python数据分析课程笔记 | 第四章 Matplotlib数据可视化（上）

最新推荐文章于 2024-04-18 23:31:49 发布
最新推荐文章于 2024-04-18 23:31:49 发布
阅读量951 收藏 8
点赞数
分类专栏： 数据分析 数据可视化 文章标签： python 数据可视化 数据分析 matplotlib
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SimbaG/article/details/117150679
版权

目录：

4.1 matplotlib绘图基础

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt

#  解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 100, 1000)
y = np.sin(x)
plt.plot(x, y, c='red', lw=2, ls='-')
plt.show()

x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y, lw=2, ls='-', label='X和Y的关系')
plt.legend(loc='upper center')  # 图例
plt.show()

x = np.arange(0, 1.1, 0.01)
y = x ** 2
plt.figure(figsize=(6.4, 4.84), dpi=100, facecolor='white')
plt.title('这是一幅图')
plt.xlabel('x1')
plt.ylabel('y')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])
plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1])
plt.plot(x, y, label='Y = x ^ 2')
plt.legend(loc='best')
plt.savefig('地址')  # 图形保存
plt.show()

4.2 简单图形绘制

（1）饼图

在这里插入图片描述

import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')
data = pd.read_csv('2018-2010_export.csv')
data_1 = data[:277].groupby('country').mean()['value']
print(data_1)
print(data_1.index)

x_data = data_1.values
y_data = data_1.index

explode = [0, 0.1, 0, 0, 0, 0.2]
colors = ['red', 'blue', 'yellow', 'green', 'darkred', 'purple']

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.pie(x=x_data, explode=explode, labels=y_data, colors=colors, autopct='.1f%%', pctdistance=0.5, labeldistance=1.1,
        startangle=120, radius=1.2, counterclock=False, wedgeprops={'linewidth': 1.5, 'edgecolor': 'green'},
        textprops={'fontsize': 10, 'color': 'black'})
plt.title('饼图', pad=30)
plt.show()

输出结果：
在这里插入图片描述

（2）条形图

在这里插入图片描述

import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')
data = pd.read_csv('2018-2010_export.csv')
data_1 = data[:277].groupby('country').mean()['value']

x_data = data_1.values
y_labels = data_1.index

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.bar(x=range(0, len(x_data)), height=x_data, align='center', color='y', tick_label=y_labels)
plt.xlabel('地区')
plt.ylabel('销量')
plt.title('条形图')
plt.show()

输出结果：
在这里插入图片描述

（3）直方图

在这里插入图片描述

import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')
data = pd.read_csv('2018-2010_export.csv')
data_1 = data[:277].groupby('country').mean()['value']

x_data = data_1.values
y_labels = data_1.index

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.hist(x=data['value'], bins=6, color='r', edgecolor='black', density=True)
plt.title('直方图')
plt.show()

数据不太好，代码没问题，所以不展示图片了

（4）散点图

在这里插入图片描述

import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')
data = pd.read_csv('2018-2010_export.csv')
data_1 = data[:277]

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.scatter(x=data.index, y=data['value'], marker='o', s=10)
plt.xlabel('x', fontsize=12)
plt.ylabel('y', fontsize=12)
plt.title('关系', fontsize=12)
plt.show()

输出结果：
在这里插入图片描述

4.3 图形基本设置

import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')
data = pd.read_csv('2018-2010_export.csv')
data_1 = data[:277].groupby('country').mean()['value']

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.plot(data_1.index, data_1.values, label='不同地区销售')
# 图例
plt.legend(loc='upper left', fontsize=12, frameon=False)
# 图像大小
fig = plt.gcf()
fig.set_size_inches(18.5, 10.5)
# 网格线
plt.grid(ls='--', c='darkblue')
# 水平参考线
plt.axhline(y=1700, c='red', ls='--', lw=2)
plt.axvline(x=4, c='red', ls='--', lw=2)
# 水平参考区域
plt.axvspan(xmin=4, xmax=6, facecolor='r', alpha=0.3)
plt.axhspan(ymin=250, ymax=1250, facecolor='blue', alpha=0.3)

plt.show()

