Python——Matplotlib的一些案例

Matplotlib的使用

关于Matplotlib的使用，几个案例便可以把东西给讲清楚

首先，没有Matplotlib的，通过pip install matplotlib安装

1.Matplotlib画折线图

• 案例一：一个简单的对应和设置

  # coding=utf-8
  from matplotlib import pyplot as plt
  x = range(2, 26, 2)
  y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]
  
  #设置图片大小
  plt.figure(figsize=(20,8),dpi=80)
  
  #绘图
  plt.plot(x, y) #得保证x，y的维度是一样的
  
  #保存绘制出来的图片,在当前目录保存为1.png
  #plt.savefig("./1.png")
  
  #设置x轴的刻度
  plt.xticks(x) # 这个参数是一个列表，可以用range动态生成
  plt.yticks(range(min(y), max(y)+1))
  
  #展示图形
  plt.show()
  

  运行结果：

• 案例二：温度与时间的折线图

  # 时间与温度的变化折线图
  from matplotlib import pyplot as plt
  import random
  import matplotlib
  
  #matplotlib本身并不支持中文，因此得需要通过rc函数来设置，（该方式对mac系统不起作用）
  
  font = {
         'family' : 'Microsoft Yahei',
                'weight' : 'bold',
                'size'   : 10.0}
  matplotlib.rc("font", **font) #按ctrl+b可以详细看到rc的说明，其需要一个font字典来设置
  
  
  x = range(0,120) #默认为120分钟
  y = [random.randint(20,35) for i in range(120)] # 温度我们随机生成
  
  plt.figure(figsize=(20,8),dpi = 80)
  plt.plot(x,y)
  
  #我们将x轴的刻度改成时间格式
  _x = list(x)
  _xtick_labels = ["10点{}分".format(i) for i in range(60)]
  _xtick_labels += ["11点{}分".format(i) for i in range(60)]
  plt.xticks(_x[::3],_xtick_labels[::3],rotation = 45) #这里都取步长为3，保证维度一样,且字体逆时针旋转45度
  
  #添加描述信息
  plt.xlabel("时间") # x轴描述
  plt.ylabel("温度") # y轴描述
  plt.title("10~12点，每分钟的温度变化")
  
  plt.show()
  

  运行结果：

2.Matplotlib画散点图

技术要点：plt.scatter(x, y)

# 绘制散点图，描述北京2016年三月，10月每天的最高气温,数据存放在y_3,y_10当中
# coding = "utf-8"
from matplotlib import pyplot as plt
import matplotlib

# 设置字体
my_font = 'Microsoft Yahei'
font = {
     'family': my_font,
        'weight': 'bold',
        'size': 10.0}
matplotlib.rc("font", **font)

y_3 = [11, 17, 16, 11, 12, 11, 12, 6, 6, 7, 8, 9, 12, 15, 14, 17, 18, 21, 16, 17, 20, 14, 15, 15, 15, 19, 21, 22, 22,
       22, 23]
y_10 = [26, 26, 28, 19, 21, 17, 16, 19, 18, 20, 20, 19, 22, 23, 17, 20, 21, 20, 22, 15, 11, 15, 5, 13, 17, 10, 11, 13,
        12, 13, 6]

x_3 = range(1, 32)
x_10 = range(51, 82)

# 设置图片大小
plt.figure(figsize=(20, 8), dpi=80)

# 绘制散点图
plt.scatter(x_3, y_3, label="3月份")
plt.scatter(x_10, y_10, label="10月份")

_x = list(x_3) + list(x_10)
_xticks_labels = ["3月{}日".format(i) for i in x_3]
_xticks_labels += ["4月{}日".format(i) for i in x_10]
plt.xticks(_x[::3], _xticks_labels[::3], font=my_font, rotation=45)

# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("温度统计")

# 添加图例
plt.legend(loc="upper left", prop=my_font)
plt.show()

运行结果：

3.Matplotlib画条形图

• 案例：电影票房的统计

from matplotlib import pyplot as plt
import matplotlib

# 设置字体，使其能够显示中文
my_font = 'Microsoft Yahei'
font = {
     'family': my_font,
        'weight': 'bold',
        'size': 10.0}
matplotlib.rc("font", **font)

