python自学笔记——matplotlib

python学习笔记——matplotlib

为了巩固学习效果，加强自身印象，今天开始进行学习笔记的记录，同时也可以方便以后查看。

内容：matplotlib库
函数：

• 饼图：pie()
• 条形图：bar()
• 直方图：hist()
• 箱线图：boxplot()
• 折线图：plot()
• 散点图：scatter()
• 热力图：heatmap()
• 组合图：subplot2grid()

1、饼图：pie()

import matplotlib.pyplot as plt

plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6,
 labeldistance=1.1)

x：指定绘图的数据
explode：指定饼图某些部分的突出显示，即呈现爆炸式
labels：为饼图添加标签说明，类似于图例说明
colors：指定饼图的填充色
autopct：自动添加百分比显示，可以采用格式化的方法显示
pctdistance：设置百分比标签与圆心的距离
labeldistance：设置各扇形标签（图例）与圆心的距离

• 范例：

# 导入第三方模块
import matplotlib.pyplot as plt
# 构造数据
edu = [0.2515,0.3724,0.3336,0.0368,0.0057]
labels = ['中专','大专','本科','硕士','其他']
# 绘制饼图   
plt.pie( x = edu, # 绘图数据
 		 labels=labels, # 添加教育水平标签
 		 autopct='%.1f%%' # 设置百分比的格式，这里保留一位小数
 )
plt.axes(aspect='equal') # 图形绘制为正圆
# 显示图形
plt.show()

2、条形图：bar()

import matplotlib.pyplot as plt

plt.bar(x, height, width=0.8, bottom=None, color=None, edgecolor=None, 
 tick_label=None, label = None, ecolor=None)

x：传递数值序列，指定条形图中x轴上的刻度值
height：传递数值序列，指定条形图y轴上的高度
width：指定条形图的宽度，默认为0.8
bottom：用于绘制堆叠条形图
color：指定条形图的填充色
edgecolor：指定条形图的边框色
tick_label：指定条形图的刻度标签
label：指定条形图的标签，一般用以添加图例

• 范例：

# 导入第三方模块
import matplotlib.pyplot as plt
# 读入数据
GDP = pd.read_excel(r'数据路径')
# 设置绘图风格（ggplot2风格）
plt.style.use('ggplot')
# 绘制条形图
plt.bar( x = range(GDP.shape[0]), # 指定条形图x轴的刻度值
 		 height = GDP.GDP, # 指定条形图y轴的数值
 		 tick_label = GDP.Province, # 指定条形图x轴的刻度标签
 		 color = 'steelblue', # 指定条形图的填充色
 )
# 添加y轴的标签
plt.ylabel('GDP(万亿)')
# 添加条形图的标题
plt.title('2017年度6个省份GDP分布')
# 为每个条形图添加数值标签
for x,y in enumerate(GDP.GDP):
 	plt.text(x,y+0.1,'%s' %round(y,1),ha='center')
# 显示图形 
plt.show()

3、直方图：hist()

import matplotlib.pyplot as plt

plt.hist(x, bins=10, normed=False, orientation='vertical', 
 color=None, label=None)

x：指定要绘制直方图的数据。
bins：指定直方图条形的个数。
normed：是否将直方图的频数转换成频率。
orientation：设置直方图的摆放方向，默认为垂直方向
color：设置直方图的填充色
edgecolor：设置直方图边框色
label：设置直方图的标签，可通过legend展示其图例

• 范例：

# 导入第三方模块
import matplotlib.pyplot as plt

# 检查数据是否有缺失
any(Titanic.Age.isnull())
# 不妨删除含有的数据
Titanic.dropna(subset=['Age'], inplace=True)
# 绘制直方图
plt.hist( x = Titanic.Age, # 指定绘图数据
		  bins = 20, # 指定直方图中条块的个数
 		  color = 'steelblue', # 指定直方图的填充色
		  edgecolor = 'black' # 指定直方图的边框色
 )
# 添加x轴和y轴标签
plt.xlabel('年龄')
plt.ylabel('频数')
# 添加标题
plt.title('乘客年龄分布')
# 显示图形
plt.show()

4、箱线图：boxplot()

import matplotlib.pyplot as plt

plt.boxplot(x, vert=None, whis=None, patch_artist=None, meanline=None,
 showmeans=None, showcaps=None, showbox=None, showfliers=None,
 boxprops=None, labels=None, flierprops=None, medianprops=None, 
 meanprops=None, capprops=None, whiskerprops=None)

x：指定要绘制箱线图的数据
vert：是否需要将箱线图垂直摆放，默认垂直摆放
whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差
patch_artist：bool类型参数，是否填充箱体的颜色；默认为False
meanline：bool类型参数，是否用线的形式表示均值，默认为False
showmeans：bool类型参数，是否显示均值，默认为False
showcaps：bool类型参数，是否显示箱线图顶端和末端的两条线（即上下须），默认为True
showbox：bool类型参数，是否显示箱线图的箱体，默认为True
showfliers：是否显示异常值，默认为True
boxprops：设置箱体的属性，如边框色，填充色等
labels：为箱线图添加标签，类似于图例的作用
filerprops：设置异常值的属性，如异常点的形状、大小、填充色等
medianprops：设置中位数的属性，如线的类型、粗细等
meanprops：设置均值的属性，如点的大小、颜色等
capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等
whiskerprops：设置须的属性，如颜色、粗细、线的类型等