输出结果：
在这里插入图片描述

4.4 统计图形实战

（1）柱状图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

GDP = pd.read_csv('gdp-csv-.csv', encoding='gbk')[:10]
plt.figure(figsize=(6.4, 4.8))
plt.bar(x=GDP.country, height=GDP.GDP, width=0.5)
plt.xticks(GDP.index, GDP.country, rotation=45)
plt.xlabel('国家', fontsize=12)
plt.ylabel('GDP产值(万亿)', fontsize=12, labelpad=20)
plt.title('GDP情况', fontsize=20)
plt.show()

# 堆叠图
Industry_GDP = pd.read_excel('Industry_GDP.xlsx')
# temp = pd.pivot_table(data=Industry_GDP, index='Quarter', columns='Industry_Type', values='GDP', aggfunc=np.sum)
temp = pd.crosstab(Industry_GDP['Quarter'], Industry_GDP['Industry_Type'], values=Industry_GDP['GDP'], aggfunc=np.sum, normalize='index')
plt.bar(x=temp.index.values, height=temp['第一产业'], color='steelblue', label='第一产业', tick_label=['第一季度', '第二季度', '第三季度', '第四季度'])
plt.bar(x=temp.index.values, height=temp['第二产业'], color='green', label='第二产业', bottom=temp['第一产业'], tick_label=['第一季度', '第二季度', '第三季度', '第四季度'])
plt.bar(x=temp.index.values, height=temp['第三产业'], color='red', label='第三产业', bottom=temp['第一产业'] + temp['第二产业'], tick_label=['第一季度', '第二季度', '第三季度', '第四季度'])
plt.ylabel('产值（亿）')
plt.title('2017年各产业季度生产值')
# plt.legend(loc='best')
plt.legend(bbox_to_anchor=(1.08, 0.8))  # 图例放在外面
plt.show()

数据不太好，代码没问题，不展示图了

（2）直方图

在这里插入图片描述

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

Titanic = pd.read_csv('train_and_test2.csv')
Titanic.dropna(subset=['Age'], inplace=True)

def normfun(x, mu, sigma):
    pdf = np.exp(-((x - mu)**2)/(2*sigma**2)) / (sigma * np.sqrt(2*np.pi))
    return pdf

mean_x = Titanic['Age'].mean()
std_x = Titanic['Age'].std()
x = np.arange(Titanic['Age'].min(), Titanic['Age'].max() + 10, 1)
y = normfun(x, mean_x, std_x)

plt.hist(x=Titanic['Age'], bins=20, color='orange', edgecolor='red', density=True, label='直方图')
plt.plot(x, y, color='g', linewidth=3, label='正态分布图')
Titanic['Age'].plot(kind='kde', color='red', xlim=[0, 90], label='核密度图')
plt.xlabel('年龄', fontsize=15)
plt.ylabel('频率', fontsize=15)
plt.title('年龄分布图', pad=20)
plt.legend(loc='best')
plt.show()

输出结果：
在这里插入图片描述

（3）箱线图

在这里插入图片描述
在这里插入图片描述

import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')

sec_buildings = pd.read_csv('buildings.csv')

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.boxplot(x=sec_buildings['2018energyusintensity'][:200], patch_artist=True, showmeans=True, showfliers=True,
            boxprops={'color': 'black', 'facecolor': 'steelblue'},
            flierprops={'marker': 'o', 'markerfacecolor': 'red', 'markersize': 5},
            meanprops={'marker': 'D', 'markerfacecolor': 'indianred', 'markersize': 4},
            medianprops={'linestyle': '--', 'color': 'orange'})
plt.title('箱型图')
plt.show()

输出结果：
在这里插入图片描述

（4）散点图

在这里插入图片描述

import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')

Iris = pd.read_csv('Iris.csv')

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.figure(figsize=(10, 8))
plt.scatter(x=Iris.PetalWidthCm, y=Iris.PetalLengthCm, s=10, color='steelblue')
plt.xlabel('花瓣宽度')
plt.ylabel('花瓣长度')
plt.title('长度和宽度关系')
plt.show()

