Python_第四篇 可视化（4）_Matplotlib图表类型

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