#相关数据
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊"]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#设置图片大小
plt.figure(figsize=(20,8),dpi = 80)

#竖着画
#plt.bar(range(len(a)), b, width = 0.3)
#plt.xticks(range(len(a)),a,fontproperties = my_font,rotation=90)

#有些电影名字太长了，横着画效果更好一些
plt.barh(range(len(a)), b, height = 0.3, color = "orange")
plt.yticks(range(len(a)),a, fontproperties = my_font)
plt.grid(alpha = 0.3)

plt.show()

运行结果：

• 绘制三部电影，在三个不同日子的票房对比（涉及多个条形图的绘制）

  from matplotlib import pyplot as plt
  import matplotlib
  
  my_font = 'Microsoft Yahei'
  _width = 0.2
  
  # 设置字体，使其能够显示中文
  font = {
         'family': my_font,
          'weight': 'bold',
          'size': 10.0}
  matplotlib.rc("font", **font)
  
  a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
  b_16 = [15746,312,4497,319]
  b_15 = [12357,156,2045,168]
  b_14 = [2358,399,2358,362]
  
  x_14 = list(range(len(a)))
  x_15 = [i+_width for i in x_14]
  x_16 = [i+_width*2 for i in x_14]
  
  #设置图像大小
  
  plt.figure(figsize=(20,8),dpi=80)
  plt.bar(range(len(a)), b_14, width = _width, label = "9月14日")
  plt.bar(x_15,b_15,width=_width, label = "9月15日")
  plt.bar(x_16,b_16,width=_width,label = "9月16日")
  
  #设置图例
  plt.legend(prop = my_font)
  
  plt.xticks(x_15,a,fontproperties = my_font)
  plt.show()
  

  运行结果：

4.Matplotlib画直方图

直方图乍一看就是很多连在一起的条形图，很杂乱，但其实，它应用的场景很广泛，如：

• 用户的年龄分布状态
• 一段时间内用户点击次数的分布状态
• 用户活跃时间的分布状态

4.1 案例：绘制一张直方图，内容为：几个电影的时长统计

"""
假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,

"""
from matplotlib import pyplot as plt
import matplotlib

my_font = 'Microsoft Yahei'

# 设置字体，使其能够显示中文
font = {
     'family': my_font,
        'weight': 'bold',
        'size': 10.0}
matplotlib.rc("font", **font)

a=[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107,
   114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,
   99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95,
   144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,
   123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108,
   132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,
   156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123,
   112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146,
   137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110,
   111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141,
   117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,
   134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,
   83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

#计算组数
d = 3 #组距,尽量让(max(a)-min(a))%d为0，否则，容易发生偏移
num_bins = (max(a) - min(a))//d

#设置图片大小
plt.figure(figsize=(20,8),dpi = 80)
#绘制直方图
plt.hist(a, num_bins, width=d)

plt.grid(alpha = 0.4)
plt.xticks(range(min(a),max(a)+d,d))
plt.show()

运行结果：

4.2 用条形图模拟直方图

如果统计数据已经很明确的情况下，其实是难以绘制直方图的，尤其是下面这种组距不固定的情况，但是我们可以通过条形图的方法，来模拟出来一个直方图

案例：美国2004年人口普查发现有124 million的人在离家相对较远的地方工作。根据他们从家到上班地点所需要的时间,通过抽样统计，统计出相关数据如下：

interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

其中：

​ interval: 上班所花费的时间；

​ width：组距

​ quantity：人数

from matplotlib import pyplot as plt
import matplotlib
my_font = 'Microsoft Yahei'

# 设置字体，使其能够显示中文
font = {
     'family': my_font,
        'weight': 'bold',
        'size': 10.0}
matplotlib.rc("font", **font)

interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

l = len(interval)
plt.figure(figsize=(20,8),dpi = 80)
plt.bar(range(l), quantity, width = 1) #width = 1, 各个条之间就会没有间隙

#设置x轴刻度
_x = [i-0.5 for i in range(13)]
_xticks_labels = interval + [150]
plt.xticks(_x, _xticks_labels)

plt.grid()
plt.show()

运行结果：

关于Matplotlib还有许多玩法，如果需要查找资料，可以通过官方链接进行查找：
Matplotlib官方文档