输出结果：
在这里插入图片描述

（5）折线图

在这里插入图片描述

import pandas as pd
import matplotlib.pyplot as plt
import os

os.chdir(r'C:\Users\Administrator.DESKTOP-0L8IC5U\Desktop\数据分析\data')

data = pd.read_csv('database.csv')

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.figure(figsize=(8, 7))
plt.plot(data.iloc[:, 1], data.iloc[:, 10], 'bs--', data.iloc[:, 1], data.iloc[:, 11], 'ro--',)
plt.xlabel('年份', labelpad=25)
plt.ylabel('值')
plt.legend(['Engine Cylinders', 'Engine Displacement'])
plt.show()

数据不太好，代码没问题，不展示图了

啥都不会的怪蜀黍
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
3.Matplotlib数据可视化.pdf
11-17
333333333333333333333
莫烦Matplotlib可视化第四章多图合并显示代码学习
瞳瞳瞳呀
06-29 174
4.1Subplot多合一显示 import matplotlib.pyplot as plt import numpy as np plt.figure() """ 每个图占一个位置 """ # plt.subplot(2,2,1) #将画板分成两行两列，选取第一个位置,可以去掉逗号 # plt.plot([0,1],[0,1]) # # plt.subplot(2,2,2) # plt.plot([0,1],[0,1]) # # plt.subplot(2,2,3) # plt.plot([0,1
Python数据可视化实战第四章seaborn实训代码
最新发布
2203_75542663的博客
04-18 1283
(2)解决中文显示问题,设置字体为黑体,并解决保存图像时负号“-”显示为方块的问题。(1)了解scattplot函数的使用格式。(3)了解stripplot函数的使用格式。(5)了解distplot函数的使用格式。(3)绘制AQI和PM2.5的关系散点图。(7)了解regplot函数的使用格式。(8)掌握线性回归拟合图的绘制方法。(6)掌握单变量分布图的绘制方法。(4)绘制空气质量等级分类散点图。(4)掌握分类散点图的绘制方法。(10)掌握热力图的绘制方法。(2)掌握散点图的绘制方法。(5)计算相关系数。
python数据可视化第四章图标样式的美化
qq_55682472的博客
03-16 3588
一、图标样式的概述 matplotlib在绘图的过程中会读取储存在本地的的配置文件matplotlibrc，通过matplotlibrc文件中的缺省配置信息指定图表元素的默认样式，完成图表元素的初始设置，不需要开发人员逐一设置便可使用。 matplotlibrc文件包含众多图表元素的配置项，可以通过rc_params()函数查看全部的配置项，实例代码如下： import matplotlib matplotlib.rc_params() 由上可知，rc_parmas()函数返回一个RcParmas对象。R
数据分析第四节课Matplotlib作业
yuyejisi的博客
06-09 162
练习一: 电影数据如下： movies_name = [“变身特工”,“美丽人生”,“鲨海逃生”,“熊出没·狂野大陆”] day_12 = [2358,399,2358,362] day_13 = [12357,156,2045,168] day_14 = [15746,312,4497,319] 需求： • 直观体现出不同电影近三天的票房的对比情况 """ 电影数据如下： movies_name = ["变身特工","美丽人生","鲨海逃生","熊出没·狂野大陆"] day_12 = [2358,399,
python—-Matplotlib数据可视化基础(学习笔记)
12-22
Matplotlib数据可视化 import numpy as np import matplotlib.pyplot as plt #导入库 plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示 plt.rcParams['axes.unicode_minus'] = False 基本语法 data = ...
【Python数据可视化】Matplotlib学习笔记之pyplot(1)
01-20
【Python数据可视化】Matplotlib学习笔记之pyplot(1)  简介：Matplotlib 是一个Python的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形 。通过 Matplotlib，开发者可以仅需要几行代码...
TensorFlow2.0入门学习笔记(2)——Matplotlib数据可视化
12-20
在正式学习tensorflow2.0之前需要...TensorFlow2.0学习笔记(2)——Matplotlib数据可视化 数据可视化： 数据分析阶段：理解和洞察数据之间的关系 算法调试阶段：发现问题，优化算法 项目总结阶段：展示项目成果 Matplot
