Python数据可视化库-----Matplotlib（学习笔记）

Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。

另一篇可视化案例《python机器学习经典实例》——可视化数据

一个完整的图形的表现需要的标准开发步骤：

1. 获取数据集合
2. 拆分数据集合得到需要的数据元素集
3. 创建一个图表并设置相关的辅助信息（刻度值、网格、轴标签、图标题……）
4. 使用对应的函数生成图表
5. 对图标进行优化显示的设置（具体数据等相关）

*******画一朵花*******

from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.ticker import LinearLocator
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.gca(projection='3d')

[x, t] = np.meshgrid(np.array(range(25))/24.0, np.arange(0, 575.5, 0.5)/575*17*np.pi-2*np.pi)
p = (np.pi/2)*np.exp(-t/(8*np.pi))
u = 1-(1-np.mod(3.6*t, 2*np.pi)/np.pi)**4/2
y = 2*(x**2-x)**2*np.sin(p)
r = u*(x*np.sin(p)+y*np.cos(p))
surf = ax.plot_surface(r*np.cos(t), r*np.sin(t), u*(x*np.cos(p)-y*np.sin(p)),rstride=1, cstride=1, cmap=cm.gist_rainbow_r, linewidth=0, antialiased=True)
plt.show()

 

 

折线图

这是一个csv文件，失业率数据。

数据格式化（将日期转化格式）：

import pandas as pd
unrate=pd.read_csv('unrate.csv')
unrate['DATE']=pd.to_datetime(unrate['DATE'])
print(unrate.head(10))

画出空白坐标图：

import matplotlib.pyplot as plt
plt.plot()
plt.show()

 

取出数据中的前12条数据，在将这12条数据，分别画入，X轴，Y轴到图中，显示出来，

import pandas as pd
import matplotlib.pyplot as plt
unrate=pd.read_csv('unrate.csv')
unrate['DATE']=pd.to_datetime(unrate['DATE'])
#print(unrate.head(12))

#画出前12个月
first_twelve=unrate[0:12]
plt.plot(first_twelve['DATE'],first_twelve['VALUE'])
plt.show()

运行结果： 

 plt.xticks(rotation=)x坐标轴的度数，可以使图表变得美观。

import pandas as pd
import matplotlib.pyplot as plt
unrate=pd.read_csv('unrate.csv')
unrate['DATE']=pd.to_datetime(unrate['DATE'])
#print(unrate.head(12))

#画出前12个月
first_twelve=unrate[0:12]
plt.plot(first_twelve['DATE'],first_twelve['VALUE'])
plt.xticks(rotation=45)
plt.show()

 

 

 plt.xlabel()     plt.ylabel()       plt.title()     添加横、纵坐标标签及折线图标题

import pandas as pd
import matplotlib.pyplot as plt
unrate=pd.read_csv('unrate.csv')
unrate['DATE']=pd.to_datetime(unrate['DATE'])
#print(unrate.head(12))

#画出前12个月
first_twelve=unrate[0:12]
plt.plot(first_twelve['DATE'],first_twelve['VALUE'])
plt.xticks(rotation=90)
plt.xlabel('Month')
plt.ylabel('Unemployment Rate')
plt.title("Monthly Unemployment Trends 1948")
plt.show()

 

 子图

fig=plt.figure()创建一个画图对象，相当于一个画图区域

fig.add_subplot(4, 3, 1) 前面两个数字代表行数，列数，最后一个数字代表第几个图，从左到右，从上到下看

import matplotlib.pyplot as plt
fig=plt.figure()
ax1=fig.add_subplot(4,3,1)
ax2=fig.add_subplot(4,3,2)
ax2=fig.add_subplot(4,3,6)
plt.show()

 

 随机画一些东西

import numpy as np
import matplotlib.pyplot as plt
fig=plt.figure()
ax1=fig.add_subplot(4,3,1)
ax2=fig.add_subplot(4,3,2)
ax2=fig.add_subplot(4,3,6)

ax1.plot(np.random.randint(1,5,5),np.arange(5))
ax2.plot(np.arange(10)*3,np.arange(10))
plt.show()

