matplotlib 柱状图_数据分析matplotlib做图

1，Matplotlib简介及图表窗口

2 ，图表的基本元素

3，图表的样式参数

4，刻度、注解、图表输出

5，子图

6，基本图表绘制 plt.plot() (线形图、柱状图)

7，柱状图、堆叠图

8，面积图、填图、饼图

9，直方图

10，散点图

11，极坐标图

12，箱型图

导入Matplotlib进行画图时，一定记得导入以下代码

import numpy as np

import pandas as pd

import matplotlib as plt

#让图表直接在Jupyter Notebook中展示出来

%matplotlib inline

#解决中文乱码问题

plt.rcParams['font.sans-serif']='SimHei'

#设置成矢量图格式显示，使图更清晰

%config InlineBackend.figure_format='svg'

'''

1，Matplotlib简介及图表窗口

Matplotlib → 一个python版的matlab绘图接口，以2D为主，支持python、numpy、pandas基本数据结构，运营高效且有较丰富的图表库

'''

# 图表窗口1 → plt.show()

导入必备的几个库

# 图表窗口2 → 魔法函数，嵌入图表

# 图表窗口3 → 魔法函数，弹出可交互的matplotlib窗口

# 图表窗口4 → 魔法函数，弹出matplotlib控制台

%matplotlib qt5

df = pd.DataFrame(np.random.rand(50,2),columns=['A','B'])

df.hist(figsize=(12,5),color='g',alpha=0.8)

# 可交互性控制台

# 如果已经设置了显示方式(比如notebook)，需要重启然后再运行魔法函数

# 网页嵌入的交互性窗口 和 控制台，只能显示一个

'''

2 ，图表的基本元素

图表内基本参数设置

'''

# 其他元素可视性

'''

3，图表的样式参数

linestyle(线性)、style(风格字符串)、color(颜色)、marker(数据点样式)

'''

# linestyle参数

# marker参数

# color参数

# style参数

# 整体风格样式

'''

4，刻度、注解、图表输出

主刻度、次刻度

'''

# 刻度

# 注解

# 图表输出

'''

5，子图

在matplotlib中，整个图像为一个Figure对象

在Figure对象中可以包含一个或者多个Axes对象

每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域

plt.figure, plt.subplot

'''

# plt.figure() 绘图对象

# 子图创建1 - 先建立子图然后填充图表

# 子图创建2 - 创建一个新的figure，并返回一个subplot对象的numpy数组 → plt.subplot

# plt.subplots,参数调整

# 子图创建3 - 多系列图，分别绘制

'''

6，基本图表绘制 plt.plot()

图表类别：线形图、柱状图、密度图，以横纵坐标两个维度为主

同时可延展出多种其他图表样式

plt.plot(kind='line', ax=None, figsize=None, use_index=True, title=None, grid=None, legend=False, 

style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, xerr=None, label=None, secondary_y=False, **kwds)

# Series.plot()：series的index为横坐标，value为纵坐标

# kind → line,bar,barh...(折线图，柱状图，柱状图-横...)

# label → 图例标签，Dataframe格式以列名为label

# style → 风格字符串，这里包括了linestyle(-)，marker(.)，color(g)

# color → 颜色，有color指定时候，以color颜色为准

# alpha → 透明度，0-1

# use_index → 将索引用为刻度标签，默认为True

# rot → 旋转刻度标签，0-360

# grid → 显示网格，一般直接用plt.grid

# xlim,ylim → x,y轴界限

# xticks,yticks → x,y轴刻度值

# figsize → 图像大小

# title → 图名

# legend → 是否显示图例，一般直接用plt.legend()

'''

# Series直接生成图表

# Dataframe直接生成图表

'''

7，柱状图、堆叠图

plt.plot(kind='bar/barh') , plt.bar()

'''

# 柱状图与堆叠图

# 柱状图 plt.bar()

# 外嵌图表plt.table()

'''

8，面积图、填图、饼图

plt.plot.area()

plt.fill(), plt.fill_between()

plt.pie()

'''

# 面积图

# 填图

# 饼图 plt.pie()

'''

9，直方图

plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical',rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, data=None, **kwargs)

'''

# 直方图+密度图

# 堆叠直方图

'''

10，散点图

plt.scatter(), pd.scatter_matrix()

'''

'''

11，极坐标图

调用subplot()创建子图时通过设置projection='polar',便可创建一个极坐标子图，然后调用plot()在极坐标子图中绘图

'''

# 创建极坐标轴

# 极坐标参数设置

# 雷达图1 - 极坐标的折线图/填图 - plt.plot()

# 雷达图2 - 极坐标的折线图/填图 - plt.polar()

# 极轴图 - 极坐标的柱状图

'''

12，箱型图

箱型图：又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图

包含一组数据的：最大值、最小值、中位数、上四分位数(Q3)、下四分位数(Q1)、异常值

① 中位数 → 一组数据平均分成两份，中间的数

② 上四分位数Q1 → 是将序列平均分成四份，计算(n+1)/4与(n-1)/4两种，一般使用(n+1)/4

③ 下四分位数Q3 → 是将序列平均分成四份，计算(1+n)/4*3=6.75

④ 内限 → T形的盒须就是内限，最大值区间Q3+1.5IQR,最小值区间Q1-1.5IQR (IQR=Q3-Q1)

⑤ 外限 → T形的盒须就是内限，最大值区间Q3+3IQR,最小值区间Q1-3IQR (IQR=Q3-Q1)

⑥ 异常值 → 内限之外 - 中度异常，外限之外 - 极度异常

plt.plot.box(),plt.boxplot()

'''

# plt.plot.box()绘制

# plt.boxplot()绘制