大家好呀，今天我们学习数据分析课程的第九节课——用来做数据可视化的 Matplotlib。

内容目录如下：

什么是 Matplotlib
为什么要学习 Matplotlib
常见图形种类及意义
Matplotlib 画图的简单实现
对 Matplotlib 图像结构的认识
折线图
（1）折线图的绘制
（2）折线的颜色和形状设置
（3）折点样式
（4）设置的图片的大小和保存
（5）绘制x轴和y轴的刻度
（6）设置显示中文
（7）一图多线
（8）拓展一（一图多个坐标系子图）
（9）拓展二（设置坐标轴范围）
（10）拓展三（改变坐标轴的默认显示方式）
散点图
条形图
直方图
饼状图

课前准备：安装 Matplotlib

pip install -U matplotlib -i https://pypi.douban.com/simple

一、什么是 Matplotlib？

Matplotlib

Matplotlib官网

Matplotlib 是一个 Python 2D 绘图库，它可以让你仅用几行代码就可以生成直方图、折线图、条形图、饼状图、散点图等一些数据统计图形，还可以自定义设置图表元素的多种样式和属性。

二、为什么要学习 Matplotlib？

可视化是整个数据分析过程中的关键一步，它可以让我们更清晰地理解数据，从而调整我们的分析方法，也能让数据更加直观，更具有说服力。

数据与图表的呈现效果对比

三、常见图形种类及意义

1、折线图

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。

折线图

特点：能够显示数据的变化趋势，反映事物的变化情况。（变化）

2、散点图

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。

散点图

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）

3、柱状图（条形图）

柱状图： 又叫条形图，是一种以长方形的长度为变量的统计图表，一般用来表示数量型变量。

柱状图

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）

4、直方图

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。

直方图

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）。

5、饼图

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。

饼图

特点：分类数据的占比情况。（占比）

四、Matplotlib 画图的简单实现

# 导入模块
import matplotlib.pyplot as plt 
# 在 jupyter 中执行的时候显示图片
%matplotlib inline
# 传入x和y, 通过plot画图
plt.plot([1, 0, 9], [4, 5, 6])
# 在执行程序的时候展示图形
plt.show()

结果

五、对 Matplotlib 图像结构的认识

Matplotlib图像结构

通常情况下，我们可以将一张 Matplotlib 图像分成三层结构：

第一层是底层的容器层，主要包括 Canvas、Figure、Axes；
第二层是辅助显示层，主要包括 axis、spines、grid、legend、title等；
第三层为图像层，即通过 plot、scatter 等方法绘制的图像。

六、折线图

1、折线图的绘制

from matplotlib import pyplot as plt 
x = range(1,8)  # x轴的位置
y = [17, 17, 18, 15, 11, 11, 13]
# 传入x和y, 通过plot画折线图
plt.plot(x,y) 
plt.show()

2、折线的颜色和形状设置

from matplotlib import pyplot as plt 
x = range(1,8) 
# x轴的位置
y = [17, 17, 18, 15, 11, 11, 13]
# 传入x和y, 通过plot画折线图
plt.plot(x, y, color='red',alpha=0.5,linestyle='--',linewidth=3) plt.show()
'''基础属性设置
color='red' : 折线的颜色
alpha=0.5: 折线的透明度(0-1) 
linestyle='--' : 折线的样式
linewidth=3: 折线的宽度
'''
'''线的样式
-   实线(solid)
--  短线(dashed)
-.  短点相间线(dashdot)
：   虚点线(dotted) '''

结果

3、折点样式

from matplotlib import pyplot as plt 
x = range(1,8) # x轴的位置
y = [17, 17, 18, 15, 11, 11, 13]
# 传入x和y, 通过plot画折线图
plt.plot(x, y, marker='o',color='red',markersize='20',markeredgecolor='g',markeredgewidth = 5) 
plt.show()

结果

折点形状选择:

character	description
'-'	solid line style
'--'	dashed line style
'-.'	dash-dot line style
':'	dotted line style
'.'	point marker
','	pixel marker
'o'	circle marker
'v'	triangle_down marker
'^'	triangle_up marker
'<'	triangle_left marker
'>'	triangle_right marker
'1'	tri_down marker
'2'	tri_up marker
'3'	tri_left marker
'4'	tri_right marker
's'	square marker
'p'	pentagon marker
'*'	star marker
'h'	hexagon1 marker
'H'	hexagon2 marker
'+'	plus marker
'x'	x marker
'D'	diamond marker
'd'	thin_diamond marker
'\|'	vline marker
'_'	hline marker

