数据可视化

绘制直方图

        使用hist()绘制直方图

使用pyplot的hist()函数可以快速绘制直方图，hist()函数的语法格式如下所示：

hist(x, bins=None, range=None, density=None, weights=None,
    cumulative=False, bottom=None, histtype='bar', align='mid',
    orientation='vertical', rwidth=None, log=False, label=None,
    stacked=False, normed=None, *, data=None,**kwargs)

例如：绘制一个具有8个矩形条填充的线条直方图，代码如下：

import numpy as np
import matplotlib.pyplot as plt
scores = np.random.randint(0,100,50)    #准备50个随机测试数据
fig = plt.figure()                      ##创建类
ax = fig.add_subplot()                  #给画布fig上添加坐标系风格的绘图区域ax
ax.hist(scores, bins=8, histtype='stepfilled')    #绘制直方图
plt.show()

运行代码如下：

下面用实例来绘制直方图，代码如下：

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()                    #创建类
ax = fig.add_subplot()                #给画布fig上添加坐标系风格的绘图区域ax
random_state = np.random.RandomState(19680801)    #10000个随机数
random_x = random_state.randn(10000)
ax.hist(random_x, bins=25)            #绘制包含25个矩形条的直方图
plt.show()

运行结果如下：

当然，我们还可以改变直方图的样式，如：

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()                    #创建类
ax = fig.add_subplot()                #给画布fig上添加坐标系风格的绘图区域ax
random_state = np.random.RandomState(19680801)
random_x = random_state.randn(10000)
ax.hist(random_x, bins=25, histtype='step')        #'step'代表未填充线条
plt.show()

运行代码如下：

绘制饼图或圆环图

        使用pie()绘制饼图或圆环图

使用pyplot的pie()函数可以快速地绘制饼图或圆环图，pie()函数的语法格式如下：

pie(x, explode=NOne, labels=None, autopct=None, pctdistance=0.6,
    shadow=False, labeldistance=1.1, startangle=None, radius=None,
    counterclock=True, wedgeprops=None, textprops=None,center=(0, 0),
    frame=False, rotatelabels=False, *, data=None)

例如：使用pie()函数绘制一个饼图，代码如下：

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()                    #创建类
ax = fig.add_subplot()                #给画布fig上添加坐标系风格的绘图区域ax
data = np.array([20, 50, 10, 15, 30, 55])
pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])
ax.pie(data, radius=1.5, labels=pie_labels, autopct='%3.1f%%') #绘制饼图：半径为0.5，数值保留1为小鼠
plt.show()

运行结果如下：

例如，使用pie()函数绘制一个圆环图，代码如下：

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()                    #创建类
ax = fig.add_subplot()                #给画布fig上添加坐标系风格的绘图区域ax
data = np.array([20, 50, 10, 15, 30, 55])
pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])
#绘制圆环图：外圆半径为1.5，楔形宽度为0.7
ax.pie(data, radius=1.5, wedgeprops={'width':0.7}, labels=pie_labels, autopct='%3.1f%%', pctdistance=0.75)
plt.show()

运行结果如下：

下面用实例来绘制饼图，代码如下：

import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
#饼图外侧的说明文字
kinds = ['购物', '人情往来', '餐饮美食', '通信物流', '生活日用', '交通出行', '休闲娱乐', '其他']
#饼图的数据
money_scale = [800 / 3000, 100 / 3000, 1000 / 3000, 200 / 3000,
              300 / 3000, 200 / 3000, 200 / 3000, 200 / 3000]
dev_position = [0.1, 0.1, 0.1, 0.1,0.1, 0.1,0.1, 0.1]
fig = plt.figure()                    #创建类
ax = fig.add_subplot()                #给画布fig上添加坐标系风格的绘图区域ax
#绘制饼图
ax.pie(money_scale, labels=kinds, autopct='%3.1f%%', shadow=True, explode=dev_position, startangle=90)
plt.show()

