概要
1. 安装 matplotlib 库。
2. 导入 matplotlib.pyplot 模块。
3. 准备绘图数据。
4. 使用相应的绘图函数（如 plot 、 bar 、 scatter 等）绘制图形。
5. 设置图形的各种属性，如标题、坐标轴标签、刻度、颜色等。
6. 可根据需要添加图例。
7. 最后选择显示图形或保存图形文件。
整体架构流程
1. 数据准备：（1）收集和整理需要可视化的数据。（2）确保数据的格式和类型适合绘图操作。
2. 导入必要的库：主要是 matplotlib.pyplot 库，可能还会根据需求导入其他相关库，如 numpy 等。
3. 创建图形和坐标轴：（1）使用 plt.figure() 创建一个新的图形窗口。（2） 通过 plt.subplot() 或其他类似函数设置坐标轴和子图布局。
4. 绘制图形：（1）根据数据和需求选择合适的绘图函数，如 plt.plot() 绘制折线图、 plt.bar() 绘制柱状图等。（2）将数据传递给绘图函数，生成图形的基本框架。
5. 图形美化和设置：（1）添加标题、坐标轴标签、图例等，使用 plt.title() 、 plt.xlabel() 、 plt.ylabel() 、 plt.legend() 等函数。（2）设置坐标轴的范围、刻度、格式等，使用 plt.xlim() 、 plt.ylim() 、 plt.xticks() 、 plt.yticks() 等函数。（3）调整图形的颜色、线条样式、标记等外观属性。
6. 显示或保存图形：（1）使用 plt.show() 显示图形在屏幕上，供用户查看。（2）或者使用 plt.savefig() 将图形保存为图像文件，以便在其他地方使用。
技术名词解释
- 线形图
- 散点图
- 折线图
- 柱状图
- 漏斗图
技术细节
1.线形图
导入 matplotlib.pyplot 库以及可能需要的其他相关库，如 numpy等
import numpy as np
import matplotlib.pyplot as plt 
准备数据
data=np.arange(0,1.1,0.01)
准备画布并开始画图
plt.rcParams['font.sans-serif']='FangSong'
plt.title('第一张线形图')
plt.xlabel('x轴的标签')
plt.ylabel('y轴的标签')
plt.xlim(0,1)
plt.ylim(0,1)
plt.xticks([0,0.2,0.4,0.6,0.8,1])
plt.yticks([0,0.25,0.5,0.75,1])
plt.plot(data,data**2)
plt.plot(data,data**4)
plt.legend(['y是x的平方','y是x的4次方'])
plt.savefig('E:/python/123.jpg')
plt.show() 
1.2在同一张画布中，同时画两张图
准备数据
x=np.arange(0,np.pi*2,0.01)
准备画布并开始画图
plt.rcParams['axes.unicode_minus']=False
#准备画布
pl=plt.figure(figsize=(8,6),dpi=80)
#画第一张子图
ax1=pl.add_subplot(2,1,1)
plt.title('第一张线形图')
plt.xlabel('x轴的标签')
plt.ylabel('y轴的标签')
plt.xlim(0,1)
plt.ylim(0,1)
plt.xticks([0,0.2,0.4,0.6,0.8,1])
plt.yticks([0,0.25,0.5,0.75,1])
plt.plot(data,data**2)
plt.plot(data,data**4)
plt.legend(['y是x的平方','y是x的4次方'])
#画第二张图
plt.rcParams['lines.linestyle']='-.'
