matplotlib数据可视化之绘制散点图、折线图、直方图、柱状图、饼图、箱线图
1.绘制散点图：scatter
scatter函数：
示例：
plt.scatter(x, y, s=None, c=None, marker=None, alpha=None, **kwargs)
常用参数及说明：
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.绘制折线图：plot
plot 函数：
示例：
plt.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。
参数及说明：
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。
3.绘制直方图：hist
4.绘制柱状图：bar
bar函数：
plt.bar（left，height，width = 0.8，bottom = None，
hold = None，data = None， ** kwargs ）
常用参数说明：
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。
5.绘制饼图：pie
pie函数：
plt.pie(x, explode=None, labels=None, colors=None,
autopct=None, pctdistance=0.6, shadow=False,
labeldistance=1.1, startangle=None, radius=None, … )
参数说明：
x 无接收array。表示用于绘制撇的数据。无默认。
autopct 接收特定string。指定数值的显示方式。默 认为None。
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。
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。
6.绘制箱线图：boxplot
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。
7.相关实例代码
实例1：散点图基础：
import matplotlib.pyplot as plt
# 1、创建画布
plt.figure()
# 2、绘图
#准备点的坐标（x,y）
x = [1,2,3]
y = [6,8,3]
#绘制散点图
# s 代表点的大小，传一个代表这一组点都是一样的大小
# 传一个数组，数组对应的值就是对应点的大小
# c 代表颜色，传一个代表这组点都是一种颜色，
# 传一个数组，数组对应的值就是对应点的颜色
# alpha 透明度
plt.scatter(x,y,s=[12,80,120],marker="*",c=['r','g','y'],alpha=0.8)
# 3、展示
plt.show()
# 1、符合顺序的那种散点图，可以用来观察发展趋势
# 2、聚合的散点图，是用来观察样本、特征之间的相关联系
实例1结果：
实例2：各产业、行业总值散点图：
import matplotlib.pyplot as plt
import numpy as np
# 加载数据
#加载数据
data = np.load("./国民经济核算季度数据.npz")
columns = data['columns']
values = data['values']
print(columns)
print(values)
#创建画布
fig = plt.figure(figsize=(20,10))
# 默认不支持中文，需要配置RC参数
plt.rcParams['font.sans-serif']='SimHei'
# 默认不支持负号，需要配置RC参数
plt.rcParams['axes.unicode_minus']=False
# 绘图
fig.add_subplot(2,1,1)
# 准备xy 数据
x = values[:,0]
y1 = values[:,3]
y2 = values[:,4]
y3 = values[:,5]
plt.scatter(x,y1)
plt.scatter(x,y2)
plt.scatter(x,y3)
# 增加标题
plt.title("2000-2017年各产业季度生产总值散点图")
#增加轴名称
plt.ylabel("生产总值（亿元）")
# 增加x刻度
# plt.xticks(x[::4],values[:,1][::4],rotation=45,horizontalalignment='right')
plt.xticks(x[::4],np.arange(1,values.shape[0]+1)[::4])
# plt.text()
# 增加图例
plt.legend([tmp[:4] for tmp in columns[3:6]])
fig.add_subplot(2,1,2)
# 准备xy 数据 x--序号 y 各个行业生产总值
x = values[:,0]
# y = values[:,6:] 不可以这么绘制，必须一列一列一一绘制
# plt.scatter(x,y)
# #
y1 = values[:,6]
y2 = values[:,7]
y3 = values[:,8]
y4 = values[:,9]
y5 = values[:,10]
y6 = values[:,11]
y7 = values[:,12]
y8 = values[:,13]
y9 = values[:,14]
plt.scatter(x,y1)
plt.scatter(x,y2)
plt.scatter(x,y3)
plt.scatter(x,y4)
plt.scatter(x,y5)
plt.scatter(x,y6)
plt.scatter(x,y7)
plt.scatter(x,y8)
plt.scatter(x,y9)
# 增加轴名称
plt.ylabel("生产总值（亿元）")
# 增加x刻度
plt.xticks(x[::4],values[:,1][::4],rotation=45,horizontalalignment='right')
# plt.text()
# 增加图例 fontsize 大小
plt.legend([tmp[:2] for tmp in columns[6:]],fontsize=8,loc=2)
