暑期实训Python第九，第十天--------matplotlib画图 + seaborn 画图

画图需要引入的包

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

画图需要设置中文的字体：

 mpl.rcParams["font.family"] = "SimHei"#用来正常显示中文标签
 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

画图的步骤：

步骤以画出sin 和 cos 为例子：

1.准备数据

NumPy 包含大量的各种数学运算的函数，包括三角函数，算术运算的函数，复数处理函数等

x = np.arange(0, 14, 0.001)#生成的数是0到14，步长为0.001
y1 = np.sin(x)
y2 = np.cos(x)

2、绘制数据的图形

参数：
color：设置线条的颜色
linewidth ： 设置线条的宽度
linestyle ：设置线条的风格

plt.plot(x, y1, color='red', linewidth=0.5, linestyle="-", label=r'$y=sin{x}$')
plt.plot(x, y2, color='black', linestyle="--")

3、设置图形,轴，标题

设置 x 的标题
plt.xlabel("the input of x")

设置  y 的标题，使用的是$$包起来
plt.ylabel("$y=f(x)$")

设置 x ，y 轴的范围
plt.xlim(1, 12)
plt.ylim(-2, 2)

设置x,y的刻度,传入两个列表
plt.xticks(range(2,7),["one","two","three","four","five"])
plt.yticks(np.arange(-2,3,1),['-a','-b','c','b','a'])

设置整个图的标题,\使字符变成斜体
plt.title("$\ function \ sin ,\ cos$")

添加 图例，loc：指定左上角显示
plt.legend(["sin(x)","cos(x)"],loc = "upper left")

添加文字和注释  指的是一个点的注释
plt.text(10,1.5,"cos图的实例",fontsize = 13)

添加注释
 plt.annotate("x=6",xy=(6,np.sin(6.2)),xytext=(6,-1.5)
              ,arrowprops=dict(arrowstyle='>',connectionstyle='arc3,rad=0.1',color='blue'))

坐标系：

import matplotlib.pyplot as plt 


ax = plt.subplot(221)
返回2*2坐标系，当前是第一个
ax.plot()

4、显示或保存图片

画图保存图片空白
原因是因为保存图片的时候将plt.savefig(’./test.jpg’)放到了plt.show()之后

先保存 再show，顺序反了就会为空白图

plt.savefig("./sin.png")
plt.show()

maplotlib 绘制柱状图、条形图

补充知识
产生随机数，范围是1-100，产生1000个，随机数不存在步长的概念，那是arange的参数

np.random.randint(1, 100, 1000)

条形图：条形图用长条形表示每一个类别，长条形的长度表示类别的频数，宽度表示表示类别。

x = np.random.randint(1,10,10)
y = np.random.randint(1,10,10)
plt.bar(x,y) #条形图

x = np.random.randint(1,10,10)
y = np.random.randint(1,10,10)
plt.barh(y=x,width=y) #水平的条形图

直方图
直方图是一种统计报告图，形式上也是一个个的长条形，但是直方图用长条形的面积表示频数，所以长条形的高度表示，宽度表示组距，其长度和宽度均有意义。当宽度相同时，一般就用长条形长度表示频数。

y = np.random.randint(1,10,10)
plt.hist(y,bins=10)
plt.show()

单个连续型变量

峰群图

箱线图

点线图

正态分布曲线

seaborn ： SNS

是一个统计图制作库，基于matplotlib ，数据结构和 pandas 统一

sns.barplot(x="day", y="total_bill", data=tips)
plt.show()

import seaborn as sns

月份 和 租赁 关系
sns.boxplot(x="mnth",y="cnt",data=bikes)

分析 各个季节 租赁分布情况
sns.violinplot(x="season",y="cnt",data=bikes)

sns.swarmplot(x="season",y="cnt",data=bikes)

聚合总数
sns.pointplot(x="season",y="cnt",data=bikes,estimator=np.sum)
plt.show()

对比 各个因素 查看哪个因素影响 最大

subplot分成几个子图

plt.subplot(3,1,1)
sns.scatterplot(x="atemp",y="casual",data=bikes)
plt.subplot(3,1,2)
sns.scatterplot(x="hum",y="casual",data=bikes)
plt.subplot(3,1,3)
sns.scatterplot(x="windspeed",y="casual",data=bikes)

plt.show()

plt.subplot(2,2,1)
sns.boxplot(y="casual",x="season",data=bikes)
plt.subplot(2,2,2)
sns.boxplot(y="casual",x="mnth",data=bikes)
plt.subplot(2,2,3)
sns.boxplot(y="casual",x="holiday",data=bikes)
plt.subplot(2,2,4)
sns.boxplot(y="casual",x="weekday",data=bikes)

密度，kde

sns.jointplot(x="atemp",y="cnt",data=bikes,kind="kde")
plt.show()

拟合： 预测数据

直线拟合

sns.lmplot(x="atemp",y="cnt",data=bikes)
plt.show()

二阶拟合

Order =

sns.regplot(x="atemp",y="cnt",data=bikes,order=2)
plt.show()

拟合是两个数据之间的关系，当多个数据关系就要使用

热力图

heatmap

两两组合

pairolot :一次性画很多子图出来

sns.pairplot(data=bikes[["atemp","hum","windspeed","cnt"]],x_vars=["atemp","hum","windspeed"],y_vars=["cnt"])
plt.show()