ax2=pl.add_subplot(2,1,2)
plt.title('第二张图')
plt.xlabel('x')
plt.ylabel('y')
plt.xlim(0,np.pi*2)
plt.ylim(-1,1)
plt.xticks([0,np.pi/2,np.pi,np.pi*1.5,np.pi*2])
plt.yticks([-1,-0.5,0,0.5,1])
plt.plot(x,np.sin(x))
plt.plot(x,np.cos(x))
plt.legend(['y=sin(x)','y=cos(x)'])
plt.savefig('E:/python/456.jpg')
plt.show()
2.散点图
导入 matplotlib.pyplot 库以及可能需要的其他相关库，如 numpy等
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
引入数据，数据是npz格式，要用numpy去读取数据
data=np.load('E:/python/2001-2019年劳动力与就业人员数据.npz',encoding='ASCII',allow_pickle=True)
读取数据标签
values=data['arr_0']values=data['arr_1']
准备开始画图
plt.figure(figsize=(12,6),dpi=1080)
plt.xlabel('年份（年）')
plt.ylabel('劳动力人数（万人）')
plt.ylim(70000,85000)
plt.xticks(range(2001,2020,1),labels=values[:,0])
plt.title('2001-2019年劳动力人数散点图')
plt.scatter(values[:,0],values[:,1],marker='o',c='r',alpha=0.5)
plt.show() 
其他类型的散点图：
导入 matplotlib.pyplot 库以及可能需要的其他相关库，如 numpy等
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
读取数据
data=pd.read_csv('E:/python/hr.csv',encoding='gb2312')
data.head(2) 
设置中文字体，以免画图的时候中文显示有问题
plt.rcParams['font.sans-serif']=['SimHei']
sns.set_style({'font.sana-serif':['SimHei','Arial']})
取头100条数据来画图
data1=data.head(100)
先用matplotlib画散点图，x是每个月平均工作时长（小时），y取满意度水平，颜色（显示薪资水平）先设定，薪资水平用不同的颜色来显示(先取出薪资的取值情况，跟颜色对应，打包，然后转成典)
color_map=dict(zip(data1['薪资'].unique(),['b','y','r']))
#写个for循环，针对薪资水平分组的情况，分别画出散点图在图上
for species,group in data1.groupby('薪资'):
plt.scatter(group['每月平均工作小时数（小时）'],group['满意度'],
color=color_map[species],alpha=0.4,edgecolors=None,label=species)
plt.legend(frameon=True,title='薪资')
plt.xlabel('每月平均工作小时数（小时）')
plt.ylabel('满意度')
plt.title('满意度水平与每月工作时长的关系（按薪资水平分）')
plt.show()
用seaborn画图
sns.lmplot(data1,x='每月平均工作小时数（小时）',y='满意度',hue='薪资',fit_reg=False,height=4)
plt.xlabel('每月平均工作小时数（小时）')
plt.ylabel('满意度')
plt.title('满意度水平与每月工作时长的关系（按薪资水平分）')
plt.show()
尝试一样的图，调整主图看看情况
sns.set_style('whitegrid')
sns.set_style({'font.sans-serif':['SimHei','Arial']})
sns.lmplot(data1,x='每月平均工作小时数（小时）',y='满意度',hue='薪资',fit_reg=False,height=4)
plt.xlabel('每月平均工作小时数（小时）')
plt.ylabel('满意度')
plt.title('满意度水平与每月工作时长的关系（按薪资水平分）')
plt.show()
尝试缩放元素
sns.set_style('darkgrid')
sns.set_context('paper')
sns.set_style({'font.sans-serif':['SimHei','Arial']})
sns.lmplot(data1,x='每月平均工作小时数（小时）',y='满意度',hue='薪资',fit_reg=False,height=4)
plt.xlabel('每月平均工作小时数（小时）')
plt.ylabel('满意度')
plt.title('满意度水平与每月工作时长的关系（按薪资水平分）')
plt.show()
设置边框控制
sns.set_style('ticks')
sns.set_context('paper')
sns.despine()
sns.set_style({'font.sans-serif':['SimHei','Arial']})
sns.lmplot(data1,x='每月平均工作小时数（小时）',y='满意度',hue='薪资',fit_reg=False,height=4)
plt.xlabel('每月平均工作小时数（小时）')