#保存图片
plt.savefig("./2000-2017年各产业、行业季度生产总值散点图.png")
# 展示
plt.show()
实例2结果：
示例3：柱状图
#柱状图---有限类别数量的柱子 ---少量数据---对比类别数据差距
#直方图 -- 各个区间内数量的柱子---大量数据---数据的分布规律
# 导包
import matplotlib.pyplot as plt
# 1、创建画布
plt.figure()
# 默认不支持中文，需要配置RC参数
plt.rcParams['font.sans-serif']='SimHei'
# 默认不支持负号，需要配置RC参数
plt.rcParams['axes.unicode_minus']=False
# 2、绘图
# 模拟 学校里面爱好乒乓球、篮球、羽毛球的人数对比
x =[1,2,3]
y =[120,234,320]
# height 柱子高度，具体的数值
# width 柱子的宽度
# x 类别序号
plt.bar(x,height=y,width=0.5,color=['r','g','y'])
# 增加标题
plt.title("各球类运动爱好者柱状图")
# 修改刻度
plt.xticks(x,["乒乓球","篮球","羽毛球"])
# 标注
for i,j in zip(x,y):
plt.text(i,j+3,"%d人"%j,horizontalalignment='center')
# 增加轴名称
plt.xlabel("球类运动")
plt.ylabel("人数")
# 保存图片
plt.savefig("各球类运动爱好者柱状图.png")
# 3、展示
plt.show()
示例3结果：
示例4：直方图：
import matplotlib.pyplot as plt
import numpy as np
# 1、创建画布
plt.figure()
# 默认不支持中文，需要配置RC参数
plt.rcParams['font.sans-serif']='SimHei'
# 默认不支持负号，需要配置RC参数
plt.rcParams['axes.unicode_minus']=False
# 2、绘图
#身高案例：
#
height = np.array([150,156,167,168,166,172,170,184,189,192,164,173,172,178,177])
# 自定义分组---等宽分组
bins = np.arange(height.min(),height.max()+5,5)
# print(bins)
# 绘制直方图
plt.hist(height,bins=bins,edgecolor='r',color='g')
#修改刻度u
plt.xticks(bins)
# 增加网格曲线
plt.grid(b=True,axis='y')
# 增加轴名称
plt.xlabel("身高")
plt.ylabel("人数")
# 增加标题
plt.title("学生身高统计直方图")
# 保存图片
plt.savefig("./学生身高统计直方图.png")
# 3、展示
plt.show()
示例4结果：
示例5：饼图
import matplotlib.pyplot as plt
import numpy as np
#加载数据
data = np.load("./国民经济核算季度数据.npz")
columns = data['columns']
values = data['values']
print(columns)
print(values)
# #1、创建画布
plt.figure()
# 默认不支持中文，需要配置RC参数
plt.rcParams['font.sans-serif']='SimHei'
# 默认不支持负号，需要配置RC参数
plt.rcParams['axes.unicode_minus']=False
# # 2、绘图
# # 2017第一季度 这一行所对应的 一、二、三产业 总值具体的值
#准备数据
x = values[-1,3:6]
# 设置缝隙--距离圆心的半径
# explode=(0.01,0.02,0.03)
# 设置标签
labels=[tmp[:4] for tmp in columns[3:6]]
# 设置颜色
colors= ['r','g','y']
# shadow ---阴影
# 绘图
plt.pie(x,labels=labels,colors=colors,autopct='%.2f%%',shadow=True)
# 将椭圆变为圆形
plt.axis('equal')
# 增加标题
plt.title("2017年第一季度各个产业生产总值饼图")
# 设置图例
plt.legend(labels)
# 保存图片
plt.savefig("./2017年第一季度各个产业生产总值饼图.png")
# # 3、展示
plt.show()
示例5结果：
示例6：箱线图：
import matplotlib.pyplot as plt
import numpy as np
#加载数据
data = np.load("./国民经济核算季度数据.npz")
columns = data['columns']
values = data['values']
print(columns)
print(values)
# 绘图
# 1、创建画布
plt.figure()
# 默认不支持中文，需要配置RC参数
plt.rcParams['font.sans-serif']='SimHei'
# 默认不支持负号，需要配置RC参数
plt.rcParams['axes.unicode_minus']=False
# 2、绘图
# 准备数据--第一产业的值
x = (values[:,3],values[:,4],values[:,5]) #此方法不行时，使用下一行方法
# x = list([list(values[:,3]),list(values[:,4]),list(values[:,5])])
#绘图
# notch 是否缺口
labels= [tmp[:4] for tmp in columns[3:6]]
plt.boxplot(x,notch=True,meanline=True,showmeans=True)
# 3、展示
plt.show()
结果为：
