Python数据分析必备工具——数据可视化Matplotlib模块及其应用

离散型数据的可视化

饼图

概念：
饼图属于最传统的统计图形之一，几乎随处可见，例如大型公司的屏幕墙、各种年度论坛的演
示稿以及各大媒体发布的数据统计报告等；
饼图是将一个圆分割成不同大小的楔（扇）形，而圆中的每一个楔形代表了不同的类别值，通
常根据楔形的面积大小来判断类别值的差异；

函数：

pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, labeldistance=1.1)
x：指定绘图的数据
explode：指定饼图某些部分的突出显示，即呈现爆炸式
labels：为饼图添加标签说明，类似于图例说明
colors：指定饼图的填充色
autopct：自动添加百分比显示，可以采用格式化的方法显示
pctdistance：设置百分比标签与圆心的距离
labeldistance：设置各扇形标签（图例）与圆心的距离

示例：

1. 普通绘制

# 导入第三方模块
import matplotlib.pyplot as plt
# 设置中文能显示的简体黑字体
plt.rcParams['font.sans-serif']=['SimHei'] 
# 构造数据
edu = [0.2515,0.3724,0.3336,0.0368,0.0057]
labels = ['中专','大专','本科','硕士','其他']
# 绘制饼图 plt.axes(aspect='equal')
plt.pie(x = edu, # 绘图数据
        labels=labels, # 添加教育水平标签
        autopct='%.1f%%' # 设置百分比的格式，这里保留一位小数
       )
# 显示图形
plt.show() 

2. 当我们用上突出显示绘制

# 导入第三方模块
import matplotlib.pyplot as plt
# 设置中文能显示的简体黑字体
plt.rcParams['font.sans-serif']=['SimHei'] 
# 构造数据
edu = [0.2515,0.3724,0.3336,0.0368,0.0057]
labels = ['中专','大专','本科','硕士','其他']
explode = [0,0.1,0,0,0]
# 绘制饼图 
# 用来将饼图为圆 plt.axes(aspect='equal')
plt.pie(x = edu, # 绘图数据
        labels=labels, # 添加教育水平标签
        autopct='%.1f%%', # 设置百分比的格式，这里保留一位小数
        explode = explode
       )
# 显示图形
plt.show() 

输出：
1.

2.

条形图

概念：
虽然饼图可以很好地表达离散型变量在各水平上的差异，但其不擅长对比差异不大或水平值过多的离散型变量，因为饼图是通过各扇形面积的大小来比价差异的，面积的比较有时并不直观；
对于条形图而言，对比的是柱形的高低，柱体越高，代表的数值越大，反之亦然；

函数：

bar(x, height, width=0.8, bottom=None, color=None, edgecolor=None, tick_label=None, label = None, ecolor=None)
x：传递数值序列，指定条形图中x轴上的刻度值
height：传递数值序列，指定条形图y轴上的高度
width：指定条形图的宽度，默认为0.8
bottom：用于绘制堆叠条形图
color：指定条形图的填充色
edgecolor：指定条形图的边框色
tick_label：指定条形图的刻度标签
label：指定条形图的标签，一般用以添加图例

示例1：

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
# 读入数据
GDP = pd.read_excel(r'D:\pythonProject\data\\Province GDP 2017.xlsx')
# 设置绘图风格（使用R语言中的ggplot2风格）
plt.style.use('ggplot')
# 绘制条形图
plt.bar(x = range(GDP.shape[0]), # 指定条形图x轴的刻度值
 height = GDP.GDP, # 指定条形图y轴的数值
 tick_label = GDP.Province, # 指定条形图x轴的刻度标签
 color = 'steelblue', # 指定条形图的填充色
 )
# 添加y轴的标签
plt.ylabel('GDP(万亿)')
# 添加条形图的标题
plt.title('2017年度6个省份GDP分布')
# 为每个条形图添加数值标签
for x,y in enumerate(GDP.GDP):
    plt.text(x,y+0.1,'%s' %round(y,1),ha='center')
# 显示图形 
plt.show()