4、设置的图片的大小和保存

from matplotlib import pyplot as plt 
import random
x = range(2,26,2) # x轴的位置
y = [random.randint(15, 30) for i in x]

# 设置图片的大小
'''
figsize:指定figure的宽和高，单位为英寸；
dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80
1英寸等于2.5cm,A4纸是 21*30cm的纸张
'''
# 根据画布对象
plt.figure(figsize=(20,8),dpi=80) plt.plot(x,y) 
# 传入x和y, 通过plot画图# 
plt.show()
# 保存（注意： 要放在绘制的下面,并且plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片 。) plt.savefig('./t1.png')
# 图片的格式也可以保存为svg这种矢量图格式，这种矢量图放在网页中放大后不会有锯齿
# plt.savefig('./t1.svg')

5、绘制 x 轴和 y 轴的刻度

from matplotlib import pyplot as plt x = range(2,26,2) # x轴的位置
y = [random.randint(15, 30) for i in x] plt.figure(figsize=(20,8),dpi=80)

# 设置x轴的刻度
# plt.xticks(x)
# plt.xticks(range(1,25)) # 设置y轴的刻度
# plt.yticks(y)
# plt.yticks(range(min(y),max(y)+1))

# 构造x轴刻度标签
x_ticks_label = ["{}:00".format(i) for i in x] 
#rotation = 45 让字旋转45度
plt.xticks(x,x_ticks_label,rotation = 45)
# 设置y轴的刻度标签
y_ticks_label = ["{}℃".format(i) for i in range(min(y),max(y)+1)] plt.yticks(range(min(y),max(y)+1),y_ticks_label)

plt.plot(x,y) 
plt.show()

结果

6、设置显示中文

#  matplotlib只显示英文,无法显示中文，需要修改matplotlib的默认字体# 通过matplotlib下的font_manager可以解决

# 两个小时内的每分钟跳动变化
from matplotlib import pyplot as plt 
import matplotlib
import random

x = range(0,120)
y = [random.randint(10,30) for i in range(120)]

plt.figure(figsize=(20,8),dpi=80) 
plt.plot(x,y)

# 加坐标轴信息
'''另外一种写法
查看Linux、Mac下支持的字体
终端执行： fc-list
查看支持的中文（冒号前面有空格) fc-list :lang=zh
查看Windows下的字体：“C:\Windows\Fonts\”

可以自己下载字体文件（xxx.ttf），然后双击安装即可
# my_font = font_manager.FontProperties(fname='/System/Library/Fonts/PingFang.ttc',size=18)  # plt.ylabel("天气",fontproperties=my_font)
'''

#rotation将字体旋转45度
plt.xlabel('时间',rotation=45)

from matplotlib import font_manager my_font =
font_manager.FontProperties(fname='/System/Library/Fonts/PingFang.ttc',size=18) plt.ylabel("次数",fontproperties=my_font)

# 设置标题
plt.title('每分钟跳动次数',fontproperties=my_font,color='red')

plt.show()

结果

7、一图多线

#  假设大家在30岁的时候，根据自己的实际情况，统计出来你和你同事各自从11岁到30岁每年交的男/女朋友的数量如列表y1和y2，请在一个图中绘制出该数据的折线图，从而分析每年交朋友的数量走势。
y1 = [1,0,1,1,2,4,3,4,4,5,6,5,4,3,3,1,1,1,1,1]
y2 = [1,0,3,1,2,2,3,4,3,2,1,2,1,1,1,1,1,1,1,1]

x = range(11,31) 
# 设置图形
plt.figure(figsize=(20,8),dpi=80)

plt.plot(x,y1,color='red',label='自己')

plt.plot(x,y2,color='blue',label='同事') 
# 设置x轴刻度
xtick_labels = ['{}岁'.format(i) for i in x] 
my_font =
font_manager.FontProperties(fname='/System/Library/Fonts/PingFang.ttc',size=18)
plt.xticks(x,xtick_labels,fontproperties=my_font,rotation=45) 

# 绘制网格（网格也是可以设置线的样式)
#alpha=0.4 设置透明度
plt.grid(alpha=0.4)

#  添加图例（注意：只有在这里需要添加prop参数是显示中文，其他的都用fontproperties）
# 设置位置loc : upper left、 lower left、 center left、 upper center plt.legend(prop=my_font,loc='upper right')

#展示
plt.show()

结果

8、拓展一（一图多个坐标系子图）

import matplotlib.pyplot as plt 
import numpy as np

# add_subplot方法 给figure新增子图
import numpy as np
import matplotlib.pyplot as plt 

x = np.arange(1, 100)