---

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

unrate=pd.read_csv('UNRATE.csv')
unrate['DATE']=pd.to_datetime(unrate['DATE'])
#print(unrate.head(3))

unrate['MONTH']=unrate['DATE'].dt.month
fig=plt.figure(figsize=(6,3))

plt.plot(unrate[0:12]['MONTH'],unrate[0:12]['VALUE'],c='red')
plt.plot(unrate[12:24]['MONTH'],unrate[12:24]['VALUE'],c='blue')
plt.show()

 

画出每一年的浮动情况：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

unrate=pd.read_csv('UNRATE.csv')
unrate['DATE']=pd.to_datetime(unrate['DATE'])
#print(unrate.head(3))

unrate['MONTH']=unrate['DATE'].dt.month
fig=plt.figure(figsize=(10,6))
colors=['red','blue','green','orange','black']
for i in range(5):
    start_index=i*12
    end_index=(i+1)*12
    subset=unrate[start_index:end_index]
    label=str(1948+i)
    plt.plot(subset['MONTH'],subset['VALUE'],c=colors[i],label=label)

plt.legend(loc='best')
plt.show()

plt. legend(loc='best')标签位置

运行结果：

 

条形图 （bar）

 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

reviews=pd.read_csv('fandango_scores.csv')
cols=['FILM','RT_user_norm','Metacritic_user_nom','IMDB_norm','Fandango_Ratingvalue','Fandango_Stars']
norm_reviews=reviews[cols]
#print(norm_reviews[:1])
num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue', 'Fandango_Stars']
bar_heights=norm_reviews.ix[0,num_cols].values
#print(bar_heights)
bar_position=np.arange(5)+0.75
tick_position=range(1,6)
#print(bar_position)

fig,ax=plt.subplots()
ax.bar(bar_position,bar_heights,0.5)
ax.set_xticks(tick_position)
ax.set_xticklabels(num_cols,rotation=45)

ax.set_xlabel("Rating Source")
ax.set_ylabel("Average Rating")
ax.set_title("Average User Rating For Avengers: Age of Ultron (2015)")
plt.show()

 

要想横着画，只需稍作改动：

 

 散点图（scatter）

import pandas as pd
import matplotlib.pyplot as plt

reviews=pd.read_csv('fandango_scores.csv')
cols=['FILM','RT_user_norm','Metacritic_user_nom','IMDB_norm','Fandango_Ratingvalue','Fandango_Stars']
norm_reviews=reviews[cols]

fig,ax=plt.subplots()
ax.scatter(norm_reviews['Fandango_Ratingvalue'],norm_reviews['RT_user_norm'])

ax.set_xlabel('Fandango')
ax.set_ylabel('Rotten Tomatoes')
plt.show()

 

 

 柱形图

import numpy as np
from matplotlib import pyplot as plt
plt.figure(figsize=(9,6))
n = 8
X = np.arange(n)+1
#X是1,2,3,4,5,6,7,8,柱的个数
# numpy.random.uniform(low=0.0, high=1.0, size=None), normal
#uniform均匀分布的随机数，normal是正态分布的随机数，0.5-1均匀分布的数，一共有n个
Y1 = np.random.uniform(0.5,1.0,n)
Y2 = np.random.uniform(0.5,1.0,n)
plt.bar(X,Y1,width = 0.35,facecolor = 'lightskyblue',edgecolor = 'white')
#width:柱的宽度
plt.bar(X+0.35,Y2,width = 0.35,facecolor = 'yellowgreen',edgecolor = 'white')
#水平柱状图plt.barh，属性中宽度width变成了高度height
#打两组数据时用+
#facecolor柱状图里填充的颜色
#edgecolor是边框的颜色
#想把一组数据打到下边，在数据前使用负号
#plt.bar(X, -Y2, width=width, facecolor='#ff9999', edgecolor='white')
#给图加text
for x,y in zip(X,Y1):
    plt.text(x+0.3, y+0.05, '%.2f' % y, ha='center', va= 'bottom')
    
for x,y in zip(X,Y2):
    plt.text(x+0.6, y+0.05, '%.2f' % y, ha='center', va= 'bottom')
plt.ylim(0,+1.25)
plt.show()

 

 

