探索数据可视化：Matplotlib 高级绘图功能(三)

直方图

ax.hist() 方法用于绘制直方图

常用参数及其含义：

• x：要绘制直方图的数据。
• bins：指定直方图的箱子（柱子）数量或分布方式。可以是一个整数，表示箱子的数量，也可以是一个列表，指定每个箱子的边界值。
• range：指定绘制直方图的数据范围，例如 (0, 10) 表示只绘制数据范围在 0 到 10 之间的直方图。
• density：如果为 True， 表示概率，并进行归一化，使得直方图下面的面积总和为 1。False: 频次。
• cumulative：如果为 True，则绘制累积直方图。
• histtype：指定直方图的类型，如 bar（传统的直方图）、barstacked（堆叠直方图）、step（默认），等等。
• color：指定直方图的颜色。
• alpha：指定直方图的透明度。

import numpy as np
import matplotlib.pyplot as plt

mu = 100 # 平均值
sigma = 15 # 标准差
# 10000个数据
x = np.random.normal(loc = mu,scale = 15,size = 10000)
fig, ax = plt.subplots()

# bins=10 指定箱子数量为10
# density=False 统计数字在某个范围内的次数(频次)
# rwidth=0.8：指定每个箱子的宽度占总宽度的比例为 0.8，这可以用来调整箱子的宽度
n, bins, patches = ax.hist(x, bins=10, density=False,rwidth=0.8)

# n：返回直方图每个箱子中数据点的数量，是一个长度为箱子数量的数组
n # array([  26.,  204.,  807., 2055., 2876., 2422., 1176.,  359.,   67., 8.])

# bins：返回直方图的箱子边界值，是一个长度比 n 多 1 的数组
bins
"""
array([ 48.5195012 ,  59.53834689,  70.55719257,  81.57603825,
        92.59488394, 103.61372962, 114.6325753 , 125.65142099,
       136.67026667, 147.68911235, 158.70795804])
"""

# bins[:-1] 取出除了最后一个元素之外的所有元素，保持与直方图的箱子边界值对应
plt.bar(bins[:-1],n,width = 10)
# 添加注释
for i, v in enumerate(n):
    plt.text(bins[i], v + 0.5, str(v), color='black', ha='center')

plt.xlabel('Bins')
plt.ylabel('Frequency')
plt.title('Histogram with Annotations')

箱型图

plt.boxplot() 绘制箱线图

常用参数：

• x：表示要绘制箱线图的数据，可以是单个数组或者多个数组组成的列表。
• notch：设置为 True 时，在箱体中绘制凹口以表示置信区间的中位数估计，默认为 False。
• vert：设置为 True 时，箱线图垂直绘制；设置为 False 时，箱线图水平绘制。
• patch_artist：设置为 True 时，箱线图将被绘制为填充的箱体；设置为 False 时，箱线图将被绘制为线条。
• showmeans：设置为 True 时，显示均值点；默认为 False。
• meanline：设置为 True 时，显示均值线；默认为 False。
• showfliers：设置为 False 时，禁用异常值的显示。

data=np.random.normal(size=(500,4)) # 正太分布

lables = ['A','B','C','D']

# 1： 在箱体中绘制凹口以表示置信区间的中位数(黄色线，中位数)
# 查看数据分布情况，看异常值
_ = plt.boxplot(data, 1, 'ro', labels=lables) # 红色的圆点是异常值

plt.boxplot(data, notch=True, vert=False, patch_artist=True, showmeans=True, meanline=True, showfliers=False)

散点图

plt.scatter()

常用参数：

• x：散点的 x 坐标。
• y：散点的 y 坐标。
• s：散点的大小。
• c：散点的颜色。
• marker：散点的标记形状。
• cmap：颜色映射，用于设置散点的颜色映射。
• alpha：设置散点的透明度。
• label：设置散点的标签。
• linewidths：散点边界线的宽度。
• edgecolors：散点边界线的颜色。

data = np.random.randn(100,2)

s = np.random.randint(100,300,size = 100)
color = np.random.randn(100)

plt.scatter(data[:,0], # 横坐标
            data[:,1], # 纵坐标
            s = s, # 尺寸
            c = color, # 颜色
            alpha = 0.5, # 透明度
            label='Points')

