python数据分析与可视化常见的图形及其绘制

YTiAmo.

已于 2023-12-08 08:52:56 修改

阅读量1.6k

点赞数 39

文章标签：数据分析数据挖掘

于 2023-12-07 11:11:50 首次发布

本文链接：https://blog.csdn.net/2301_79903190/article/details/134803747

版权

一：常见图形的分类：

二：Matplotlib的绘图函数具有以下特点：

灵活性：Matplotlib提供了丰富的选项和参数，可以对图形的各个方面进行精细调整。例如，可以设置图形的样式、颜色、线型、标签、标题等，以满足特定的需求。
多种图形类型：Matplotlib支持多种常见的图形类型，包括线条图、散点图、柱状图、饼图、箱线图、等高线图、3D图形等。
面向对象和函数式绘图方案：通常使用Matplotlib绘图有两种不同的方式：面向对象绘图和函数式绘图。面向对象绘图方案（ax.plot）结构清晰，功能齐全，容易理解。函数式绘图方案 (plt.plot）代码较简短，但容易迷失操作对象，造成混乱。
交互式图形：Matplotlib支持交互式图形，可以使用鼠标放大、缩小、移动图像，或添加注释等。
跨平台支持：Matplotlib可以在各种平台上使用，包括Windows、Mac、Linux等。
易于扩展：Matplotlib具有易于扩展的特点，可以使用Python中的各种数据结构（如列表、元组、字典等）来构建图形。此外，Matplotlib还支持自定义图形和插件，可以轻松扩展其功能。
自动缩放：Matplotlib会自动缩放图形，以适应不同的显示尺寸和分辨率。
丰富的文档和社区支持：Matplotlib拥有丰富的文档和活跃的社区支持，用户可以轻松找到所需的帮助和资源。

三：Matplotlib各图形的绘制函数：

1.柱形图：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
#查看数据
df=pd.read_excel('...航空公司数据.xlsx',encoding='gbk')
df
#查看工作地所在省份
df1=df.groupby('工作地所在省份').size().sort_values(ascending=False)
df1
#绘制柱形图
plt.rcParams['font.family']='SimHei'
plt.figure(figsize=(12,6))
plt.xticks(rotation=45)
plt.bar(df1.index,df1.values)
plt.xlabel("省份")
plt.ylabel("人数")
plt.title("用户所在省份分布图(前30名)")
plt.show()

运行结果如图所示：

2.折线图：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
#查看数据
df=pd.read_excel('...航空公司数据.xlsx',encoding='gbk')
df
#查看入会时间
df['入会年份']=df['入会时间'].dt.year
df
#查看入会年份
df2=df.groupby('入会年份').size()
df2
#定义x,y
x=df2.index
y=df2.values
#绘制折线图
plt.rcParams['font.family']='SimHei'
plt.plot(
x,
y,'--'
)
plt.title("每年的入会人数折线图")
for a,b in zip(x,y):
plt.text(a,b+20,f'{b}',ha='center')
plt.show()

运行结果如图所示：

3.散点图：

import pandas as pd
import numpy as np
from sklearn import datasets
import matplotlib.pyplot as plt
#查看数据
df=pd.read_excel('...航空公司数据.xlsx')
df
#绘制散点图
plt.scatter(
df['平均折扣系数'],
df['飞行里程数'],
)
plt.show()

运行结果如图所示：

4.饼图：

import pandas as pd
import numpy as np
from sklearn import datasets
import matplotlib.pyplot as plt
#查看数据
df=pd.read_excel('...航空公司数据.xlsx')
df
#创建当前时间对象
import datetime
now=datetime.datetime.now()
#查看飞龄
df['飞龄']=(now-df['入会时间']).dt.days//365
df
#数据分箱
df['飞龄区间']=pd.cut(
df['飞龄'],
bins=list(range(9,24,3))
)
df
#分组统计各个区间的频数
result=df.groupby('飞龄区间').size()
result
#绘制饼图
plt.pie(
x=result.values,
labels=result.index,
autopct='%1.1f%%',
explode=[0,0,0,0.5]
)
plt.show()

运行结果如图所示：

5.直方图和箱线图：

import pandas as pd
import matplotlib.pyplot as plt
#查看数据
df=pd.read_excel('...航空公司数据.xlsx')
df
#绘制图形
plt.rcParams['font.family']='SimHei'
plt.figure(figsize=(12,6))
plt.subplot(2,1,1)
min=int(df['飞行次数'].min())
max=int(df['飞行次数'].max())
plt.hist(
df['飞行次数'],
bins=[i for i in range(min,max,5)]
)
plt.title('用户飞行次数直方图')
plt.xlabel('飞行次数')
plt.ylabel('人数')
plt.subplot(2,1,2)
plt.boxplot(
df['飞行次数'].dropna(),
vert=False,
labels=['飞行次数'],
whis=3
)
plt.show()