python学习之路--可视化利器matplotlib（上）

前几期已经把读写数据、数据预处理等介绍完了，今天我们接着介绍一个可视化的库matplotlib，虽说现在已经有了更为高级的可视化库，如seaborn,ploty,pyecharts等，但是matplotlib是最为基础，作图思路最为全面的可视化库，学会了matplotlib之后，再学其他的就显得更为简单。

1.作图之前

为了使得作图能正常的显示，作图之前往往都需要添加以下代码：

#解决中文乱码的问题
plt.rcParams["font.sans-serif"] = "SimHei"

#解决负号不能正常显示的问题
plt.rcParams["axes.unicode_minus"] = False

#直接在jupyter notebook展示图片
%matplotlib inline

#作图使用svg格式更为清晰
%config InlineBackend.figure_format = "svg"

1.1 可视化伪代码

设置画布的大小：plt.figure(figsize = (x,y))
建立坐标系:     add_subplot()、plt.subplot()、plt.subplots()
作图函数:       plot、bar、scatter、barh、pie、boxplot 
设置图表标题:   plt.title()
设置x轴y轴标题: plt.x/ylabel()
设置x轴y轴刻度: plt.x/yticks()
设置x轴y轴范围: plt.x/ylims()
添加数据标签:   plt.text()
添加注释:       plt.annotate()
添加数据表格:   plt.table()
添加图例:       plt.legend()
展示结果:       plt.show()

1.2 坐标系的建立

坐标系的建立方法有好几种，add_subplot()是面向对象的方法，也就是得先建立画布，然后在画布上建立坐标系，然后才能在坐标系上作图；而后两种(plt.subplot()、plt.subplots())属于函数式方法，是直接调用plt里面的函数建立的坐标系，区别在于plt.subplot()一次只建立指定的几个坐标系，而plt.subplots()是一次性全部坐标系都建立出来，比如：

# add_subplot(行,列,第几个)建立坐标系
import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(1,2,1)
ax2 = fig.add_subplot(1,2,2)

#plt.subplot(行,列,第几个)建立坐标系
plt.subplot(2,2,1)
plt.subplot(2,2,4)

#plt.subplots(行,列)建立坐标系
plt.subplots(1,2)

1.3 作图函数

作图函数包括很多，常用的有折线图plot，柱形图bar，条形图barh，饼图pie，散点图scatter，面积图stackplot，雷达图polar，热力图imshow等，这里先不具体介绍，等其他参数介绍完之后实例介绍。

1.4 图表的标题

图表的标题通过plt.title()设置，格式如下：

plt.title("xxxx",loc = "left/right/center",fontsize = x,color = x,fontwidth = x)

1.5 坐标轴设置

(1) 轴标题的设置：plt.xlabel/ylabel("xxxx",labelpad = x,fontsize = x,color = x,fontwidth = x)

(2) 坐标系范围：plt.xlim/ylim(x,y)

(3) 坐标轴的刻度：plt.xticks/yticks(range,labels = [])

1.6 附加元素

(1) 网格线设置：plt.grid(True,axis = "x/y",linestyle = x,linewidth = x)；

不设定axes时，默认xy轴的网格线都打开；

linestyle表示线的风格，有实线(solid)，虚线(dashed)，线点(dashdot)，虚点线(dotted)。

(2)数据标签的设置：plt.text(x,y,z,ha = "left/right/center",va = "top/bottom/center", fontsize = s,color = s)；

ha表示水平的位置，va表示垂直的位置；

格式如下：

for a,b in zip(x,y):
      plt.text(a,b,b,ha = xx,va = xx)

(3)注释：plt.annotate("xxx",xy = (x,y),xytext = (x,y),arrowprops = dict(arrowstyle = "x",facecolor = x))；

arrowstyle表示注释的风格，常用的有"->","-]","-","<-","<->","fancy"(头小尾大的箭头)；

xy表示需要注释的位置，而xytext表示注释文本所在的位置。

(4)数据表格：plt.table(cellText,cellColours,cellLoc,rowLabels,rowColours,rowLoc,colLabels,colColours,colLoc,loc)；

数据表格包含三要素，分别是数值，行和列，数值通过cellText设置，行列标签通过rowLabels和colLabels设置；

需要注意的是数值、行、列的颜色填充分别是cellColours，rowColours和colColours，若写成cellColors，程序会报错。

(5)图例的设置：plt.legend(ncol = x,loc = x);

ncol表示图列分为几列来显示，默认是一列。

1.7 折线图

折线图的格式如下：

plt.plot(x,y,linestyle = s,linewidth = s,color = s,marker = s,markersize = s,markeredgecolor = s, markeredgewidth = s,markerfacecolor = s,label);

marker表示点的风格：常用的有"+","o","*","s"(正方形),"p"（五边形）,"h"（六边形）,"d"（小菱形）；

常用的颜色有："b"(蓝色),"g"(绿色),"k"(黑色),"w"(白色),"r"(红色),"y"(黄色),"c"(青色),"m"(品红)。

import numpy as np
plt.subplot(1,1,1)
x = np.arange(10)
y = np.arange(10)
plt.plot(x,y,
         linestyle = "dashdot",
         linewidth = 2,
         color = "c",
         marker = "*",
         markersize = 10,
         markerfacecolor = "m",
         markeredgecolor = "m",
         label = "示例1")
plt.title("示例1",fontsize = 15,color = "k",loc = "center")
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.grid(b = True,axis = "x",linestyle = "dashed")
for a,b in zip(x,y):
    plt.text(a,b-0.5,b,va = "center",ha = "center")
plt.annotate("这是坐标xy都是5的位置",xy = (5,5),xytext=(6,4),arrowprops = dict(arrowstyle = "fancy",facecolor = "r"))
plt.legend()
<matplotlib.legend.Legend at 0x19fccb46f60>

