（python）matplotlib可视化

import matplotlib.pyplot as plt

pyplot基础语法

• 创建画布与创建子图
  第一部分主要作用是构建出一张空白的画布，并可选是否将画布分为多个部分，方便在一歌图画多个图形。可以省略，后默认的画布上画图。

函数名称	函数作用
plt.figure	创建空白画布，可以指定画布大小，像素
figure.add_subplot	创建并选中子图，指定子图的行数列数与选中图片编号

• 添加画布内容
  第二部分是画图的主体。其中 添加标题，左边名称，绘制图形的步骤是并列的，没有先后顺序。但是添加图例一定在绘制图形之后。
  
• 存与展示图形
  第三部分主要用于保存好人显示图片
  

设置pyplot的动态rc属性

1. pyplot使用rc配置文件来自定义各种默认属性，成为rc配置或rc参数
2. 在pyplot中几乎所有的默认属性都是可以控制的，例如视图窗口大小以及每英寸点数、线条宽度、颜色和样式、坐标轴、坐标和网格属性、文本、字体等。

修改方式

plt.rcParams[“参数名”]="值"

线条常用rc参数名称解释与取值

• 常用线条类型解释
  

• 线条标记解释
  

• 注意事项

  1. 中文显示
     由于默认的pyplot字体并不支持中文字符的显示，因此需要通过设置font.sans-serif参数改变绘图时的字体，使得图形可以正常显示中文。同时，由于更改字体后，会导致坐标轴中的部分字符无法显示，因此需要同时更改axes.unicode_minus参数。

plt.rcParams["font.sans-serif"] = "SimHei" ## 设置中文显示
plt.rcParams["axes.unicode_minus"] = False

2. 除了设置线条和字体的rc参数外，还有设置文本、箱线图、坐标轴、刻度、图例、标记、图片、图像保存等rc参数。具体参数与取值可以参考官方文档。

绘图

绘制散点图

• 概念
  散点图（scatter diagram）又称为散点分布图，是以一个特征为横坐标，另一个特征为纵坐标，利用坐标点（散点）的分布形态反映特征间的统计关系的一种图形。

  值是由点在图表中的位置表示，类别是由图表中的不同标记表示，通常用于比较跨类别的数据
  

• plot函数
  plt.plot(*args, **kwargs)
  参数不限长度，以下参数

参数名称	说明
x, y	接收array。表示x轴和y轴对应的数据。无默认
color	接收特定string。指定线条颜色。默认None
linestyle	接收特定string。制动线条类型，默认“-”
marker	接收特定string。表示绘制点的类型，默认None
alpha	接收0-1的小数，表示透明度，默认None

其中color有8中常用颜色缩写

颜色缩写	颜色	颜色缩写	颜色
b	蓝色	m	品红
g	绿色	y	黄色
r	红色	k	黑色
c	青色	w	白色

data = np.load("./1.npz")
name = data["columns"]
values = data["values"]

plt.figure(figsize=(8,7))

plt.scatter(values[:,0],values[:,2],marker="o")
plt.xlabel("年份")
plt.ylabel("生产总值（医院）")
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title("2000-2017第一季度生产总值")
plt.show()

直方图

• 概念
  直方图（Histogram）又称质量分布图，是统计报告图的一种，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据所属类别，纵轴表示数量或者占比。

  用直方图可以比较直观地看出产品质量特性的分布状态，便于判断其总体质量分布情况。直方图可以发现分布表无法发现的数据模式、样本的频率分布和总体的分布。
  不同标记表示，通常用于比较跨类别的数据

bar函数

plt.bar(left,height, width = 0.8, bottom=None, hold = None, data = None, **kwargs)

参数名称	意义
left	接收array,x轴数据
height	接收array，表示x轴代表数据的数据量
width	接收1-0之间的float，表示智立方的宽度
color	接收颜色参数

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("./1.npz")
name = data["columns"]
valuse = data["values"]
lab = ["第一产业", "第二产业", "第e三产业"]
plt.figure(figsize=(6, 5))
height = valuse[-1, 3:6]
plt.bar(range(3), height, width=0.4)
plt.xlabel("产业")
plt.ylabel("生产总值（医院）")
plt.xticks(range(3), lab)
plt.title("张长旭的做的：2017年第一季度各产业过敏生产总值直方图")
for i in range(len(height)):
    plt.text(i, height[i], height[i], va="bottom", ha="center")
plt.savefig("./2.png")
plt.show()

饼图

• 概念
  饼图（Pie Graph）是将各项的大小与各项总和的比例显示在一张“饼”中，以“饼”的大小来确定每一项的占比。

  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大小，而且显现方式直观。

pie函数

plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, … )

参数名称	说明	参数名称	说明
x	接收array	autopct	指定string，数值显示方式
explode	接收array，表示指定项离饼图圆心为n个半径	pctdistance	接收float，指定每一项的比例和距饼图圆心多少个半径
labels	接收array，指定每一项的名称	labeldistance	接收float指定每一项的名称和距饼图圆心多少个半径
color	接收指定string，饼图的颜色	radius	接收float，表示饼的半径