#新建figure对象fig=plt.figure(figsize=(20,10),dpi=80) 
#新建子图1
ax1=fig.add_subplot(2,2,1) 
ax1.plot(x, x)
#新建子图2
ax2=fig.add_subplot(2,2,2) 
ax2.plot(x, x ** 2)
ax2.grid(color='r', linestyle='--', linewidth=1,alpha=0.3) 
#新建子图3
ax3=fig.add_subplot(2,2,3) 
ax3.plot(x, np.log(x)) 
plt.show()

![结果](https://upload-images.jianshu.io/upload_images/8919282-b9fe618be5a0900b.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

### 9、拓展二（设置坐标轴范围）

import matplotlib.pyplot as plt
import numpy as np
x= np.arange(-10,11,1)
y = x**2
plt.plot(x,y)

可以调x轴的左右两边

plt.xlim([-5,5])

只调一边

plt.xlim(xmin=-4)

plt.xlim(xmax=4)

plt.ylim(ymin=0)
plt.xlim(xmin=0)
plt.show()


![结果](https://upload-images.jianshu.io/upload_images/8919282-5dcdfc8972b90a00.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

### 10、拓展三（改变坐标轴的默认显示方式）

import matplotlib.pyplot as plt
import numpy as np

y = range(0,14,2)

x轴的位置

x = [-3,-2,-1,0,1,2,3]

plt.figure(figsize=(20,8),dpi=80)

获得当前图表的图像

ax = plt.gca()

设置图型的包围线

ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_color('blue')
ax.spines['left'].set_color('red')

设置底边的移动范围，移动到y轴的0位置，'data':移动轴的位置到交叉轴的指定坐标

ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 1))

plt.plot(x,y)
plt.show()


![结果](https://upload-images.jianshu.io/upload_images/8919282-e082fc710bf34a27.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

## 七、绘制散点图

'''题干
3月份每天最高气温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]
'''
from matplotlib
import pyplot as plt
from matplotlib import font_manager
import numpy as np

y = [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]
x = range(1,32)

设置图形大小

plt.figure(figsize=(20,8),dpi=80)

使用scatter绘制散点图

size = np.random.randint(0, 100, 31)

设置大小

plt.scatter(x,y,label= '3月份',alpha=0.5,s=size,c='red')

调整x轴的刻度

my_font = font_manager.FontProperties(fname='/System/Library/Fonts/PingFang.ttc',size=10)

_xticks_labels = ['3 月 {} 日 '.format(i) for i in x] plt.xticks(x[::3],_xticks_labels[::3],fontproperties=my_font,rotation=45)

_yticks_labels = ['{}°C'.format(i) for i in range(min(y),max(y)+1)] plt.yticks(range(min(y),max(y)+1),_yticks_labels)

plt.xlabel('日期',fontproperties=my_font)
plt.ylabel('温度',fontproperties=my_font)

图例plt.legend(prop=my_font)

plt.show()


![结果](https://upload-images.jianshu.io/upload_images/8919282-44e1f6e1ac65f59d.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


## 八、绘制条形图**

'''http://58921.com/alltime
假设你获取到了2019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)，请展示该数据：
a = ['流浪地球','疯狂的外星人','飞驰人生','大黄蜂','熊出没·原始时代','新喜剧之王']
b = ['38.13','19.85','14.89','11.36','6.47','5.93']
'''

from matplotlib import pyplot as plt
from matplotlib import font_manager

a = ['流浪地球','疯狂的外星人','飞驰人生','大黄蜂','熊出没·原始时代','新喜剧之王']

b = ['38.13','19.85','14.89','11.36','6.47','5.93']

b =[38.13,19.85,14.89,11.36,6.47,5.93]

my_font = font_manager.FontProperties(fname='/System/Library/Fonts/PingFang.ttc',size=10)
plt.figure(figsize=(20,8),dpi=80)

绘制条形图

rects = plt.bar(a,[float(i) for i in b],width=0.3,color= ['r','g','b','r','g','b'])
plt.xticks(range(len(a)),a,fontproperties=my_font)
plt.yticks(range(0,41,5),range(0,41,5))

在条形图上加标注(水平居中)

for rect in rects:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width() / 2, height+0.3, str(height),ha="center")

plt.show()


![结果](https://upload-images.jianshu.io/upload_images/8919282-805f1d7b31accd3b.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

**横向条形图**

横向柱状图

from matplotlib import pyplot as plt
from matplotlib import font_manager

my_font =
font_manager.FontProperties(fname='/System/Library/Fonts/PingFang.ttc',size=10)
a = ['流浪地球','疯狂的外星人','飞驰人生','大黄蜂','熊出没·原始时代','新喜剧之王']
b = [38.13,19.85,14.89,11.36,6.47,5.93]

plt.figure(figsize=(20,8),dpi=80)

