matplotlib可视化绘图详解，2021必看

如何使用Matplotlib

---

• python 环境下

pip install matplotlib

• jupyter notebook 中

！pip install matplotlib

import matplotlib.pyplot as plt #plt是别名

Matplotlib绘制图形

• 折线图	plot
  柱状图	bar
  条形图	barh
  饼图	pie
  散点图	scatter
  直方图	hist
  箱形图	boxplot
  子图	subplot

2、Matplotlib图形绘制

================

1）折线图

---

• 折线图（line chart）是一种将数据点按照顺序连接起来的图形，折线图是排列在工作表的列或行中的数据可以绘制到折线图中，折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。

plt.figure(figsize=(10,6))#调整画布大小

plt.plot(data[“日期”],data[“自配送销售额”],color=‘y’)#通过color调整颜色

plt.xticks(rotation=45)#x轴倾斜的角度

plt.show()

其中颜色可以设置成很多，下表为部分：

'r'	红色
'g'	绿色
'b'	蓝色
'c'	青色
'm'	品红
'y'	黄色
'k'	黑色
'w'	白色
浅粉红	#FFB6C1
猩红	#DC143C

最底下为rgb颜色值，可以查看[RGB颜色值与十六进制颜色码转换工具](

)里边比较详细

plt.figure(figsize=(10,5))

plt.plot(data[“日期”],data[“总销售额”],color=‘r’,linewidth=0.5,marker="*",linestyle=’-.’)

plt.plot(data[“日期”],data[“FBA销售额”],color=‘g’,linewidth=0.5,marker=“2”,linestyle=’-’)

plt.plot(data[“日期”],data[“自配送销售额”],color=‘y’,linewidth=0.5,marker=“s”,linestyle=’–’)

plt.xticks(rotation=45)#旋转x轴标注

font = {

“family”:“kaiti”, # 设置字体的样式

“size”:“20” # 设置字体的大小

}

plt.rc(“font”,**font)

#设置X轴标签

plt.xlabel(“时间”)

#设置y轴标签

plt.ylabel(“数额”)

plt.show()

#linewidth是设置线的宽度

#marker是设置线的拐点标记样式

常用字体名称：

楷体	kaiti
黑体	SimHei
微软雅黑	Microsoft YaHei
新宋体	NSimSun
仿宋_GB2312	FangSong_GB2312
楷体_GB2312	KaiTi_GB2312

常用线型：

• 实线	'-'
  点虚线	':'
  破折线	'--'
  点划线	'-.'
  不画线	'' 或 ' '

常用标记：

• 点	"."
  上三角	"^"
  上三叉	"2"
  正方形	"s"
  星号	"*"

h:255px;">菱形"D"渲染指定的字符。例如 “$f$” 以字母 f 为标记。’$...$’

2）柱状图

---

• 柱形图，又称长条图、柱状统计图（德文: Säulendiagramm、英文：bar chart、西班牙文: diagrama de barras）亦称条图、条状图、棒形图，是一种以长方形的长度为变量的统计图表。长条图用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用于较小的数据集分析。长条图亦可横向排列，或用多维方式表达。

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align=‘center’, data=None, **kwargs)

参数说明：

x：浮点型数组，柱形图的 x 轴数据。

height：浮点型数组，柱形图的高度。

width：浮点型数组，柱形图的宽度。

bottom：浮点型数组，底座的 y 坐标，默认 0。

align：柱形图与 x 坐标的对齐方式，‘center’ 以 x 位置为中心，这是默认值。 ‘edge’：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align=‘edge’。

**kwargs：：其他参数。

plt.figure(figsize=(10,5))

plt.bar(data[“排序”],data[“销量”])

##调整画布外框颜色 上：top 下: bottom 左：left 右：right

ax=plt.gca()

ax.spines[“top”].set_color(“w”)

ax.spines[“bottom”].set_color(“r”)

ax.spines[“left”].set_color(“r”)

ax.spines[“right”].set_color(“w”)

##调整x、y轴刻度

plt.xlim(data.index.values[0],data.index.values[-1]) #x轴从0开始到最后一个 0第一个 -1最后一个

plt.ylim(np.min(data[“销量”]),np.max(data[“销量”])) #最小到最大

plt.show()