 

1.8 柱形图与条形图

柱形图与条形图的原理相似，只是height跟width两个参数含义交换，这里只介绍柱形图。

柱形图的格式如下：plt.bar(x,height = s,width = s,color = s,edgecolor = s,align = center/edge)；

align表示柱子与x的关系，center表示柱子位于x轴的中心，edge表示柱子位于x轴的边缘；

height表示柱子的高度，就是y值；

width表示柱子的宽度。

import numpy as np
x = np.arange(1,5)
y1 = np.arange(1,5)
y2 = np.arange(2,6)
plt.subplot(2,2,1)
plt.bar(x,
        height = y1,
        width = 0.3,
        align = "center",
        facecolor = "c")
for a,b in zip(x,y1):
    plt.text(a,b,b,va = "center",ha = "center")

#簇状柱形图
plt.subplot(2,2,2)
plt.bar(x,
        height = y1,
        width = 0.3,
        align = "center",
        facecolor = "c",
        label = "示例1")
plt.bar(x+0.3,
        height = y2,
        width = 0.3,
        align = "center",
        facecolor = "m",
        label = "示例2")
for a,b in zip(x,y1):
    plt.text(a,b,b,va = "center",ha = "center")
for a,b in zip(x,y2):
    plt.text(a+0.3,b,b,va = "center",ha = "center")
plt.legend()

#堆积柱形图
plt.subplot(2,2,3)
plt.bar(x,
        height = y1,
        width = 0.3,
        align = "center",
        facecolor = "c",
        label = "示例1")
plt.bar(x,
        height = y2,
        width = 0.3,
        align = "center",
        facecolor = "m",
        label = "示例2")
for a,b in zip(x,y1):
    plt.text(a,b,b,va = "center",ha = "center")
for a,b in zip(x,y2):
    plt.text(a,b,b,va = "center",ha = "center")
plt.legend()

#堆积柱形图
plt.subplot(2,2,4)
plt.bar(x,
        height = y2,
        width = 0.3,
        align = "center",
        facecolor = "m",
        label = "示例2")
plt.bar(x,
        height = y1,
        width = 0.3,
        align = "center",
        facecolor = "c",
        label = "示例1")
for a,b in zip(x,y1):
    plt.text(a,b,b,va = "bottom",ha = "center")
for a,b in zip(x,y2):
    plt.text(a,b,b,va = "top",ha = "center")
plt.legend()
<matplotlib.legend.Legend at 0x19fce42c5c0>

簇状柱形图的原理就是在同样的x值做不同的柱子时，第二个柱子往左或者往右移动一个柱子的宽度，如上图所示的0.3；

堆积柱形图的原理是只要是在相同的x值作不同的柱子时，柱子会自动叠加，这里需要注意的是更大的y值需要先作图，不然的话会像图3所示，正确的做法如图四所示，y2的值更大，所以先作图。

1.9 饼图

饼图的格式如下：plt.pie(x,explode = [],labels = [],autopct = s,pctdistance = s,radius = s,labeldistance = s, shadow = True/False,wedgeprops = dict(width = s,edgecolor = s),center = s, counterclock = True/False)

explode表示饼图中每一块离圆心的位置；

autopct表示数据标签中数值的百分比格式；

pctdistance表示数据标签距离圆心的距离；

radius表示饼图的半径；

labeldistance表示每一块图例离圆心的距离；

shadow表示是否有阴影；

wedgeprops表示每一块的边界属性；

center表示圆心的位置；

counterclock表示是否让饼图逆时针显示。

#饼图
plt.subplot(1,2,1)
x = [i**2 for i in np.arange(1,5)]
plt.pie(x,
       explode= [0,0,0.2,0],
       labels = ["东","南","西","北"],
       colors = ["b","steelblue","c","g"],
       autopct = "%.1f%%",
       radius = 1,
       pctdistance= 0.7,
       labeldistance = 0.5,
       shadow= True,
       counterclock = False)

#圆环图
plt.subplot(1,2,2)
x = [i**2 for i in np.arange(1,5)]
plt.pie(x,
       labels = ["东","南","西","北"],
       radius = 1,
       labeldistance = 1.2,
       wedgeprops= dict(width = 0.3,edgecolor = "w"))
plt.pie(x,
       radius = 0.8,
       wedgeprops= dict(width = 0.3,edgecolor = "w"))

圆环图的原理就是设置不同的半径，然后通过设置边界的宽度与颜色来达到分离的效果。

1.10 散点图

散点图的格式如下：plt.scatter(x,y,marker = a,s = a,c = a,edgecolors = a,linewidths = a)

s表示散点的大小；

c表示散点的颜色；

edgecolors表示散点边缘的颜色；

linewidths表示散点的线宽。

# 散点图
x = np.arange(1,5)
y = [i**2 for i in x]
plt.subplot(1,2,1)
plt.scatter(x,
            y,
           marker = "d",
           s = 200,
           c = "c",
           edgecolors = "m")
for a,b in zip(x,y):
    plt.text(a,b,b,ha = "center",va = "center")

#气泡图
plt.subplot(1,2,2)
plt.scatter(x,
            y,
           marker = "o",
           s = y*200,         #根据y值设置散点的大小
           c = y)             #根据y值生成不同的颜色
for a,b in zip(x,y):
    plt.text(a,b,b,ha = "center",va = "center")