plt.ylabel('满意度')
plt.title('满意度水平与每月工作时长的关系（按薪资水平分）')
plt.show()
设置颜色色调
sns.set_style('ticks')
sns.set_context('paper')
sns.set_palette('Set2')
sns.set_style({'font.sans-serif':['SimHei','Arial']})
sns.lmplot(data1,x='每月平均工作小时数（小时）',y='满意度',hue='薪资',fit_reg=False,height=4)
plt.xlabel('每月平均工作小时数（小时）')
plt.ylabel('满意度')
plt.title('满意度水平与每月工作时长的关系（按薪资水平分）')
plt.show()
3.折线图
导入 matplotlib.pyplot 库以及可能需要的其他相关库，如 numpy等
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
引入数据，数据是npz格式，要用numpy去读取数据
data=np.load('E:/python/2001-2019年劳动力与就业人员数据.npz',encoding='ASCII',allow_pickle=True)
读取数据标签
values=data['arr_0']values=data['arr_1']
准备开始画图
plt.figure(figsize=(12,6),dpi=1080)
plt.xlabel('年份（年）')
plt.ylabel('劳动力人数（万人）')
plt.ylim(70000,85000)
plt.xticks(range(2001,2020,1),labels=values[:,0])
plt.title('2001-2019年劳动力人数散点图')
plt.plot(values[:,0],values[:,1],linestyle='-',c='r',alpha=0.5,marker='o')
plt.show()
4.柱状图
导入 matplotlib.pyplot 库以及可能需要的其他相关库，如 numpy等
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
引入数据，数据是npz格式，要用numpy去读取数据
data=np.load('E:/python/2001-2019年劳动力与就业人员数据.npz',encoding='ASCII',allow_pickle=True)
读取数据标签
values=data['arr_0']values=data['arr_1']
准备开始画图
labels=['城镇就业人员','乡村就业人员']
plt.figure(figsize=(6,6),dpi=1080)
plt.xlabel('类别')
plt.ylabel('人数（万人）')
plt.xticks(range(2),labels)
plt.title('2019城乡就业人数柱状图')
barl=plt.bar(range(2),values[-1,3:5],width=0.7,color=['r','c'],alpha=0.6)
plt.bar_label(barl)
plt.show()
5.漏斗图
导入 matplotlib.pyplot 库以及可能需要的其他相关库，如 numpy等
import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Funnel
读取数据
data=pd.read_excel('E:/python/某淘宝店铺的订单转化率统计数据.xlsx')
data.head(2)
先转换标签数据
x_label=data['网购环节'].tolist()
x_labely_label=data['人数'].tolist()
y_label
把x和y数据重新组装
data1=[[x_label[i],y_label[i]]for i in range(len(x_label))]
data1
开始画图
funnel=(
Funnel()
.add(
series_name='漏斗图',
data_pair=data1,
label_opts=opts.LabelOpts(position='inside',formatter='{b}:{d}%'),
gap=2,
tooltip_opts=opts.TooltipOpts(trigger='item'),
itemstyle_opts=opts.ItemStyleOpts(border_color='#fff',border_width=1)
)
.set_global_opts(
title_opts=opts.TitleOpts(title='某宝店铺的订单转化率漏斗图'),
legend_opts=opts.LegendOpts(pos_left='40%')
)
)
funnel.render('E:/python/456.html')
注意:我这里是把图片保存到E盘里面了
小结
1. 准备数据：将需要绘制的数据整理成合适的格式。
2. 导入相关库：如 matplotlib.pyplot 和可能需要的其他库（如 numpy ）。
3. 创建图形和坐标轴：使用 plt.figure() 创建图形对象， plt.subplot() 创建坐标轴对象。
4. 绘制图形：根据数据和需求选择合适的绘图函数（如 plot 、 bar 、 scatter 等）进行绘图。
5. 设置图形属性：包括标题、坐标轴标签、刻度、颜色、标记等，以提高图形的可读性和美观性。
6. 添加图例（如有需要）：使用 legend() 函数为多个数据系列添加图例。
7. 显示或保存图形：通过 plt.show() 显示图形，或使用 plt.savefig() 保存为图像文件。
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