3）条形图

---

• 条形图（bar chart）是用宽度相同的条形的高度或长短来表示数据多少的图形。条形图可以横置或纵置，纵置时也称为柱形图（column chart）。此外，条形图有简单条形图、复式条形图等形式。

plt.figure(figsize=(10,5))

plt.barh(data[“排序”],data[“销量”])

##调整画布外框颜色 上：top 下: bottom 左：left 右：right

ax=plt.gca()

ax.spines[“top”].set_color(“w”)

ax.spines[“bottom”].set_color(“r”)

ax.spines[“left”].set_color(“r”)

ax.spines[“right”].set_color(“w”)

##调整x、y轴刻度

plt.xlim(np.min(data[“销量”]),np.max(data[“销量”])) #x轴从0开始到最后一个 0第一个 -1最后一个

plt.ylim(data.index.values[0],data.index.values[-1]) #最小到最大

plt.show()

• 条形图就是把柱状图放倒，调整X、Y轴即可

3）饼图

---

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)[source]

参数说明：

x：浮点型数组，表示每个扇形的面积。

explode：数组，表示各个扇形之间的间隔，默认值为0。

labels：列表，各个扇形的标签，默认值为 None。

colors：数组，表示各个扇形的颜色，默认值为 None。

autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。

labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。

pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。

shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。

radius：：设置饼图的半径，默认为 1。

startangle：：起始绘制饼图的角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。

counterclock：布尔值，设置指针方向，默认为 True，即逆时针，False 为顺时针。

wedgeprops ：字典类型，默认值 None。参数字典传递给 wedge 对象用来画一个饼图。例如：wedgeprops={‘linewidth’:5} 设置 wedge 线宽为5。

textprops ：字典类型，默认值为：None。传递给 text 对象的字典参数，用于设置标签（labels）和比例文字的格式。

center ：浮点类型的列表，默认值：(0,0)。用于设置图标中心位置。

frame ：布尔类型，默认值：False。如果是 True，绘制带有表的轴框架。

rotatelabels ：布尔类型，默认为 False。如果为 True，旋转每个 label 到指定的角度。

plt.figure(figsize=(10,5))

sum_sale=np.sum(data[“总销售额”])

font={

“family”:“kaiti”

,“size”:“15”

}

plt.rc(“font”,**font)

fba_sale=np.sum(data[“FBA销售额”])

self_sale=np.sum(data[“自配送销售额”])

plt.pie([sum_sale,fba_sale,self_sale]

,labels=[“总销售额”,“FBA销售额”,“自配送销售额”]

,colors=[“m”,“b”,“g”] #设置饼图颜色

,shadow=True #是否设置阴影

,labeldistance=1.2 #标签距图表的距离

,autopct="%.2f%%" ##设置显示数字样式

,startangle=60 ##旋转角度

,explode=[0.1,0,0]

)

plt.title(“统计”,loc=“center”)#center中间

plt.show()

4）散点图

---

• 散点图是指在回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。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。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

参数说明：

x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。

s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。

c：点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。

marker：点的样式，默认小圆圈 ‘o’。

cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。

norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。

vmin，vmax：：亮度设置，在 norm 参数存在时会忽略。

alpha：：透明度设置，0-1 之间，默认 None，即不透明。

linewidths：：标记点的长度。

edgecolors：：颜色或颜色序列，默认为 ‘face’，可选值有 ‘face’, ‘none’, None。

plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

**kwargs：：其他参数。

plt.scatter(data[“平均单个订单成本”],data[“订单额”]

, color=(“red”,“green”,“black”,“orange”,“purple”,“beige”,“cyan”,“magenta”,“cyan”,“magenta”)#设置球的颜色

,s=data[“订单额”]#设置球的大小

,marker=“h”#设置球的形状

,linewidths=4#设置球边界的宽度

,edgecolors=‘b’#设置边界的颜色

,alpha=0.5#设置透明度

)#设置球的形状

plt.xlabel(“订单成本”)

plt.ylabel(“订单额”)

plt.show()

5）直方图

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。