# 设置图形标题和坐标轴标签
plt.title('Scatter Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 添加图例
plt.legend()

# 显示散点图
plt.show()

饼图

plt.pie()

常用参数：

• x：用于绘制饼图的数据，可以是一个数组。
• labels：每个扇形的标签。
• colors：每个扇形的颜色。
• autopct：控制扇形上的显示百分比格式。
• startangle：起始角度，以逆时针方向测量，即 0 度位于 3 点钟方向。
• explode：用于突出显示某些扇形，以便与其它扇形区分开。
• shadow：设置为 True 时，在饼图下方绘制阴影。
• labeldistance：标签与圆心的距离。
• pctdistance：百分比标签与圆心的距离。
• radius：饼图的半径大小。
• counterclock：设置为 False 时，绘制顺时针方向的饼图。

# 解决中文字体乱码的问题
plt.rcParams['font.sans-serif']='SimHei' 

labels =["五星","四星","三星","二星","一星"] # 标签
percent = [95,261,105,30,9] # 某市星级酒店数量

# 设置图片大小和分辨率
fig=plt.figure(figsize=(5,5), dpi=120)

# 偏移中心量，突出某一部分
# 0.1 表示 10%，自身高度的10%，相对值
explode = (0, 0, 0, 0.1, 0) 

# 绘制饼图：autopct显示百分比，这里保留一位小数；shadow控制是否显示阴影
_ = plt.pie(x = percent, labels=labels, autopct='%0.1f%%',
            explode = explode, shadow=True) # 阴影，3D效果

热力图

# 标签
vegetables = ["cucumber", "tomato", "lettuce", "asparagus","potato", "wheat", "barley"]
farmers = list('ABCDEFG')

# 查看颜色
plt.colormaps()[:10]
"""
['magma',
 'inferno',
 'plasma',
 'viridis',
 'cividis',
 'twilight',
 'twilight_shifted',
 'turbo',
 'Blues',
 'BrBG']
"""

# 创造数据，随机数
harvest = np.random.randn(7,7)*5 # 农民丰收数据

plt.rcParams['font.size'] = 18
plt.rcParams['font.weight'] = 'heavy'

plt.figure(figsize=(6,6))

# imshow，显示图片
im = plt.imshow(harvest, cmap = 'PuBu')# 因为数值，各不相同

# 绘制文本
for i in range(len(vegetables)):
    for j in range(len(farmers)):
        text = plt.text(j, i, round(harvest[i, j],1),
                       ha="center", va="center", color='r')

蜘蛛图

plt.rcParams['font.family'] = 'SimHei'
labels=np.array(["个人能力","IQ","服务意识","团队精神","解决问题能力","持续学习"])
y=[83, 61, 95, 67, 76, 88]

# 画图数据准备，角度、状态值
x = np.linspace(0, 2*np.pi, len(labels), endpoint=False)

y = np.concatenate([y,[y[0]]]) # 首尾相接
x = np.concatenate([x,[x[0]]]) # 增加
x 
"""
array([0.        , 1.04719755, 2.0943951 , 3.14159265, 4.1887902 ,
       5.23598776, 0.        ])
"""
y # array([83, 61, 95, 67, 76, 88, 83])

# 用Matplotlib画蜘蛛图
fig = plt.figure(figsize=(6, 6))
# polar=True: 指定子图是一个极坐标图
ax = fig.add_subplot(111, polar=True) 

# 'r*--' 指定线条的样式 'r' 为红色（red）'*' 数据点标记为星号。'--' 线条样式为虚线。
# linewidth=2 指定线条的宽度为 2。
# markersize=30 指定数据点的大小为 30。
ax.plot(x, y, 'r*--', linewidth=2, markersize = 30) # 连线
ax.fill(x, y, alpha = 0.2)

# x = 3.14 ---> 180
# 标签显示，去掉一个
_ = ax.set_thetagrids(x[:-1] * 180/np.pi,
                  labels,
                  fontsize = 18)