输出1：

示例2：
按顺序排列，水平条形图。

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
# 读入数据
GDP = pd.read_excel(r'D:\pythonProject\data\\Province GDP 2017.xlsx')
# 设置绘图风格（使用R语言中的ggplot2风格）
plt.style.use('ggplot')
# 对读入的数据做升序排序
GDP.sort_values(by = 'GDP', inplace = True)
# 绘制条形图
plt.barh(y = range(GDP.shape[0]), # 指定条形图y轴的刻度值
 width = GDP.GDP, # 指定条形图x轴的数值
 tick_label = GDP.Province, # 指定条形图y轴的刻度标签
 color = 'steelblue', # 指定条形图的填充色
 )
# 添加x轴的标签
plt.xlabel('GDP(万亿)')
# 添加条形图的标题
plt.title('2017年度6个省份GDP分布')
# 为每个条形图添加数值标签
for y,x in enumerate(GDP.GDP):
 plt.text(x+0.1,y,'%s' %round(x,1),va='center')
# 显示图形 
plt.show()

输出2：

示例3：

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
# 读入数据
HuRun = pd.read_excel(r'D:\pythonProject\data\\HuRun.xlsx')
# 设置绘图风格（使用R语言中的ggplot2风格）
plt.style.use('ggplot') 
# Pandas模块之水平交错条形图(pivot_table透视表功能，创建新表格)
HuRun_reshape = HuRun.pivot_table(index = 'City', columns='Year', values='Counts').reset_index()
# 对数据集降序排序
HuRun_reshape.sort_values(by = 2016, ascending = False, inplace = True)
HuRun_reshape.plot(x = 'City', y = [2016,2017], kind = 'bar', 
color = ['steelblue', 'indianred'], 
 # 用于旋转x轴刻度标签的角度，0表示水平显示刻度标签
 rot = 0, 
 width = 0.8, title = '近两年5个城市亿万资产家庭数比较')
# 添加y轴标签
plt.ylabel('亿万资产家庭数')
plt.xlabel('')
plt.show()

输出3：

连续性数据的可视化

直方图

概念：
直方图一般用来观察数据的分布形态，横坐标代表数值的均匀分段，纵坐标代表每个段内的观测数量（频数）；
一般直方图都会与核密度图搭配使用，目的是更加清晰地掌握数据的分布特征；

函数：

plt.hist(x, bins=10, normed=False, orientation=‘vertical’, color=None, label=None)
x：指定要绘制直方图的数据。
bins：指定直方图条形的个数。
normed：是否将直方图的频数转换成频率。
orientation：设置直方图的摆放方向，默认为垂直方向
color：设置直方图的填充色
edgecolor：设置直方图边框色
label：设置直方图的标签，可通过legend展示其图例

示例：

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
# 读入数据
Titanic = pd.read_csv(r'D:\pythonProject\data\titanic_train.csv')
# 检查年龄是否有缺失（如果数据中存在缺失值，将无法绘制直方图）
any(Titanic.Age.isnull())
# 不妨删除含有缺失年龄的观察
Titanic.dropna(subset=['Age'], inplace=True)
# 绘制直方图
plt.hist(x = Titanic.Age, # 指定绘图数据
 bins = 20, # 指定直方图中条块的个数
 color = 'steelblue', # 指定直方图的填充色
 edgecolor = 'black' # 指定直方图的边框色
        )
# 添加x轴和y轴标签
plt.xlabel('年龄')
plt.ylabel('频数')
# 添加标题
plt.title('乘客年龄分布')
# 显示图形
plt.show()

输出：

箱线图

概念：
箱线图是另一种体现数据分布的图形，通过该图可以得知数据的下须值（Q1-1.5IQR）、下四分位数（Q1）、中位数（Q2）、均值、上四分位（Q3）数和上须值（Q3+1.5IQR），更重要的是，箱线图还可以发现数据中的异常点；
函数：

plt.boxplot(x, vert=None, whis=None, patch_artist=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None)
x：指定要绘制箱线图的数据
vert：是否需要将箱线图垂直摆放，默认垂直摆放
whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差
patch_artist：bool类型参数，是否填充箱体的颜色；默认为False
meanline：bool类型参数，是否用线的形式表示均值，默认为False
showmeans：bool类型参数，是否显示均值，默认为False
showcaps：bool类型参数，是否显示箱线图顶端和末端的两条线（即上下须），默认为True
showbox：bool类型参数，是否显示箱线图的箱体，默认为True
showfliers：是否显示异常值，默认为True
boxprops：设置箱体的属性，如边框色，填充色等
labels：为箱线图添加标签，类似于图例的作用
filerprops：设置异常值的属性，如异常点的形状、大小、填充色等
medianprops：设置中位数的属性，如线的类型、粗细等
meanprops：设置均值的属性，如点的大小、颜色等
capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等
whiskerprops：设置须的属性，如颜色、粗细、线的类型等