Python数据可视化工具matplotlib的学习笔记（二）
12-21
在可视化中，颜色映射用于突出数据的规律。 模块pyplot内置了一组颜色映射。要使用这些颜色映射，你需要告诉pyplot该如何设置数据集中每个点的颜色。 x_values = list(range(1,1001)) y_values = [x**2 for x in x_...
Python数据可视化工具matplotlib的学习笔记（四）-CSV文件
01-20
CSV模块包含在Python标准库中 CSV文件 ：将数据作为一系列以逗号分隔的值（CSV）写入文件。 分析CSV文件头 ： import csv filename = 'sitka_weather_07-2014.csv' with open(filename) as f: reader = csv.reader...
matplotlib 旋转刻度_第四章：Python+matplotlib完善统计图形
weixin_28987465的博客
11-28 195
1、添加图例和标题 1 import matplotlib 2 import matplotlib.pyplot as plt 3 import numpy as np 4 # 显示中文标识 5 matplotlib.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体为SimHei 6 matplotlib.rcParams["axes.un...
matplotlib习题答案（仅供参考）
JHhhha的博客
05-29 2092
Exercise 11.1: Plotting a functionPlot the function    f(x) = sin2(x − 2)e−x2    over the interval [0, 2]. Add proper axis labels, a title, etc.import numpy as np import matplotlib.pyplot as plt x = ...
湖南大学python头歌实训-matplotlib
SUOLONG1的博客
10-08 3982
本关任务：寒冷冬天两块不同金属都加热到500度，在空气中放置，温度会不断降低，在接下来的十小时内，现每隔半小时测量一次，测量得到金属块一的温度是500，470，450，400，360，330，310，290，260，240，200，180，150，120，100，80，60，50，40，30，测量得到金属块二的温度是500，440，410，380，360，310，330，295，280，230，200，170，150，120，100，70，50，30，20，10。绘制的图形保存到函数中指定的磁盘文件中。
01、python数据分析与机器学习实战——Python数据可视化库-Matplotlib
Alex
02-10 724
Matplotlib介绍 Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。 Matplotlib基础 1.折线图绘制 假设，我们要将下面的文件绘制成折线图： 由于文件里日期的格式不是标准格式，所以要先将日期转换： import pandas as pd unrate = pd.read_csv('unrate.csv') ...
python-可视化篇-简单-条形图输出主要省份GDP排名情况
stqer的博客
02-25 560
【代码】python-可视化篇-简单-条形图输出主要省份GDP排名情况。
matplotlib绘图基础
shmilyam的博客
04-26 193
matplotlib绘图基础 首先导入包 import numpy as np import matplotlib.pyplot as plt 确保图形能展示出来，通常要加这句代码 %matplotlib inline 我们先举一个简单的例子 x是一个初始值是0，中止值为100，有1000个元素所构成的数组 y是sinx三角函数 x=np.linspace(0,100,1000) y=np.sin...
[Matlab科学绘图] 绘制柱形竞赛图(各省历年GDP数据为例)
404万事屋
12-09 1676
一、数据准备 到国家统计局下载历年（1993-2019年）各省的GDP数据，整理成如下形式。 二、导入Matlab中，并绘制柱形竞赛图 这里所用的函数，来自GitHub中的一个项目，链接如下https://github.com/minoue-xx/BarChartRaceAnimation。 代码如下 data = csvread("各省年度GDP数据.csv",1,1);%导入数据 data = data'; names=["北京市","天津市","河北省","山西省","内蒙古","辽宁
DataCamp - Data Scientist with Python Track 课程笔记
08-22
笔记不仅覆盖了Python语法、数据结构，还深入到数据处理和可视化，是DataCamp课程的良好补充，并推荐结合《利用Python进行数据分析》一书共同学习。" 这份课程笔记全面介绍了Data Scientist with Python的学习路径...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值