Python - matplotlib 数据可视化

Posted 2020-10-31 静悟生慧

在许多实际问题中，经常要对给出的数据进行可视化，便于观察。

今天专门针对Python中的数据可视化模块--matplotlib这块内容系统的整理，方便查找使用。

本文来自于对《利用python进行数据分析》以及网上一些博客的总结。

 

1  matplotlib简介

matplotlib是Pythom可视化程序库的泰斗，经过几十年它仍然是Python使用者最常用的画图库。有许多别的程序库都是建立在它的基础上或直接调用它，比如pandas和seaborn就是matplotlib的外包，

它们让你使用更少的代码去使用matplotlib的方法。Gallery页面中有上百幅缩略图，打开之后都有源程序，非常适合学习matplotlib。

 

2  图和子图的建立

2.1  导入matplotlib

import matplotlib.pyplot as plt
import numpy as np

　　

2.2  建立图和子图方式一

plt.plot( )会在最近的一个图上进行绘制

from numpy.random import randn  
fig = plt.figure(figsize = (8,4))    #设置图的大小  
ax1 = fig.add_subplot(2,2,1)  
ax2 = fig.add_subplot(2,2,2)  
ax3 = fig.add_subplot(2,1,2)  
ax3.plot(randn(50).cumsum(),\'k--\')   # plt.plot(randn(50).cumsum(),\'k--\')等效  
ax1.hist(randn(100),bins = 10, color = \'b\', alpha = 0.3)      #bins 分成多少间隔   alpha 透明度  
ax2.scatter(np.arange(30),np.arange(30) + 3*randn(30))  
plt.show() 

 

2.3 建立子图方式二

from numpy.random import randn  
fig, axes = plt.subplots(2,2)                               #以数组方式访问  
t = np.arange(0., 5., 0.2)  
axes[0,0].plot(t, t, \'r-o\', t, t**2, \'bs\', t, t**3, \'g^\')   #同时绘制多条曲线  
axes[1,1].plot(randn(40).cumsum(),\'b--\')  
plt.show()  

　

2.4 主题设置

使用style.use()函数

df_iris = pd.read_csv(\'../input/iris.csv\')  
plt.style.use(\'ggplot\')    #\'fivethirtyeight\'，\'ggplot\'，\'dark_background\'，\'bmh\'  
df_iris.hist(\'sepal length\')  
plt.show()  

　

3  颜色、标记、线型、刻度、标签和图例

from numpy.random import randn  
fig = plt.figure()  
ax1 = fig.add_subplot(1,1,1)  
ax1.plot(randn(30).cumsum(),color = \'b\',linestyle = \'--\',marker = \'o\',label = \'$cumsum$\')  # 线型  可以直接\'k--o\'  
ax1.set_xlim(10,25)                                                                                     
ax1.set_title(\'My first plot\')  
ax1.set_xlabel(\'Stages\')  
plt.legend(loc = \'best\')           #把图放在不碍事的地方  xticks（[]）设置刻度  
plt.show()  

　　

等价于下面的代码：

from numpy.random import randn  
fig = plt.figure()  
ax1 = fig.add_subplot(1,1,1)  
ax1.plot(randn(30).cumsum(),color = \'b\',linestyle = \'--\',marker = \'o\',label = \'$cumsum$\')   #图标可以使用latex内嵌公式  
plt.xlim(10,25)                   #plt.axis([10,25,0,10])对x,y轴范围同时进行设置  
plt.title(\'My first plot\')  
plt.xlabel(\'Stages\')  
plt.legend(loc = \'best\')  
plt.show()  

　　

4  pandas中的绘图函数

在pandas中，我们具有行标签，列标签以及分组信息。这也就是说，要制作一张完整的图表，原本需要一大堆的matplotlib代码，现在只需一两条简洁的语句就可以了。

pandas有很多能够利用DataFrame对象数据组织特点来创建标准图表的高级绘图方法。

 

4.1  线型图

from numpy.random import randn  
fig, axes = plt.subplots(1,2)  
s = pd.Series(randn(10).cumsum(),index = np.arange(0,100,10))  
s.plot(ax = axes[0])   # ax参数选择子图  
  
df = pd.DataFrame(randn(10,3).cumsum(0),columns = [\'A\',\'B\',\'C\'],index = np.arange(0,100,10))  
df.plot(ax = axes[1])      
plt.show()  

　

4.2 柱状图

from numpy.random import rand  
fig, axes = plt.subplots(1,2)  
data = pd.Series(rand(16),index = list(\'abcdefghijklmnop\'))  
data.plot(kind = \'bar\', ax = axes[0], color = \'b\', alpha = 0.7)    #kind选择图表类型  \'bar\' 垂直柱状图  
data.plot(kind = \'barh\', ax = axes[1], color = \'b\', alpha = 0.7)   # \'barh\' 水平柱状图  
plt.show() 

　　

from numpy.random import rand  
fig, axes = plt.subplots(1,2)  
data = pd.DataFrame(rand(6,4),  
                    index = [\'one\',\'two\',\'three\',\'four\',\'five\',\'six\'],  
                    columns = pd.Index([\'A\',\'B\',\'C\',\'D\'], name = \'Genus\'))  
data.plot(kind = \'bar\', ax = axes[0], alpha = 0.5)  
data.plot(kind = \'bar\', ax = axes[1], stacked = True, alpha = 0.5)  
plt.show()  

 

此外，柱状图有一个非常不错的用法，利用value_counts( )图形化显示Series中各值的出现概率，比如s.value_counts( ).plot(kind = \'bar\')。

 

4.3 直方图和密度图

from numpy.random import randn  
fig, axes = plt.subplots(1,2)  
data = pd.Series(randn(100))  
data.hist(ax = axes[0], bins = 50)       #直方图  
data.plot(kind = \'kde\', ax = axes[1])    #密度图  
plt.show()  

　

其实可以一次性制作多个直方图，layout参数的意思是将两个图分成两行一列，如果没有这个参数，默认会将全部的图放在同一行。

 

df_iris = pd.read_csv(\'../input/iris.csv\')  
columns = [\'sepal length\',\'sepal width\',\'petal length\',\'petal width\']  
df_iris.hist(column=columns, layout=(2,2))  
plt.show()  

　　

4.4 箱型图

箱型图是基于五数概括法（最小值，第一个四分位数，第一个四分位数（中位数），第三个四分位数，最大值）的数据的一个图形汇总，还需要用到四分位数间距IQR = 第三个四分位数 - 第一个四分位数。

df_iris = pd.read_csv(\'../input/iris.csv\')  #[\'sepal length\',\'sepal width\',\'petal length\',\'petal width\',\'class\']  
sample_size = df_iris[[\'petal width\',\'class\']]  
sample_size.boxplot(by=\'class\')  
plt.xticks(rotation=90)                     #将X轴的坐标文字旋转90度，垂直显示  
plt.show()  

　　

5  参考资料链接

• Gallery页面
• matplotlib — 绘制精美的图表
• Python — matplotlib绘图可视化知识点整理
• Python数据可视化之matplotlib学习笔记
• https://blog.csdn.net/qq_34264472/article/details/53814635   (仅为记录，方便查找使用)