示例：

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
# 读入数据
Sec_Buildings = pd.read_excel(r'D:\pythonProject\data\sec_buildings.xlsx')
# 绘制箱线图
plt.boxplot(x = Sec_Buildings.price_unit, # 指定绘图数据
            patch_artist=True, # 要求用自定义颜色填充盒形图，默认白色填充
            showmeans=True, # 以点的形式显示均值
            boxprops = {'color':'black','facecolor':'steelblue'},# 设置箱体属性，如边框色和填充色
            # 设置异常点属性，如点的形状、填充色和点的大小
            flierprops = {'marker':'o','markerfacecolor':'red', 'markersize':3}, 
            # 设置均值点的属性，如点的形状、填充色和点的大小
            meanprops = {'marker':'D','markerfacecolor':'indianred', 'markersize':4}, 
            # 设置中位数线的属性，如线的类型和颜色
            medianprops = {'linestyle':'--','color':'orange'}, 
            labels = [''] # 删除x轴的刻度标签，否则图形显示刻度标签为1
           )
# 添加图形标题
plt.title('二手房单价分布的箱线图')
# 显示图形
plt.show()

输出：

折线图

概念：
对于时间序列数据而言，一般都会使用折线图反映数据背后的趋势。通常折线图的横坐标指代
日期数据，纵坐标代表某个数值型变量，当然还可以使用第三个离散变量对折线图进行分组处
理；

函数：

plt.plot(x, y, linestyle, linewidth, color, marker, markersize, markeredgecolor, markerfactcolor,markeredgewidth, label, alpha)
x：指定折线图的x轴数据
y：指定折线图的y轴数据
linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认为实线
linewidth：指定折线的宽度
marker：可以为折线图添加点，该参数是设置点的形状
markersize：设置点的大小
markeredgecolor：设置点的边框色
markerfactcolor：设置点的填充色
markeredgewidth：设置点的边框宽度
label：为折线图添加标签，类似于图例的作用

示例：

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
import matplotlib as mpl
# 数据读取
wechat = pd.read_excel(r'D:\pythonProject\data\wechat.xlsx')
# 绘制单条折线图
plt.plot(wechat.Date, # x轴数据
         wechat.Counts, # y轴数据
         linestyle = '-', # 折线类型
         linewidth = 2, # 折线宽度
         color = 'steelblue', # 折线颜色
         marker = 'o', # 折线图中添加圆点
         markersize = 6, # 点的大小
         markeredgecolor='black', # 点的边框色
         markerfacecolor='brown' # 点的填充色
         )

# 修改x轴坐标的显示
# 获取图的坐标信息
ax = plt.gca()
# 设置日期的显示格式
date_format = mpl.dates.DateFormatter("%m-%d")
ax.xaxis.set_major_formatter(date_format)
# 设置x轴每个刻度的间隔天数
xlocator = mpl.ticker.MultipleLocator(7)
ax.xaxis.set_major_locator(xlocator)
# 为了避免x轴刻度标签的紧凑，将刻度标签旋转45°
plt.xticks(rotation=45)

# 添加y轴标签
plt.ylabel('人数')
# 添加图形标题
plt.title('每天微信文章阅读人数趋势')
# 显示图形
plt.show()

输出：

关系型数据的可视化

散点图

概念：
如果需要研究两个数值型变量之间是否存在某种关系，例如正向的线性关系，或者是趋势性的
非线性关系，那么散点图将是最佳的选择；

函数：

scatter(x, y, s=20, c=None, marker=‘o’, alpha=None, linewidths=None, edgecolors=None)
x：指定散点图的x轴数据
y：指定散点图的y轴数据
s：指定散点图点的大小，默认为20，通过传入其他数值型变量，可以实现气泡图的绘制
c：指定散点图点的颜色，默认为蓝色，也可以传递其他数值型变量，通过cmap参数的色阶表示数值大小
marker：指定散点图点的形状，默认为空心圆
alpha：设置散点的透明度
linewidths：设置散点边界线的宽度
edgecolors：设置散点边界线的颜色

示例：

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
# 设置中文能显示的简体黑字体
plt.rcParams['font.sans-serif']=['SimHei'] 
# 读入数据
iris = pd.read_csv(r'D:\pythonProject\data\iris.csv')
# 绘制散点图
plt.scatter(x = iris.Petal_Width, # 指定散点图的x轴数据
            y = iris.Petal_Length, # 指定散点图的y轴数据
            color = 'steelblue' # 指定散点图中点的颜色
            )
# 添加x轴和y轴标签
plt.xlabel('花瓣宽度')
plt.ylabel('花瓣长度')
# 添加标题
plt.title('鸢尾花的花瓣宽度与长度关系')
# 显示图形
plt.show()

