Python数据分析——matplotlib
数据分析是用适当的方法对收集来的大量数据进行分析，帮助人们作出判断，以便采取适当行动。数据分析也是机器学习课程的基础。
matplotlib：最流行的Python底层绘图库，主要做数据可视化图表,名字取材于MATLAB，模仿MATLAB构建
1、常用统计图
1.1 折线图
以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
1.2 直方图
由一系列高度不等的纵向条纹或线段表示数据分布的情况。
一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据,展示一组或者多组数据的分布状况(统计)
1.3 条形图
排列在工作表的列或行中的数据可以绘制到条形图中。
特点：绘制离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)
1.4 散点图
用两组数据构成多个坐标点，考察坐标点的分布,判断两变量
之间是否存在某种关联或总结坐标点的分布模式。
特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
2、折线图
2.1 API介绍：
# 导包
from matplotlib import pyplot as plt
x = range(120)
y = [random.randint(20, 35) for i in range(120)]
# 设置图像的尺寸以及dpi，再调用plot前调用
plt.figure(figsize=(16, 8), dpi=80)
# 传入x y，通过plot绘制折线图
plt.plot(x, y)
# 设置图像的标题
plt.title(str)
# 设置x轴的刻度
plt.xticks(ticks, labels)
# 设置x轴和y轴的标签
plt.xlable(str)
plt.ylabel(str)
# 显示图
plt.show()
# 将图片保存到本地
plt.savefig(path)
2.2 案例1
随机生成10点到11点每一分钟的温度，将温度使用折线图绘制出来
from matplotlib import pyplot as plt
# 定义x轴刻度的转换函数，例如10分钟时，转换为10:10, 70分钟时，转换为11:10
def convert(num):
base = 10
base += num / 60
remain = num % 60
return str(int(base)) + ":" + str(remain).ljust(2, "0")
x = range(120)
# 随机生成120分钟内每一分钟的温度
y = [random.randint(20, 35) for i in range(120)]
# x刻度
xtricks = [convert(i) for i in range(0, 125, 5)]
# 设置图像大小和dpi
plt.figure(figsize=(20, 8), dpi=80)
# 绘制图像
plt.plot(x, y)
# 设置x轴的刻度
plt.xticks(range(0, 125, 5), xtricks)
plt.show()
如果将26行注释，也就是不自己设置X轴的刻度，图像如下：
设置了X轴刻度：
2.3 设置中文字体
matplotlib默认不支持中文字符，因为默认的英文字体无法显示汉字，通过matplotlib 下的font_manager可以解决
from matplotlib import font_manager
# 第一个参数为字体所在的目录 第二个参数为字体的大小
my_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=30)
2.4 案例2
假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
要求:
y轴表示个数
x轴表示岁数,比如11岁,12岁等
代码：
from matplotlib import pyplot as plt
from matplotlib import font_manager
# 设置字体
title_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=30)
label_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=24)
ticks_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STXINWEI.TTF", size=12)
y_1 = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]
y_2 = [1, 0, 3, 1, 2, 2, 3, 3, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1]
age = [x + 11 for x in range(20)]
# X轴的刻度
xtricks = [ (str(i) + "岁") for i in age]
# 设置图像size和dpi
plt.figure(figsize=(16, 8), dpi=80)
# 绘制两个折线，并设置图例
plt.plot(age, y_1, label="自己")
plt.plot(age, y_2, label="同桌")
# 设置X轴的刻度，第三个参数为设置字体，否则中文无法显示
plt.xticks(age, xtricks, fontproperties=ticks_font)
# 设置x和y轴的标签以及字体
plt.ylabel("女朋友数", fontproperties=label_font)
plt.xlabel("岁数", fontproperties=label_font)
plt.title("每年交的女朋友数", fontdict={"size" : 24}, fontproperties=title_font)
# 设置网格，alpha为透明度 0~1
plt.grid(alpha=0.4)
# 添加图例，并设置字体，不调用legend不会显示图例
plt.legend(prop=ticks_font)
plt.show()
图像：
2.5 自定义绘制图像风格
plot也有很多其它参数，可以绘制不同风格的图像：
plt.plor(
x,
y,
color='r' # 线条颜色
linewidth=5 # 线条粗细
linestyle="--" # 线条风格
alpha=0.5 # 透明度
)
# loc设置图例位置，默认右上角
plt.legend(prop=my_font, loc="best")
2.6 总结：
- 绘制折线图(plt.plot)
- 设置图片的大小和分辨率(plt.figure)
- 图片的保存(plt.savefig)
- 设置xy轴上的刻度和字符串(plt.xticks)
- 设置标题,xy轴的lable(title,xlable,ylable)
- 设置字体(font_manager. fontProperties,matplotlib.rc)
- 在一个图上绘制多个图形(plt多次plot即可)
- 为不同的图形添加图例(plt.plot(label=), plt.legend)
折线图的应用场景：
- 呈现公司产品(不同区域)每天活跃用户数
- 呈现app每天下载数量
- 呈现产品新功能上线后,用户点击次数随时间的变化
- 呈现员工每天上下班时间
- …
3、散点图
# 散点图的函数
plt.scatter
3.1 案例
假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?