---

#Color
import pandas as pd
import matplotlib.pyplot as plt

women_degrees = pd.read_csv('percent-bachelors-degrees-women-usa.csv')
major_cats = ['Biology', 'Computer Science', 'Engineering', 'Math and Statistics']


cb_dark_blue = (0/255, 107/255, 164/255)
cb_orange = (255/255, 128/255, 14/255)

fig = plt.figure(figsize=(12, 12))

for sp in range(0,4):
    ax = fig.add_subplot(2,2,sp+1)
    # The color for each line is assigned here.
    ax.plot(women_degrees['Year'], women_degrees[major_cats[sp]], c=cb_dark_blue, label='Women')
    ax.plot(women_degrees['Year'], 100-women_degrees[major_cats[sp]], c=cb_orange, label='Men')
    for key,spine in ax.spines.items():
        spine.set_visible(False)
    ax.set_xlim(1968, 2011)
    ax.set_ylim(0,100)
    ax.set_title(major_cats[sp])
    ax.tick_params(bottom="off", top="off", left="off", right="off")

plt.legend(loc='upper right')
plt.show()

 

---

 3D图

#-*- coding:utf-8 -*-
# 步骤1：导入相关的模块库
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 补充：设置图表中文的正常显示
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码
mpl.rcParams['axes.unicode_minus']=False # 解决负号乱码

# 步骤2：创建3D的容器空间
# 创建一个图对象
figure = plt.figure()
# 购进3D图表对象
ax = Axes3D(figure)

# 步骤3：设置相关的数据集
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
# Z轴值的获取
# 将X、Y轴值的两个一维数据集整合成一个二维数据集
X, Y = np.meshgrid(X, Y)
# 根据R系数书生成Z轴数据
R = np.sqrt(X**2 + Y**2)
# 得到Z轴的轴值
Z = np.sin(R)

# 步骤4：生成正弦曲面图
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')
# 设置图表的标题
ax.set_title("图1：正弦曲面3D图表")
# 步骤5：输出图片
plt.show()

#-*- coding:utf-8 -*-
# 步骤1：导入相关模块库
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 补充：设置图表中文的正常显示
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码
mpl.rcParams['axes.unicode_minus']=False # 解决负号乱码

# 步骤2：获取数据
data = np.random.randint(0, 255, size=[40,40,40])
x, y, z = data[0], data[1], data[2]
# 创建一个三维的工程空间
ax = plt.subplot(111, projection='3d')  

# 步骤3：拆分绘图所需要的坐标数据集
ax.scatter(x[:10], y[:10], z[:10], c="y")
ax.scatter(x[10:20], y[10:20], z[10:20], c="b")
ax.scatter(x[30:40], y[30:40], z[30:40], c="g")

# 步骤4：设置图表的相关辅助参数
ax.set_title("图2：散点图3D绘制-随机漫步")

# 步骤5：输出图表
plt.show()

 

#-*- coding:utf-8 -*-
# 步骤1：导入相关模块库
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 补充：设置图表中文的正常显示
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码
mpl.rcParams['axes.unicode_minus']=False # 解决负号乱码

# 步骤2：获取数据
x = np.linspace(-6 * np.pi, 6 * np.pi, 1000)
y = np.sin(x)
z = np.cos(x)
# 步骤3：构建三维空间
figure = plt.figure()
ax = Axes3D(figure)
# 步骤4：绘制图形
ax.plot(x, y, z)
# 步骤5：设置标题
ax.set_title("图3:3D曲线图")
# 步骤6：输出图形
plt.show()

 

#-*- coding:utf-8 -*-
# 步骤1：导入相关模块库
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 补充：设置图表中文的正常显示
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码
mpl.rcParams['axes.unicode_minus']=False # 解决负号乱码

# 步骤2：获取数据
x = [0, 1, 2, 3, 4, 5, 6]
# 步骤3：构建三维空间
figure = plt.figure()
ax = Axes3D(figure)

# 步骤4：绘制图形
for i in x:
    y = [0,1,2,3,4,5,6,7,8,9]
    z = abs(np.random.normal(1, 10, 10))
    ax.bar(y, z, i, zdir='y', color=['r', 'g', 'b', 'y'])
    pass

# 步骤5：设置标题
ax.set_title("图4:3D柱状图")
# 步骤6：输出图形
plt.show()