绘制条形图的方法

'''
height=0.3 条形的宽度

'''
# 绘制横向的条形图
# plt.bar(y,x，width = 0.4)
rects = plt.barh(range(len(a)),b,height=0.5,color='r') plt.yticks(range(len(a)),a,fontproperties=my_font,rotation=45)

# 在条形图上加标注(水平居中) 
for rect in rects:
    # print(rect.get_x()) 
    width = rect.get_width()
    plt.text(width, rect.get_y()+0.5/2, str(width),va="center")

plt.show()

结果

并列和罗列条形图

import matplotlib.pyplot as plt
import numpy as np

index = np.arange(4) 
BJ = [50,55,53,60]
Sh = [44,66,55,41]

# 并列
plt.bar(index,BJ,width=0.3) plt.bar(index+0.3,Sh,width=0.3,color='green')

plt.xticks(index+0.3/2,index) 
# 罗列
# plt.bar(index,Sh,bottom=BJ,width=0.3,color='green') 
plt.show()

image.png

九、直方图

这部分由于原始数据太多，不好呈现，所以放张图给大家，大家可以自己找一些数据放在本地练习一下。

image.png

十、饼状图

import matplotlib.pyplot as plt 
import matplotlib
from matplotlib import font_manager 
my_font =
font_manager.FontProperties(fname='/System/Library/Fonts/PingFang.ttc',size=10)

label_list = ["第一部分", "第二部分", "第三部分"]   
# 各部分标签
size = [55, 35, 10] 
# 各部分大小
color = ["red", "green", "blue"]    
# 各部分颜色
explode = [0, 0.05, 0]  
# 各部分突出值
"""
绘制饼图
x : (每一块)的比例,如果sum(x)>1，会将多出的部分进行均分； explode: (每一块)离开中心距离
labels: (每一块)饼图外侧显示的说明文字； 
labeldistance:设置标签文本距圆心位置，1.1表示1.1倍半径autopct：控制饼图内百分比设置
shadow：设置是否有阴影
startangle：起始绘制角度,默认图是从x轴正方向逆时针画起，如设定=90则从y轴正方向画起； 
pctdistance：类似于labeldistance，指定autopct的位置刻度，默认值为0.6；
返回值：
patches : matplotlib.patches.Wedge列表(扇形实例) 
l_text：label matplotlib.text.Text列表(标签实例) 
p_text：label matplotlib.text.Text列表(百分比标签实例) 
"""

plt.figure(figsize=(20, 8), dpi=100) 
patches, l_text, p_text = plt.pie(size, explode=explode, colors=color, labels=label_list, labeldistance=1.1, autopct="%1.1f%%", shadow=False, startangle=90, pctdistance=0.6)

for t in l_text: 
    print(dir(t))
    t.set_fontproperties(my_font)

for t in p_text: 
    t.set_size(18)

for i in patches: 
    i.set_color('pink') 
    break

plt.show()

pie 函数参数详解，英文原版请参见：matplotlib官网pie函数

结果

十一、总结

总结

数据分析课程笔记 - 09 - Matplotlib

一、什么是 Matplotlib？

二、为什么要学习 Matplotlib？

三、常见图形种类及意义

1、折线图

2、散点图

3、柱状图（条形图）

4、直方图

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）。

5、饼图

四、Matplotlib 画图的简单实现

五、对 Matplotlib 图像结构的认识

六、折线图

1、折线图的绘制

2、折线的颜色和形状设置

3、折点样式

4、设置的图片的大小和保存

5、绘制 x 轴和 y 轴的刻度

6、设置显示中文

7、一图多线

8、拓展一（一图多个坐标系子图）

可以调x轴的左右两边

plt.xlim([-5,5])

只调一边

plt.xlim(xmin=-4)

plt.xlim(xmax=4)

x轴的位置

plt.figure(figsize=(20,8),dpi=80)

获得当前图表的图像

设置图型的包围线

设置底边的移动范围，移动到y轴的0位置，'data':移动轴的位置到交叉轴的指定坐标

设置图形大小

使用scatter绘制散点图

设置大小

调整x轴的刻度

图例plt.legend(prop=my_font)

b =[38.13,19.85,14.89,11.36,6.47,5.93]

绘制条形图

在条形图上加标注(水平居中)

横向柱状图

绘制条形图的方法

九、直方图

十、饼状图

十一、总结

你可能感兴趣的:(数据分析课程笔记 - 09 - Matplotlib)