python数据分析之数据可视化matplotlib

import matplotlib.pyplot as plt
import numpy as np
import numpy.random as randn
import pandas as pd
from pandas import Series,DataFrame
from pylab import mpl
mpl.rcParams['axes.unicode_minus'] = False # 我自己配置的问题
plt.rc('figure', figsize=(10, 6)) # 设置图像大小

%matplotlib inline

1. figure对象

Matplotlib的图像均位于figure对象中。

• 创建figure: plt.figure()

fig = plt.figure()

2. subplot子图

• add_subplot：向figure对象中添加子图。
  add_subplot(a, b, c)：a,b 表示讲fig分割成axb的区域，c 表示当前选中要操作的区域(c从1开始)。
  add_subplot返回的是AxesSubplot对象，plot 绘图的区域是最后一次指定subplot的位置

ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)

random_arr = randn.rand(50)
# 默认是在最后一次使用subplot的位置上作图
plt.plot(random_arr,'ro--') # r:表示颜色为红色，o:表示数据用o标记 ，--:表示虚线
# 等价于：
# plt.plot(random_arr,linestyle='--',color='r',marker='o')
plt.show()

# hist：直方图：统计分布情况
plt.hist(np.random.rand(8), bins=6, color='b', alpha=0.3) # bins:数据箱子个数

(array([ 3.,  0.,  0.,  0.,  2.,  3.]),
 array([ 0.10261627,  0.19557319,  0.28853011,  0.38148703,  0.47444396,
         0.56740088,  0.6603578 ]),
 <a list of 6 Patch objects>)

# 散点图
plt.scatter(np.arange(30), np.arange(30) + 3 * randn.randn(30))

• subplots ：生成子图/子图数组

<