2024年最全手把手学爬虫第六弹——数据可视化

fig , axes = plt.subplots(nrows, ncols)

nrows 与 ncols 表示两个整数参数，它们指定子图所占的行数、列数

data = np.arange(100, 200) # 数据

fig, axes = plt.subplots(2, 2) # 分成2x2矩阵区域，返回子图数组axes

print(axes)

ans:

[[AxesSubplot: AxesSubplot:]

[AxesSubplot: AxesSubplot:]]

Process finished with exit code 0

data = np.arange(100, 200) # 数据

fig, axes = plt.subplots(2, 2) # 分成2x2矩阵区域，返回子图数组axes

ax1 = axes[0, 0] # 取出第一个子视图

ax2 = axes[0, 1]

ax3 = axes[1, 0]

ax4 = axes[1, 1]

ax1.plot(data)

ax2.plot(-data)

ax3.plot(2*data)

ax4.plot(-2*data)

plt.show()

添加各类标签

绘图的时候我们为了使绘制的图形更加直观，我们通常会给图像添加横、纵坐标等标签，常用的标签列举如下：

data = np.arange(0, 1.1, 0.01)

plt.title(“Title”) # 设置标题

plt.xlabel(“x”) # 添加x轴的名称

plt.ylabel(“y”) # 添加y轴的名称

设置x和y轴的刻度

plt.xticks([0, 0.5, 1])

plt.yticks([0, 0.5, 1.0])

绘制y=x^2曲线

plt.plot(data, data ** 2)

绘制y=x^3曲线

plt.plot(data, data ** 3)

添加图例

plt.legend([“y=x^2”, “y=x3”])

在本机上显示图形

plt.show()

**Tip:**中文无法正常显示时添加如下代码即可~

import matplotlib.pyplot as plt

plt.rcParams[“font.sans-serif”]=[“SimHei”] #设置字体

plt.rcParams[“axes.unicode_minus”]=False #该语句解决图像中的“-”负号的乱码问题

绘制常见图表

---

绘制直方图

plt.hist(x, bins, range, color) # 常用的参数，其他忽略

x：输入值，可以是单个数组，或者数组序列

bins：绘制条柱的个数，整数值，返回整数值+1个，默认为10

range: bins的上下范围

color：表示条柱的颜色

data = [34, 23, 45, 35, 66, 78, 16, 99]

plt.hist(data, bins=8, color=‘yellow’)

plt.show()

绘制柱形图

plt.bar(x, height, width, color, edgecolor, align)

x:表示x轴数据

height:表示条形高度

width:表示条形宽度，默认0.8

color:表示条形颜色

edgecolor:表示条形边框颜色

创建图形对象

fig = plt.figure()

添加子图区域，参数值表示[left, bottom, width, height ]

ax = plt.subplot(1, 1, 1)

准备数据1

langs1 = [‘C’, ‘C++’, ‘Java’, ‘Python’, ‘PHP’]

students1 = [23, 17, 35, 29, 12]

准备数据2

langs2 = [‘A’, ‘B’, ‘C’, ‘D’, ‘E’]

students2 = [53, 27, 30, 22, 12]

绘制柱状图

ax.bar(langs1, students1, width=0.3, color=‘red’)

ax.bar(langs2, students2, width=0.3, color=‘green’)

plt.show()

绘制散点图

散点图用于在水平轴和垂直轴上绘制数据点，它表示了因变量随自变量变化的趋势。通俗地讲，它反映的是一个变量受另一个变量的影响程度。

plt.scatter(x, y,s, c, marker, alpha)

x、y：表示xy轴对应的数据

s：指定点的大小

c:指定散点的颜色

marker‘：表示绘制的散点类型

alpha：表示点的透明度，0~1

x = [100, 200, 300, 400, 500, 600, 700, 800]

y = [101, 401, 501, 601, 201, 301, 701, 801]

plt.scatter(x, y)

plt.show()

绘制折线图

直接展示绘制多条折线

plt.rcParams[“font.sans-serif”] = [“SimHei”] # 设置字体

plt.rcParams[“axes.unicode_minus”] = False # 该语句解决图像中的“-”负号的乱码问题

对比两人6次考试成绩变化

x = [1, 2, 3, 4, 5, 6]

y1 = [88, 81, 79, 81, 86, 94]

y2 = [99, 88, 74, 90, 81, 75]

绘制折线图，添加数据点，设置点的大小

matplotlib会自动为线条添加不同的颜色

plt.plot(x, y1, ‘r’, marker=‘.’, markersize=10)

plt.plot(x, y2, ‘b’, marker=‘.’, markersize=10)

plt.title(‘成绩对比折线图’) # 折线图标题

plt.xlabel(‘次数’) # x轴标题

plt.ylabel(‘分数’) # y轴标题

给图像添加注释，并设置样式

for a, b in zip(x, y1):

plt.text(a, b, b, ha=‘center’, va=‘bottom’, fontsize=10)

for a, b in zip(x, y2):

plt.text(a, b, b, ha=‘center’, va=‘bottom’, fontsize=10)

绘制图例

plt.legend([‘小张’, ‘小柯’])

显示图像

plt.show()

绘制饼状图

y = np.array([35, 25, 25, 15])

plt.pie(y,

labels=[‘A’, ‘B’, ‘C’, ‘D’], # 设置饼图标签

colors=[“#d5695d”, “#5d8ca8”, “#65a479”, “#a564c9”], # 设置饼图颜色

explode=(0, 0.2, 0, 0), # 第二部分突出显示，值越大，距离中心越远

autopct=‘%.2f%%’, # 格式化输出百分比

)

plt.title(“测试饼状图”)

plt.show()

保存图表

---

plt.savefig()必须写在plt.show()前面，否则保存为空白图像

savefig(fname，dpi=None，facecolor=“w”，edgecolor=“w”，orientation=“portrait”，papertype=None，format=None，transparent=False，bbox_inches=None，pad_inches=0.1，frameon=None，metadata=None)

plt.rcParams[“font.sans-serif”] = [“SimHei”] # 设置字体

plt.rcParams[“axes.unicode_minus”] = False # 该语句解决图像中的“-”负号的乱码问题

对比两人6次考试成绩变化

x = [1, 2, 3, 4, 5, 6]

y1 = [88, 81, 79, 81, 86, 94]

y2 = [99, 88, 74, 90, 81, 75]

绘制折线图，添加数据点，设置点的大小

matplotlib会自动为线条添加不同的颜色

plt.plot(x, y1, ‘r’, marker=‘.’, markersize=10)

plt.plot(x, y2, ‘b’, marker=‘.’, markersize=10)

plt.title(‘成绩对比折线图’) # 折线图标题

plt.xlabel(‘次数’) # x轴标题

plt.ylabel(‘分数’) # y轴标题

给图像添加注释，并设置样式

for a, b in zip(x, y1):

plt.text(a, b, b, ha=‘center’, va=‘bottom’, fontsize=10)

for a, b in zip(x, y2):

plt.text(a, b, b, ha=‘center’, va=‘bottom’, fontsize=10)

绘制图例

plt.legend([‘小张’, ‘小柯’])

plt.savefig(r"…/Include/jk.png")

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！