4、matplotlib库的目的是将数据分析的结果可视化,因此如何为数据选择合适的图表类型是一项基本技能。
4.1 线性图
plt.plot(x,y,color=' g ',linestyle='---',linewidth=4)
- 指定线型:linestyle
- 指定线宽:linewidth
- 指定颜色:color
4.2 直方图
plt.hist(n,bins,patches)
直方图由竖立在x轴上的多个相邻的矩形组成,这些矩形把x轴拆分为一段段彼此不重叠的线段(线段两个端点所标识的数据范围也叫面元),矩形的面积跟落在其所对应的面元的元素数量成正比。这种可视化方法常被用于样本分布等统计研究。
4.3 条状图
条状图的x轴表示的不是数值而是类别
4.3.1 常见条状图
plt.bar(index,values,yerr=[std],error_kw={'ecolor':'0.1','capsize':6},alpha=0.7,label='图例')
plt.xticks(index+0.4,['类别1','类别2',……])
- 添加 x 轴:x轴是类别 index
- 添加 y 轴:values
- 添加误差线:标准差的列表传给yerr 关键字参数
- 指定误差线颜色:eColor
- 指定误差线两头横线的宽度:capsize
- 设置条状图透明度:alpha,范围:0~1,0表示对象完全透明
- 添加刻度标签:由于每个长条对应一种类别,最好用刻度标签表名其类别
4.3.2 水平条状图
plt.barh(index,values,xerr=[std],error_kw={'ecolor':'0.1','capsize':6},alpha=0.7,label='图例')
plt.yticks(index+0.4,['标签1','标签2',……])
4.3.3 多序列条状图【多个长条共用相同的类别】
bw=0.3【额外空间值】
plt.bar(index,values,bw,color='色号1')
plt.bar(index+bw,values2,bw,color=''色号2)
plt.bar(index+2*bw,valaue3,bw,color=''色号3)
4.3.4 多序列堆积条状图
plt.bar(index,values1,color='色号1',hatch='//')[hatch:影线类型]
plt.bar(index,values2,color='色号'2,bottom=value1,hatch='\\')
plt.bar(index,values3,color='色号3',bottom=(value2+value1),hatch=''\\\\\\'')
4.4 饼图
plt.pie(values,labeles=[标签1,标签2,……,],colors=[色号1,色号2,……],explode=[突出标签1数值,0,……],shadow=True,autopct='%1.1f%%',startangle=180)
plt.axis('equal')
- 抽出一块效果:explode(0.4,0,0,0) 取值范围0~1,1表示这块完全脱离饼图,0表示没有抽取,饼图仍然是一个完整的圆
- 调整饼图的旋转角度:startangle 取值范围0~360
- 添加阴影效果:shadow=True
- 在每一块中间位置添加文本标签显示百分比:autopct