输出：

气泡图

概念：
气泡图的实质就是通过第三个数值型变量控制每个散点的大小，点越大，代表的第三维数值越
高，反之亦然；
气泡图的绘制，使用的仍然是scatter函数，区别在于函数的s参数被赋予了具体的数值型变量；

示例：

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
import matplotlib as mpl
# 设置中文能显示的简体黑字体
plt.rcParams['font.sans-serif']=['SimSun']
# 用来正常显示负号
plt.rcParams['axes.unicode_minus']=False 
# 读取数据
Prod_Category = pd.read_excel(r'D:\pythonProject\data\SuperMarket.xlsx')
# 设置绘图风格（使用R语言中的ggplot2风格）
plt.style.use('ggplot')
# 将利润率标准化到[0,1]之间（因为利润率中有负数），然后加上微小的数值0.001
range_diff = Prod_Category.Profit_Ratio.max()-Prod_Category.Profit_Ratio.min()
Prod_Category['std_ratio'] = (Prod_Category.Profit_Ratio-Prod_Category.Profit_Ratio.min())/range_diff + 0.001

# 绘制办公用品的气泡图
plt.scatter(x = Prod_Category.Sales[Prod_Category.Category == '办公用品'], 
           y = Prod_Category.Profit[Prod_Category.Category == '办公用品'], 
           s = Prod_Category.std_ratio[Prod_Category.Category == '办公用品']*1000,
           color = 'steelblue', label = '办公用品', alpha = 0.6
            )
# 绘制技术产品的气泡图
plt.scatter(x = Prod_Category.Sales[Prod_Category.Category == '技术产品'], 
           y = Prod_Category.Profit[Prod_Category.Category == '技术产品'], 
           s = Prod_Category.std_ratio[Prod_Category.Category == '技术产品']*1000,
           color = 'indianred' , label = '技术产品', alpha = 0.6
          )
# 绘制家具产品的气泡图
plt.scatter(x = Prod_Category.Sales[Prod_Category.Category == '家具产品'], 
           y = Prod_Category.Profit[Prod_Category.Category == '家具产品'], 
           s = Prod_Category.std_ratio[Prod_Category.Category == '家具产品']*1000,
           color = 'black' , label = '家具产品', alpha = 0.6
          )
# 添加x轴和y轴标签
plt.xlabel('销售额')
plt.ylabel('利润')
# 添加标题
plt.title('销售额、利润及利润率的气泡图')
# 添加图例
plt.legend()
# 显示图形
plt.show()

输出：

热力图

概念：
热力图也称为交叉填充表，图形最典型的用法就是实现列联表的可视化，即通过图形的方式展
现两个离散变量之间的组合关系；

函数：

sns.heatmap(data, cmap=None, annot=None, fmt=‘.2g’, annot_kws=None, linewidths=0, linecolor='white)
data：指定绘制热力图的数据集
cmap：指定一个colormap对象，用于热力图的填充色
annot：指定一个bool类型的值或与data参数形状一样的数组，如果为True，就在热力图的每个单元上显示数值
fmt：指定单元格中数据的显示格式
annot_kws：有关单元格中数值标签的其他属性描述，如颜色、大小等
linewidths ：指定每个单元格的边框宽度
linecolor：指定每个单元格的边框颜色

示例：
matplotlib版本过高可能会出现问题，我们可以通过降版本解决问题。

查看版本
import matplotlib
matplotlib.version

修改版本
pip install --upgrade matplotlib==3.5.1

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import seaborn as sns
# 设置中文能显示的简体黑字体
plt.rcParams['font.sans-serif']=['SimSun']
# 读取数据
Sales = pd.read_excel(r'D:\pythonProject\data\Sales.xlsx')
# 根据交易日期，衍生出年份和月份字段
Sales['year'] = Sales.Date.dt.year
Sales['month'] = Sales.Date.dt.month
# 统计每年各月份的销售总额（绘制热力图之前，必须将数据转换为交叉表形式，即透视表）
Summary = Sales.pivot_table(index = 'month', columns = 'year', values = 'Sales', aggfunc = np.sum)
# 绘制热力图
sns.heatmap(data = Summary, # 指定绘图数据
            cmap = 'PuBuGn', # 指定填充色
            linewidths = .1, # 设置每个单元格边框的宽度
            annot = True, # 显示数值
            fmt = '.1e' # 以科学计算法显示数据，保留一位
            )
#添加标题
plt.title('每年各月份销售总额热力图')
# 显示图形
plt.show()

