python中Matplotlib基础绘图

目录

一、前言   

二、下载模块

2.1numpy

2.2 matplotlib

三、项目实施

3.1散点图

3.2饼图

四、项目总结

---

一、前言   

Matplotlib是python语言里的一个可视化的一个模块其中应用较广的是 matplotlib.pyplot(简称为 pyplot)模块在 pyplot 模续中，各种状态可跨函数调用和保存，以便跟踪诸如当前图形和绘图区域等，并且绘图面数始终指向当前轴域(x轴和y轴所围成的区域)。除 Maplotlib 之外，常用的数据可视化库还有 seabom库和 pyecharts库。seabom 库是基于 Matplotlib 的Python 可视化库，它提供了一种高度交互式的界面。pyechants是一个将Pyhon与Echars 相结合的强大的数据可视化库，它具有简洁的 API设计、囊括 30多种常见图表，支持主流Notebook 环境，可轻松集成至 Flask、Django 等主流 Web 框架。

二、下载模块

pip install numpy

pip install matplotlib

2.1numpy

numpy（Numerical Python 的简称）是一个用于处理数组（特别是多维数组）和矩阵运算的库。它提供了大量的数学函数来操作这些数组，比如线性代数运算、统计功能等。numpy 的核心是一个强大的 N 维数组对象 ndarray，它是一个快速、灵活的大数据容器。

numpy 的主要特点和功能包括：

1. 多维数组对象：ndarray，一个快速、灵活的大数据容器。
2. 数学函数：用于对数组执行元素级计算、数学函数操作、逻辑操作、形状操作、排序、选择、I/O 等。
3. 线性代数：包括矩阵乘法、特征值、逆等计算。
4. 随机数生成：从各种分布中抽样。
5. 统计功能：包括排序、唯一性、集合运算等。
6. 广播功能：可以对不同形状的数组进行数学运算。

2.2 matplotlib

matplotlib 是一个用于创建高质量图形的 Python 绘图库。它非常适合制作线图、散点图、条形图、饼图、直方图等。matplotlib 的设计类似于 MATLAB，提供了与 MATLAB 相似的接口和绘图风格。

matplotlib 的主要特点和功能包括：

1. 多种绘图类型：支持线图、散点图、条形图、饼图、等高线图、3D 图等。
2.  高度定制：可以控制图的每个方面，包括线条样式、颜色、标记样式等。
3. 图例和注释：可以轻松添加图例、标题、坐标轴标签等。
4. 子图：可以在一个窗口中绘制多个图形。
5. 交互式图形：支持交互式缩放和浏览图形。
6. 保存和导出：可以将图形保存为多种格式，包括 PNG、PDF、SVG 等。

三、项目实施

3.1散点图

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']='SimHei'#设置中文显示
plt.rcParams['axes.unicode_minus']= False
data = np.load('tmp/2001-2019年劳动力与就业人员数据.npz',encoding='ASCII',allow_pickle=True)
columns= data['arr_0'] #提取其中的 columns 数组，视为数据的标签
values = data['arr_1'] #提取其中的 values 数组，视为数据的存在位置
plt.figure(figsize=(12,6),dpi=1080)#设置画布
plt.scatter(values[:,0], values[:,1], marker='o') # 绘制散点
plt.xlabel('年份(年)')
plt.ylabel('劳动力人数(万人)')
plt.ylim(70000,85000)#设置y轴范围
plt.xticks(range(2001,2020,1),labels=values[:,0])
plt.title('2001年-2019年劳动力人数散点图')#添加图表标题
plt.show()

plt.rcParams：

在 matplotlib中，plt.rcParams是一个字典对象，用于设置图形的全局样式。plt.rcParams['font.sans-serif']='SimHei'这行代码的作用是设置图形的默认无衬线字体为“SimHei”。“SimHei”是一种常用于显示中文字符的字体。在 matplotlib 中显示中文时，如果默认字体不支持中文，则中文字符可能无法正确显示。通过设置 plt.rcParams['font.sans-serif'] 为支持中文的字体，可以确保中文字符在图形上正确渲染。

城乡就业人数：

p=plt.figure(figsize=(12,6),dpi=1080)# 设画布
#绘制散点图1
plt.scatter(values[:,0],values[:, 3],marker='o',c='b')
#绘制散点图2
plt.scatter(values[:,0],values[:, 4],marker='o', c='r')
plt.xlabel('年份(年)')
plt.ylabel('人数(万人)')
plt.ylim(20000,60000)#设v轴范围
plt.xticks(range(2001,2020,1),labels=values[:,0])
plt.legend(['城镇就业','就业人员'])#设置图例
plt.title('2001年-2019年城乡就业人数散点图')#添加图表标题
plt.show()

