]):
    plt.plot(data['values'][:,1],data['values'][:,i],c=l[j],marker=m[j],alpha=0.5)#alpha为透明度
plt.legend(['第一产业','第二产业','第三产业'])
plt.xticks(rotation=90)#x轴数据旋转90°
plt.show()

4、绘制直方图

• 直方图（Histogram）又称质量分布图，是统计报告图的一种，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据所属类别，纵轴表示数量或者占比。
• 用直方图可以比较直观地看出产品质量特性的分布状态，便于判断其总体质量分布情况。直方图可以发现分布表无法发现的数据模式、样本的频率分布和总体的分布。
• bar函数：
  • matplotlib.pyplot.bar（left，height，width = 0.8，bottom = None，hold = None，data = None，** kwargs ）
• 常用参数及说明如下表所示：

参数名称	说明
left	接收array。表示x轴数据。无默认
height	接收array。表示x轴所代表数据的数量。无默认
width	接收0-1之间的float。指定直方图宽度。默认为0.8
color	接收特定string或者包含颜色字符串的array。表示直方图颜色。默认为None

data['values']

array([[1, '2000年第一季度', 21329.9, ..., 1235.9, 933.7, 3586.1],
       [2, '2000年第二季度', 24043.4, ..., 1124.0, 904.7, 3464.9],
       [3, '2000年第三季度', 25712.5, ..., 1170.4, 1070.9, 3518.2],
       ...,
       [67, '2016年第三季度', 190529.5, ..., 15472.5, 12164.1, 37964.1],
       [68, '2016年第四季度', 211281.3, ..., 15548.7, 13214.9, 39848.4],
       [69, '2017年第一季度', 180682.7, ..., 17213.5, 12393.4, 42443.1]],
      dtype=object)

数据可视化：

dt = data['values'][68,3:6]#读取序列号为69的一二三产业数据
plt.bar(range(len(dt)),dt)
plt.xticks(range(len(dt)),['第一产业','第二产业','第三产业'])
plt.show()

5、绘制饼图

• 饼图（Pie Graph）是将各项的大小与各项总和的比例显示在一张“饼”中，以“饼”的大小来确定每一项的占比。
• 饼图可以比较清楚地反映出部分与部分、部分与整体之间的比例关系，易于显示每组数据相对于总数的大小，而且显现方式直观。
• pie函数
  • matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, … )
• 常用参数及说明如下表所示：

参数名称	说明
x	接收array。表示用于绘制撇的数据。无默认
explode	接收array。表示指定项离饼图圆心为n个半径。默认为None
labels	接收array。指定每一项的名称。默认为None
color	接收特定string或者包含颜色字符串的array。表示饼图颜色。默认为None
autopct	接收特定string。指定数值的显示方式。默认为None
pctdistance	接收float。指定每一项的比例和距离饼图圆心n个半径。默认为0.6
labeldistance	接收float。指定每一项的名称和距离饼图圆心多少个半径。默认为1.1
radius	接收float。表示饼图的半径。默认为1

plt.figure(figsize=(4,4))#设置画布大小，图像显示为正圆

#画图,autopct显示百分比,explode向外凸，labels为图列标签，labeldistance为距离
plt.pie(dt,autopct='%.2f%%',explode=[0.2,0,0],labels=['第一产业','第二产业','第三产业'],labeldistance=1.4)
plt.show()

6、绘制箱线图

• 箱线图（boxplot）也称箱须图，其绘制需使用常用的统计量，能提供有关数据位置和分散情况的关键信息，尤其在比较不同特征时，更可表现其分散程度差异。

• 箱线图利用数据中的五个统计量（最小值、下四分位数、中位数、上四分位数和最大值）来描述数据，它也可以粗略地看出数据是否具有对称性、分布的分散程度等信息，特别可以用于对几个样本的比较，如图：
  

• boxplot函数

  • matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None,meanline=None, labels=None, … )

参数名称	说明
x	接收array。表示用于绘制箱线图的数据。无默认
notch	接收boolean。表示中间箱体是否有缺口。默认为None
sym	接收特定sting。指定异常点形状。默认为None
vert	接收boolean。表示图形是横向纵向或者横向。默认为None
positions	接收array。表示图形位置。默认为None
widths	接收scalar或者array。表示每个箱体的宽度。默认为None
labels	接收array。指定每一个箱线图的标签。默认为None
meanline	接收boolean。表示是否显示均值线。默认为False

6.1、绘制单个箱线图

plt.boxplot(data['values'][:,3])
plt.show()

6.2、绘制多个箱线图