输出：

多图形的组合

概念：
工作中往往会根据业务需求，将绘制的多个图形组合到一个大图框内，形成类似仪表板的效果；

函数：

plt.subplot2grid(shape, loc, rowspan=1, colspan=1, **kwargs)
shape：指定组合图的框架形状，以元组形式传递，如2×3的矩阵可以表示成(2,3)
loc：指定子图所在的位置，如shape中第一行第一列可以表示成(0,0)
rowspan：指定某个子图需要跨几行
colspan：指定某个子图需要跨几列

示例1：

# 导入第三方模块
import matplotlib.pyplot as plt
# 设置大图框的长和高
plt.figure(figsize = (12,6))
# 设置第一个子图的布局
ax1 = plt.subplot2grid(shape = (2,3), loc = (0,0))
# 设置第二个子图的布局
ax2 = plt.subplot2grid(shape = (2,3), loc = (0,1))
# 设置第三个子图的布局
ax3 = plt.subplot2grid(shape = (2,3), loc = (0,2), rowspan = 2)
# 设置第四个子图的布局
ax4 = plt.subplot2grid(shape = (2,3), loc = (1,0), colspan = 2)

输出1：

示例2：

# 导入第三方模块
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import seaborn as sns
# 设置中文能显示的简体黑字体
plt.rcParams['font.sans-serif']=['SimSun']
# 用来正常显示负号
plt.rcParams['axes.unicode_minus']=False 
# 读取数据
Prod_Trade = pd.read_excel(r'D:\pythonProject\data\Prod_Trade.xlsx')
# 衍生出交易年份和月份字段
Prod_Trade['year'] = Prod_Trade.Date.dt.year
Prod_Trade['month'] = Prod_Trade.Date.dt.month

# 设置大图框的长和高
plt.figure(figsize = (12,6))
# 设置第一个子图的布局
ax1 = plt.subplot2grid(shape = (2,3), loc = (0,0))
# 统计2012年各订单等级的数量
Class_Counts = Prod_Trade.Order_Class[Prod_Trade.year == 2012].value_counts()
Class_Percent = Class_Counts/Class_Counts.sum()
# 将饼图设置为圆形（否则有点像椭圆）
ax1.set_aspect(aspect = 'equal')
# 绘制订单等级饼图
ax1.pie(x = Class_Percent.values, labels = Class_Percent.index, autopct = '%.1f%%')
# 添加标题
ax1.set_title('各等级订单比例')

# 设置第二个子图的布局
ax2 = plt.subplot2grid(shape = (2,3), loc = (0,1))
# 统计2012年每月销售额
Month_Sales = Prod_Trade[Prod_Trade.year == 2012].groupby(by = 'month').aggregate({'Sales':np.sum})
# 绘制销售额趋势图
Month_Sales.plot(title = '2012年各月销售趋势', ax = ax2, legend = False)
# 删除x轴标签
ax2.set_xlabel('')

# 设置第三个子图的布局
ax3 = plt.subplot2grid(shape = (2,3), loc = (0,2), rowspan = 2)
# 绘制各运输方式的成本箱线图
sns.boxplot(x = 'Transport', y = 'Trans_Cost', data = Prod_Trade, ax = ax3)
# 添加标题
ax3.set_title('各运输方式成本分布')
# 删除x轴标签
ax3.set_xlabel('')
# 修改y轴标签
ax3.set_ylabel('运输成本')

# 设置第四个子图的布局
ax4 = plt.subplot2grid(shape = (2,3), loc = (1,0), colspan = 2)
# 2012年客单价分布直方图
sns.distplot(Prod_Trade.Sales[Prod_Trade.year == 2012], bins = 40, norm_hist = True, ax = ax4, hist_kws = {'color':'steelblue'}, kde_kws=({'linestyle':'--', 'color':'red'}))
# 添加标题
ax4.set_title('2012年客单价分布图')
# 修改x轴标签
ax4.set_xlabel('销售额')

# 调整子图之间的水平间距和高度间距
plt.subplots_adjust(hspace=0.6, wspace=0.3)
# 图形显示
plt.show()

输出2：