通过上图中点的颜色和形状的区别可以看出,在2001年-2019年期间，城镇就业
人员数量不断增加，增长幅度近 200%，乡村就业人员数量不断减少，2019年的乡村就业
人员数量较 2001年的乡村就业人员数量下降了30%左右。

3.2饼图

label=['城镇就业人员','乡村就业人数']
explode=[0.01,0.01]
p=plt.figure(figsize=(6,6),dpi=80)
plt.pie(values[-1,3:5],explode=explode,labels=label,autopct="%1.1f%%")
plt.title('2019年城乡就业人数分布饼图')
plt.show()

在matplotlib的饼图中，explode, labels, 和 autopct 是用于定制饼图外观的重要参数。

explode: 这是一个列表，其长度应与饼图的分片数量相同。每个元素代表对应分片偏离饼图中心的距离。例如，如果有一个包含三个部分的饼图，explode 可以设置为 [0, 0.1, 0]，这样第二个分片就会稍微偏离饼图的中心，而其他两个分片则紧挨着中心。这有助于强调或突出某个特定的分片。

labels: 这是一个列表，包含每个饼图分片的标签。标签通常用于说明每个分片代表的含义。例如，如果饼图展示了不同水果的销售比例，labels 可以是 ['苹果', '香蕉', '橙子']。

autopct: 这是一个格式化字符串，用于在饼图的每个分片上显示百分比。"%1.1f%%" 表示显示小数点后一位的百分比。例如，如果一个分片代表了25.3%的数据，那么在该分片上就会显示25.3%。

饼图(Pie Graph)将各项数据的大小与各项数据总和的比例显示在一张“饼”中，以“饼块”的大小来确定每一项数据的占比。饼图可以比较清楚地反映出部分与部分、部分与整体之间的比例关系，易于显示每组数据相对于总数的比例，而且显示方式直观

pic函数的常用参数及其说明

x	接收 aray。表示用于绘制饼图的数据。无默认值
explode	接收 array。表示指定饼块与饼图圆心的偏移距离。默认为 None
labels	接收 list。表示指定每一项数据的标签。默认为 None
colors	接收特定 str 或包含颜色 str 的 aray。表示饼图颜色。默认为 None
autopct	接收特定 str。表示指定数值的显示方式。默认为None
pctdistance	接收 foat。表示每个饼块的中心与 autopct 生成的文本之间的比例。默认为 0.6
labedistance	接收 foat。表示绘制的饼图标签到饼图圆心的距离。默认为1.1
radius	接收 foat。表示饼图的半径。默认为1

四、项目总结

在Python中，Matplotlib是一个广泛使用的绘图库，它允许用户创建高质量、具有吸引力的图形和图表。Matplotlib基础绘图的意义主要体现在以下几个方面：

1. 数据可视化：数据可视化是数据分析中至关重要的一环。通过Matplotlib，用户可以将大量的数据转换成直观的图表，如折线图、柱状图、散点图等，这有助于更好地理解数据的分布、趋势和关联性。
2. 辅助决策：通过图表展示数据，决策者可以更快地识别出数据中的模式和异常，从而做出更明智的决策。例如，在商业分析中，通过观察销售额的柱状图，可以迅速发现哪些产品最受消费者欢迎，进而调整库存和市场策略。
3. 交流和报告：Matplotlib生成的图表可以方便地嵌入到报告、论文或演示文稿中，使得数据的呈现更加直观和易于理解。这对于科学家、研究人员和数据分析师来说非常有用，因为他们需要经常与他人分享和讨论他们的发现。
4. 探索和发现：在数据探索阶段，Matplotlib可以帮助研究人员发现数据中的隐藏模式。通过绘制不同类型的图表，可以观察到数据点之间的关系，识别出潜在的趋势和周期性变化，甚至发现异常值。
5. 教学和演示：在教育领域，Matplotlib也是一个宝贵的工具。教师可以通过绘制图表来解释复杂的科学概念，使学生在视觉上更容易理解。同时，学生也可以使用Matplotlib来进行实验数据的可视化和分析。
6. 灵活性和定制性：Matplotlib提供了丰富的定制选项，用户可以根据自己的需求调整图表的样式、颜色和布局。这种灵活性使得Matplotlib成为数据科学家和可视化专家的首选工具。
7. 总的来说，Matplotlib基础绘图在Python数据分析、科学研究、教学演示等多个领域都具有重要意义。它不仅能够帮助用户更好地理解数据，还能够提高决策效率，促进知识的传播和交流。

参考文献：

Matplotlib介绍和基础操作

http://t.csdnimg.cn/0SDa8http://t.csdnimg.cn/0SDa8