Matplotlib常见图形绘制（折线图、散点图、柱状图、直方图、饼图）

Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。

我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。

1 常见图形种类及意义

• 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)【变化情况】

  api：plt.plot(x, y)

• 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)  【分布规律】

  api：plt.scatter(x, y)

• 柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。

  特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)  【统计/对比】

  api：plt.bar(x, width, align='center', **kwargs)  【x代表维度的值】

Parameters:    
x : 需要传递的数据

width : 柱状图的宽度

align : 每个柱状图的位置对齐方式
    {‘center’, ‘edge’}, optional, default: ‘center’

**kwargs :
color:选择柱状图的颜色

• 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)    【正态分布】

  api：matplotlib.pyplot.hist(x, bins=None)

  Parameters:    
  x : 需要传递的数据
  bins : 组距

• 饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

  特点：分类数据的占比情况(占比)   【占比】

  api：plt.pie(x, labels=,autopct=,colors)

  Parameters:  
  x:数量，自动算百分比
  labels:每部分名称
  autopct:占比显示指定%1.2f%%
  colors:每部分颜色

饼状图示例代码：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

labels = ['娱乐','育儿','饮食','房贷','交通','其它']
sizes = [2,5,12,70,2,9]
explode = (0,0,0,0.1,0,0)
plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=150)
plt.title("饼图示例-8月份家庭支出")
plt.show() 

 2 散点图绘制

需求：探究房屋面积和房屋价格的关系

房屋面积数据：

x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]

房屋价格数据：

y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

示例代码：

# 0.准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制散点图
plt.scatter(x, y)

# 3.显示图像
plt.show()

3 柱状图绘制

需求-对比每部电影的票房收入

电影数据如下图所示：

• 准备数据

['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
[73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

• 绘制柱状图

示例代码：

# 0.准备数据
# 电影名字
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
# 横坐标
x = range(len(movie_name))
# 票房数据
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制柱状图
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])

# 2.1b修改x轴的刻度显示
plt.xticks(x, movie_name)

# 2.2 添加网格显示
plt.grid(linestyle="--", alpha=0.5)

# 2.3 添加标题
plt.title("电影票房收入对比")

# 3.显示图像
plt.show()

参考链接：

​ Matplotlib — Visualization with Python

4 小结

• 折线图
  • 能够显示数据的变化趋势，反映事物的变化情况。(变化)
  • plt.plot()
• 散点图
  • 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)
  • plt.scatter()
• 柱状图
  • 绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
  • plt.bar(x, width, align="center")
• 直方图
  • 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)
  • plt.hist(x, bins)
• 饼图
  • 用于表示不同分类的占比情况，通过弧度大小来对比各种分类
  • plt.pie(x, labels, autopct, colors)