python学习笔记——matplotlib模块

matplotlib数据可视化

       无论是大数据、还是小数据、也不管通过统计还是挖掘或机器学习，人们最终想看到的数据，越直观越好，所以这个就涉及到一个数据的可视化问题，而python或pandas的数据可视化功能很强大，可画的种类多，也非常便捷，这是一般数据库软件和开发工具目前所欠缺的。以下我们通过两个实例来说明利用python的matplotlib或pandas实现数据的可视化。

参考博客：https://www.cnblogs.com/kuaizifeng/p/9067795.html

1、模拟随机游走

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import numpy.random as np_random
import pylab

print('模拟随机游走') 
nsteps = 1000
draws = np.random.randint(0, 2, size=nsteps)  #随机从0-2（不含）生成整数，size为个数
steps = np.where(draws > 0, 1, -1)  #draws>0时，输出1，否则输出-1
walk=steps.cumsum()
# 画图
plt.title('Random Walk')
limit = max(abs(min(walk)), abs(max(walk)))   #abs取绝对值
plt.axis([0, 1000, -limit, limit])
x = np.linspace(0, 1000, 1000)
plt.plot(x, walk, 'g-')
plt.show()

numpy.random.randint 

low、high、size三个参数。默认high是None,如果只有low，那范围就是[0,low)。如果有high，范围就是[low,high)。

np.where(condition, x, y)

满足条件(condition)，输出x，不满足输出y

 

 

 

2、三角函数图像

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei']   ###显示中文
plt.rcParams['axes.unicode_minus']=False  ##防止坐标轴上的-号变为方块
x = np.linspace(0, 10, 100)
y = np.sin(x)
y1 = np.cos(x)
##绘制一个图，长为10，宽为6（默认值是每个单位80像素）
plt.figure(figsize=(10,6))   
###在图列中自动显示$间内容
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,y1,"b--",label="$cos(x^2)$")    ###b（blue），--线形
plt.xlabel(u"X值")       ##X坐标名称，u表示unicode编码
plt.ylabel(u"Y值")
plt.title(u"三角函数图像")   ##t图名称
plt.ylim(-1.2,1.2)   ##y上的max、min值
plt.legend()       ##显示图例
plt.savefig('fig01.png')   ##保持到当前目录
plt.show()

 

3、污染指数柱状图

PYECHARTS可视化
from pyecharts import Bar
import pandas as pd
comp_df = pd.read_csv('data/comparison_result.csv', index_col='state')
comp_df
good_state_results = comp_df.iloc[0, :].values
heavy_state_results = comp_df.iloc[1, :].values
light_state_results = comp_df.iloc[2, :].values
medium_state_results = comp_df.iloc[3, :].values

labels = comp_df.index.values.tolist()
city_names = comp_df.columns.tolist()

bar = Bar("江涛--堆叠柱形图")
bar.add('良好', city_names, good_state_results, is_stack=True, xaxis_interval=0, xaxis_rotate=30)
bar.add('轻度污染', city_names, light_state_results, is_stack=True, xaxis_interval=0, xaxis_rotate=30)
bar.add('中度污染', city_names, medium_state_results, is_stack=True, xaxis_interval=0, xaxis_rotate=30)
bar.add('重度污染', city_names, heavy_state_results, is_stack=True, xaxis_interval=0, xaxis_rotate=30)

bar
# 保存结果到html
bar.render('echarts_demo.html')

 

 

 

4、幸福指数国家堆叠柱状图

 

from pyecharts import Bar
import pandas as pd
df= pd.read_csv('data/2015.csv')


from pyecharts import Bar
import pandas as pd
df= pd.read_csv('data/2015.csv')
df2= df1[['Country','Happiness Score','Economy (GDP per Capita)','Family']]
df3 = df2[df2['Country'].str.contains('Austria|Mexico|Israel|New Zealand')]

Happiness_res = df3['Happiness Score'].values
Economy_res = df3['Economy (GDP per Capita)'].values
Family_res = df3['Family'].values
city_names = df3['Country'].tolist() #添加横坐标名称
bar1=Bar('堆叠柱状图')

bar1.add('幸福分数', city_names, Happiness_res, is_stack=True, xaxis_interval=0, xaxis_rotate=30)
bar1.add('生产总值', city_names, Economy_res, is_stack=True, xaxis_interval=0, xaxis_rotate=30)
bar1.add('家庭', city_names, Family_res, is_stack=True, xaxis_interval=0, xaxis_rotate=30)

bar1
bar1.render('new_echarts_happy.html')