• 范例：

# 导入第三方模块
import matplotlib.pyplot as plt

# 读取数据
Sec_Buildings = pd.read_excel(r'数据文件')
# 绘制箱线图
plt.boxplot(x = Sec_Buildings.price_unit, # 指定绘图数据
            patch_artist=True, # 要求用自定义颜色填充盒形图，默认白色填充
            showmeans=True, # 以点的形式显示均值
            boxprops = {'color':'black','facecolor':'steelblue'}, # 设置箱体属性，如边框色和填充色
            # 设置异常点属性，如点的形状、填充色和点的大小
            flierprops = {'marker':'o','markerfacecolor':'red', 'markersize':3}, 
            # 设置均值点的属性，如点的形状、填充色和点的大小
            meanprops = {'marker':'D','markerfacecolor':'indianred', 'markersize':4}, 
            # 设置中位数线的属性，如线的类型和颜色
            medianprops = {'linestyle':'--','color':'orange'}, 
            labels = [''] # 删除x轴的刻度标签，否则图形显示刻度标签为1
           )
# 添加图形标题
plt.title('二手房单价分布的箱线图')
# 显示图形
plt.show()

5、折线图：plot()

import matplotlib.pyplot as plt

plt.plot(x, y, linestyle, linewidth, color, marker,markersize, markeredgecolor,
 markerfactcolor,markeredgewidth, label, alpha)

x：指定折线图的x轴数据
y：指定折线图的y轴数据
linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认为实线
linewidth：指定折线的宽度
marker：可以为折线图添加点，该参数是设置点的形状
markersize：设置点的大小
markeredgecolor：设置点的边框色
markerfactcolor：设置点的填充色
markeredgewidth：设置点的边框宽度
label：为折线图添加标签，类似于图例的作用

• 范例：

# 绘制两条折线图
# 导入模块，用于日期刻度的修改
import matplotlib as plt
# 绘制阅读人数折线图
plt.plot(wechat.Date, # x轴数据
         wechat.Counts, # y轴数据
         linestyle = '-', # 折线类型，实心线
         color = 'steelblue', # 折线颜色
         label = '阅读人数'
         )
# 绘制阅读人次折线图
plt.plot(wechat.Date, # x轴数据
         wechat.Times, # y轴数据
         linestyle = '--', # 折线类型，虚线
         color = 'indianred', # 折线颜色
         label = '阅读人次'
         )

# 获取图的坐标信息
ax = plt.gca()
# 设置日期的显示格式  
date_format = mpl.dates.DateFormatter("%m-%d")  
ax.xaxis.set_major_formatter(date_format) 
# 设置x轴显示多少个日期刻度
# xlocator = mpl.ticker.LinearLocator(10)
# 设置x轴每个刻度的间隔天数
xlocator = mpl.ticker.MultipleLocator(7)
ax.xaxis.set_major_locator(xlocator)
# 为了避免x轴刻度标签的紧凑，将刻度标签旋转45度
plt.xticks(rotation=45)

# 添加y轴标签
plt.ylabel('人数')
# 添加图形标题
plt.title('每天微信文章阅读人数与人次趋势')
# 添加图例
plt.legend()
# 显示图形
plt.show()

6、散点图：scatter()

import matplotlib.pyplot as plt

plt.scatter(x, y, s=20, c=None, marker='o', alpha=None, linewidths=None, edgecolors=None)

x：指定散点图的x轴数据
y：指定散点图的y轴数据
s：指定散点图点的大小，默认为20，通过传入其他数值型变量，可以实现气泡图的绘制
c：指定散点图点的颜色，默认为蓝色，也可以传递其他数值型变量，通过cmap参数的色阶表示数值大
小
marker：指定散点图点的形状，默认为空心圆
alpha：设置散点的透明度
linewidths：设置散点边界线的宽度
edgecolors：设置散点边界线的颜色

• 范例：

# 读入数据
iris = pd.read_csv(r'C:\Users\Administrator\Desktop\iris.csv')
# 绘制散点图
plt.scatter(x = iris.Petal_Width, # 指定散点图的x轴数据
            y = iris.Petal_Length, # 指定散点图的y轴数据
            color = 'steelblue' # 指定散点图中点的颜色
           )
# 添加x轴和y轴标签
plt.xlabel('花瓣宽度')
plt.ylabel('花瓣长度')
# 添加标题
plt.title('鸢尾花的花瓣宽度与长度关系')
# 显示图形
plt.show()