运行代码如下：

绘制散点图或气泡图

        使用scatter()绘制散点图或气泡图

使用pyplot的scatter()函数可以快速绘制散点图或气泡图，scatter()函数的语法格式如下：

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

使用scatter()函数绘制一个散点图，代码如下：

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()                    #创建类
ax = fig.add_subplot()                #给画布fig上添加坐标系风格的绘图区域ax
num = 50                              #随机50个数
x = np.random.rand(num)
y = np.random.rand(num)
ax.scatter(x, y)
plt.show()

运行结果如下：

使用scatter()函数绘制一个气泡图，代码如下：

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()                    #创建类
ax = fig.add_subplot()                #给画布fig上添加坐标系风格的绘图区域ax
num = 50                              #随机50个数
x = np.random.rand(num)
y = np.random.rand(num)
area= (30 * np.random.rand(num))**2   #随机数据点大小
ax.scatter(x, y, s=area)
plt.show()

运行结果如下：

用实例绘制散点图，示例代码如下：

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()                    #创建类
ax = fig.add_subplot()                #给画布fig上添加坐标系风格的绘图区域ax
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
#准备x轴和y轴的数据
x_speed = np.arange(10, 210, 10)
y_distance = np.array([0.5, 2.0, 4.4, 7.9, 12.3,
                      17.7, 24.1, 31.5, 39.9, 49.2, 
                      59.5, 70.8, 83.1, 96.4, 110.7,
                      126.0, 142.2, 159.4, 177.6, 196.8])
ax.scatter(x_speed, y_distance, s=50, alpha=0.9)        #s表示数据点大小，alpha表示透明度
plt.show()

运行结果如下：

绘制误差棒图

        使用errorbar()绘制误差棒图

使用pyplot的errorbar()函数可以快速绘制误差棒图，errorbar()函数的语法格式如下：

errorbar(x, y, yerr=None, xerr=None, fmt='', ecolor=None, 
         elinewidth=None, capsize=None, barsabove=False, lolims=False,
         uplims=False, xlolims=False, xuplims=False, errorevery=1,
         capthick=None, *, data=None, **kwargs)

使用errorbar()函数绘制一个误差棒图，代码如下：

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()                    #创建类
ax = fig.add_subplot()                #给画布fig上添加坐标系风格的绘图区域ax
x = np.arange(5)                      #准备数据
y = (25, 32, 34, 20, 25)
y_offset = (3, 5, 2, 3, 3)            #准备误差
ax.errorbar(x, y, yerr=y_offset, capsize=3, capthick=2)        #capsize表示误差棒边界横杆的大小，capthick表示误差棒边界横杆的厚度
plt.show()

运行结果如下：

下面用柱形图和误差棒图绘制实例图，代码如下：

import matplotlib.pyplot as plt
import numpy as np

# 显示中文
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
# 创建画布
fig = plt.figure()
# 在画布上添加绘图区域
ax = fig.add_subplot(111)
# 准备数据
# 准备 x 轴和 y 轴的数据
x = np.arange(3)
y1 = np.array([2.04, 1.57, 1.63])
y2 = np.array([1.69, 1.61, 1.64])
y3 = np.array([4.65, 4.99, 4.94])
y4 = np.array([3.39, 2.33, 4.10])
# 指定测量偏差
error1 = [0.16, 0.08, 0.10]
error2 = [0.27, 0.14, 0.14]
error3 = [0.34, 0.32, 0.29]
error4 = [0.23, 0.23, 0.39]
bar_width = 0.2
# 调用绘图方法绘制图表
width = 0.2
ax.bar(x, y1,width=bar_width)
ax.bar(x+width, y2,align='center',tick_label=['春季','夏季','秋季'],width=bar_width)
ax.bar(x+2*width, y3,width=bar_width)
ax.bar(x+3*width, y4,width=bar_width)
# 添加误差棒
ax.errorbar(x,y1,yerr=error1,capsize=4,capthick=1,fmt='k,')
ax.errorbar(x+width,y2,yerr=error2,capsize=4,capthick=1,fmt='k,')
ax.errorbar(x+2*width,y3,yerr=error3,capsize=4,capthick=1,fmt='k,')
ax.errorbar(x+3*width,y4,yerr=error4,capsize=4,capthick=1,fmt='k,')
# 展示图表
plt.show()

运行结果如下：