a = [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]
b = [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]
代码：
from matplotlib import pyplot as plt
from matplotlib import font_manager
# 字体
title_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=30)
label_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=24)
ticks_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STXINWEI.TTF", size=12)
# 3月份温度
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]
# 10月份温度
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(32, 63)
x3_ticks_label = ["3月{}日".format(i) for i in x_3]
x10_ticks_label = ["10月{}日".format(i - 31) for i in x_10]
plt.figure(figsize=(18, 11), dpi=80)
# 绘制散点图
plt.scatter(x_3, y_3, label="三月份")
plt.scatter(x_10, y_10, label="十月份")
x = list(x_3) + list(x_10)
x_ticks = x3_ticks_label + x10_ticks_label
# 设置X轴刻度 rotation设置字体旋转90度
plt.xticks(x[::3], x_ticks[::3], rotation=60, fontproperties=ticks_font)
# plt.xticks(x_10, x10_ticks_label, rotation=90)
plt.title("2016年3月和10月每日气温图", fontproperties=title_font)
plt.ylabel("温度℃", fontproperties=label_font)
plt.xlabel("日期", fontproperties=label_font)
plt.legend(prop=ticks_font)
plt.show()
图像：
3.2 散点图的应用场景
- 不同条件(维度)之间的内在关联关系
- 观察数据的离散聚合程度
- …
4、条形图
# 纵向条形图
plt.bar()
# 横向条形图
plt.barh()
4.1 案例1
假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?
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] 单位:亿
代码：
# 绘制纵向条形图
from matplotlib import pyplot as plt
from matplotlib import font_manager
title_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=30)
label_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=24)
ticks_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STXINWEI.TTF", size=18)
x_ticks = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：\n最后的骑士", "摔跤吧！\n爸爸", "加勒比海盗5：\n死无对证", "金刚：骷髅岛", "极限特工：\n终极回归", "生化危机6：\n终章",
"乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺", "金刚狼3：\n殊死一战", "蜘蛛侠：\n英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊", ]
y = [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]
x = range(len(x_ticks))
plt.figure(figsize=(20, 12), dpi=60)
# 绘制条形图
plt.bar(x, y)
plt.xticks(x, x_ticks, fontproperties=ticks_font, rotation=90)
plt.xlabel("电影名", fontproperties=label_font)
plt.ylabel("票房(单位：亿)", fontproperties=label_font)
plt.title("2017年内地电影票房前20名", fontproperties=title_font)
plt.show()
可以看到x轴的标签的字体显示不完全，因此可以绘制横向的条形图：
横向条形图：
from matplotlib import pyplot as plt
from matplotlib import font_manager
title_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=30)
label_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=24)
ticks_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STXINWEI.TTF", size=18)
x_ticks = ["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", ]
y = [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]
x_ticks.reverse()
y.reverse()
x = range(len(x_ticks))
plt.figure(figsize=(28, 12), dpi=60)
# 绘制横向条形图
plt.barh(x, y, height=0.8)
plt.grid(alpha=0.5)
plt.yticks(x, x_ticks, fontproperties=ticks_font)
plt.ylabel("电影名", fontproperties=label_font)
plt.xlabel("票房(单位：亿)", fontproperties=label_font)
plt.title("2017年内地电影票房前20名", fontproperties=title_font)
plt.show()
4.2 案例2
假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?
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]
from matplotlib import pyplot as plt
from matplotlib import font_manager
title_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=30)
label_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=24)
ticks_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STXINWEI.TTF", size=18)
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]
# 条形的宽度
bar_width = 0.2
x_14 = list(range(len(a)))
x_15 = [i + bar_width for i in x_14]
x_16 = [i + bar_width * 2 for i in x_14]
# figure要在plot之前
plt.figure(figsize=(12, 8), dpi=80)
# 设置条形的宽度
plt.bar(x_14, b_14, label="14日票房", width=bar_width)
plt.bar(x_15, b_15, label="15日票房", width=bar_width)
plt.bar(x_16, b_16, label="16日票房", width=bar_width)
plt.xticks(x_15, a, fontproperties=ticks_font)
plt.title("2017年9月三日内不同电影票房", fontproperties=title_font)
plt.xlabel("电影名", fontproperties=label_font)
plt.ylabel("票房（元）", fontproperties=label_font)
plt.legend(prop=ticks_font)
plt.grid(alpha=0.5)
plt.show()
4.3 条形图的应用场景
- 数量统计
- 频率统计(市场饱和度)
- …
5、直方图
# 绘制直方图,num_bins为组数
plt.hist(x, num_bins)
5.1 案例
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,你应该如何呈现这些数据?
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]
from matplotlib import pyplot as plt
from matplotlib import font_manager
title_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=30)
label_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\SIMLI.TTF", size=24)
ticks_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STXINWEI.TTF", size=18)
movie_duration = [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]
plt.figure(figsize=(16, 8), dpi=80)
# 设置组距为3, 也就是相差三分钟为一组
bin_width = 3
# 最长时长
max_dur = max(movie_duration)
# 最短时长
min_dur = min(movie_duration)
# 组数
num_bins = (max_dur - min_dur) // bin_width
# 使用density来显示频率分布直方图
# plt.hist(movie_duration, num_bins, density=True)
plt.hist(movie_duration, num_bins)
plt.xticks(list(range(min_dur, max_dur + bin_width))[::bin_width], fontproperties=ticks_font)
plt.title("250部电影时长分布", fontproperties=title_font)
plt.xlabel("电影时长", fontproperties=label_font)
plt.ylabel("数量", fontproperties=label_font)
plt.grid()
plt.show()
直方图：
频率直方图，再plt.hist中添加一个 density=True的参数即可绘制频率直方图：
5.2 案例分析
在上面的案例中给出的电影的时长是没有统计过的，在使用hist函数时，只能绘制没有统计过的数据。如果数据已经统计好了，那么就不能使用hist函数来绘制。但是可以用bar函数来绘制一个条形图，将plt.bar(x, y, width=1)的width指定为1，默认为0.8就可以让每个条形之间没有间隔，就可以达到绘制直方图的目的。
5.3 直方图的场景
- 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
- …
6、其它绘图
matplotlib支持的图形是非常多的，如果有其他的需求，我们可以在下面的地址中找：
Gallery — Matplotlib 3.4.3 documentation