7、热力图：heatmap()

import seaborn as sns

sns.heatmap(data, cmap=None, annot=None, fmt='.2g', annot_kws=None, linewidths=0, 
 linecolor='white)

data：指定绘制热力图的数据集
cmap：指定一个colormap对象，用于热力图的填充色
annot：指定一个bool类型的值或与data参数形状一样的数组，如果为True，就在热力图的每个单元上显示数值
fmt：指定单元格中数据的显示格式
annot_kws：有关单元格中数值标签的其他属性描述，如颜色、大小等
linewidths ：指定每个单元格的边框宽度
linecolor：指定每个单元格的边框颜色

• 范例：

import numpy as np
import seaborn as sns
# 读取数据
Sales = pd.read_excel(r'相关数据')
# 根据交易日期，衍生出年份和月份字段
Sales['year'] = Sales.Date.dt.year
Sales['month'] = Sales.Date.dt.month
# 统计每年各月份的销售总额（绘制热力图之前，必须将数据转换为交叉表形式）
Summary = Sales.pivot_table(index = 'month', columns = 'year', values = 'Sales', aggfunc = np.sum)
Summary
# 绘制热力图
sns.heatmap(data = Summary, # 指定绘图数据
            cmap = 'PuBuGn', # 指定填充色
            linewidths = .1, # 设置每个单元格边框的宽度
            annot = True, # 显示数值
            fmt = '.1e' # 以科学计算法显示数据
            )
#添加标题
plt.title('每年各月份销售总额热力图')
# 显示图形
plt.show()

8、组合图：subplot2grid()

将绘制的多个图形组合到一个大图框内，形成类似仪表板的效果

import matplotlib.pyplot as plt

plt.subplot2grid(shape, loc, rowspan=1, colspan=1, **kwargs)

shape：指定组合图的框架形状，以元组形式传递，如2×3的矩阵可以表示成(2,3)
loc：指定子图所在的位置，如shape中第一行第一列可以表示成(0,0)
rowspan：指定某个子图需要跨几行
colspan：指定某个子图需要跨几列

• 范例：

# 读取数据
Prod_Trade = pd.read_excel(r'相关数据')
# 衍生出交易年份和月份字段
Prod_Trade['year'] = Prod_Trade.Date.dt.year
Prod_Trade['month'] = Prod_Trade.Date.dt.month

# 设置大图框的长和高
plt.figure(figsize = (12,6))
# 设置第一个子图的布局
ax1 = plt.subplot2grid(shape = (2,3), loc = (0,0))
# 统计2012年各订单等级的数量
Class_Counts = Prod_Trade.Order_Class[Prod_Trade.year == 2012].value_counts()
Class_Percent = Class_Counts/Class_Counts.sum()
# 将饼图设置为圆形（否则有点像椭圆）
ax1.set_aspect(aspect = 'equal')
# 绘制订单等级饼图
ax1.pie(x = Class_Percent.values, labels = Class_Percent.index, autopct = '%.1f%%')
# 添加标题
ax1.set_title('各等级订单比例')

# 设置第二个子图的布局
ax2 = plt.subplot2grid(shape = (2,3), loc = (0,1))
# 统计2012年每月销售额
Month_Sales = Prod_Trade[Prod_Trade.year == 2012].groupby(by = 'month').aggregate({'Sales':np.sum})
# 绘制销售额趋势图
Month_Sales.plot(title = '2012年各月销售趋势', ax = ax2, legend = False)
# 删除x轴标签
ax2.set_xlabel('')

# 设置第三个子图的布局
ax3 = plt.subplot2grid(shape = (2,3), loc = (0,2), rowspan = 2)
# 绘制各运输方式的成本箱线图
sns.boxplot(x = 'Transport', y = 'Trans_Cost', data = Prod_Trade, ax = ax3)
# 添加标题
ax3.set_title('各运输方式成本分布')
# 删除x轴标签
ax3.set_xlabel('')
# 修改y轴标签
ax3.set_ylabel('运输成本')

# 设置第四个子图的布局
ax4 = plt.subplot2grid(shape = (2,3), loc = (1,0), colspan = 2)
# 2012年客单价分布直方图
sns.distplot(Prod_Trade.Sales[Prod_Trade.year == 2012], bins = 40, norm_hist = True, ax = ax4, hist_kws = {'color':'steelblue'}, kde_kws=({'linestyle':'--', 'color':'red'}))
# 添加标题
ax4.set_title('2012年客单价分布图')
# 修改x轴标签
ax4.set_xlabel('销售额')

# 调整子图之间的水平间距和高度间距
plt.subplots_adjust(hspace=0.6, wspace=0.3)
# 图形显示
plt.show()

————笔记记录于CSDN学院刘顺祥老师的《Python数据分析与挖掘》课程