Matplotlib
1.axis轴:表示x,y轴
注:只有点(散点图) 只有线(折线图)
导入
from matplotlib import pyplot as plt
x = range(2,26,2)
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
#设置图片大小
plt.figure(figsize=(20,8),dpi=80)
#绘图
plt.plot(x,y) 注:x,y一一对应
#设置x轴的刻度
_xtick_labels = [i/2 for i in range(4,49)]
plt.xticks(range(25,50))
plt.yticks(range(min(y),max(y)+1))
#保存
plt.savefig(“./t1.png”)
#展示图形
plt.show()
例题:如果列表a表示10点到12点的每一分钟的气温,如何绘制折线图观察每分钟气温的变化情况?
a= [random.randint(20,35) for i in range(120)]
#导包
from matplotlib import pyplot as plt
import random
import matplotlib
from matplotlib import font_manager
#windws和linux设置字体
#windws和linux设置字体
font = {'family' : 'MicroSoft YaHei',
'weight': 'bold',
'size': '10'}
matplotlib.rc("font",**font)
#内部调整画布大小,xy坐标点
#内部调整画布大小,xy坐标点
x = range(0,120)
y = [random.randint(20,35) for i in range(120)]
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#调整x轴的刻度
#调整x轴的刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
#取步长,数字和字符串一一对应,数据的长度一样
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=45,fontproperties=my_font) #rotaion旋转的度数
给图像添加描述信息
#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度 单位(℃)")
plt.title("10点到12点每分钟的气温变化情况")
#绘图
plt.show()
例题:假设大家在30岁的时候,根据自己的实际情况,统计出来了从11岁到30岁每年交的女(男)朋友的数量如列表a,请绘制出该数据的折线图,以便分析自己每年交女(男)朋友的数量走势
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
要求:
y轴表示个数
x轴表示岁数,比如11岁,12岁等
from matplotlib import pyplot as plt
import matplotlib
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
font = {'family' : 'MicroSoft YaHei',
'size': '10'}
matplotlib.rc("font",**font)
x=range(11,31)
y=[1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
#设置x轴刻度
x_ticks=["{}岁".format(i) for i in range(11,31)]
plt.xticks(x,x_ticks,rotation=90)
plt.yticks(range(0,9))
#绘制网格
plt.grid()
plt.plot(x,y)
plt.show()
ex:假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
要求:
y轴表示个数
x轴表示岁数,比如11岁,12岁等
from matplotlib import pyplot as plt
import matplotlib
plt.figure(figsize=(20,8),dpi=80)
font = {'family' : 'MicroSoft YaHei',
'size': '10'}
matplotlib.rc("font",**font)
x=range(11,31)
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
plt.plot(x,a,label="自己",color="red")
plt.plot(x,b,label="同桌",color="green",linestyle="--")
x_ticks=["{}岁".format(i) for i in range(11,31)]
plt.xticks(x,x_ticks)
# plt.yticks(range(0,9))
#绘制网格
plt.grid()
#添加图例
plt.legend(loc=1)
plt.show()
为每条线添加图例区分线条
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0xacqcOT-1643719857529)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220129160504889.png)]
总结:
1.绘制了折线图(plt.plot)
2.设置了图片的大小和分辨率(plt.figure)
3.实现了图片的保存(plt.savefig)
4.设置了xy轴上的刻度和字符串(xticks)
5.解决了刻度稀疏和密集的问题(xticks)
6.设置了标题,xy轴的lable(title,xlable,ylable)
7.设置了字体(font_manager. fontProperties,matplotlib.rc)
8.在一个图上绘制多个图形(plt多次plot即可)
9.为不同的图形添加图例(legend)
对比常用统计图
折线图:以折线的上升或下降来表示统计数量的增减变化的统计图
特点:能够显示数据的变化趋势,反映事物的变化情况。(变化)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rIgTRrfp-1643719857529)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220129161204225.png)]
直方图:由一系列高度不等的纵向条纹或线段表示数据分布的情况。
一般用横轴表示数据范围,纵轴表示分布情况。
特点:绘制连续性的数据,展示一组或者多组数据的分布状况(统计)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-x2SMoGgP-1643719857530)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220129161221186.png)]
条形图:排列在工作表的列或行中的数据可以绘制到条形图中。
特点:绘制离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cXvqwedQ-1643719857531)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220129161237544.png)]
散点图:用两组数据构成多个坐标点,考察坐标点的分布,判断两变量
之间是否存在某种关联或总结坐标点的分布模式。
特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-IFbbOXqv-1643719857531)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220129161300110.png)]
思维导图
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fV3uRwH1-1643719857532)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220129161435988.png)]
绘制散点图scatter
# 假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?
from matplotlib import pyplot as plt
import matplotlib
font = {'family' : 'MicroSoft YaHei',
'weight': 'bold',
'size': '10'}
matplotlib.rc("font",**font)
y_a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_1=range(1,32)
x_2=range(51,82)
plt.figure(figsize=(20,8),dpi=80)
plt.scatter(x_1,y_a,label="3月")
plt.scatter(x_2,y_b,label="10月")
x_ticks=list(x_1)+list(x_2)
x_labels=["3月{}日".format(i) for i in x_1]
x_labels+=["10月{}日".format(i) for i in x_2]
plt.xticks(x_ticks,x_labels,rotation=40)
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("气温")
plt.legend()
plt.show()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZRyQ180b-1643719857533)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220130214253181.png)]
应用场景
•不同条件(维度)之间的内在关联关系
•观察数据的离散聚合程度
绘制条形图(bar)
# 假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?
from matplotlib import pyplot as plt
import matplotlib
font = {'family' : 'MicroSoft YaHei',
'weight': 'bold',
'size': '10'}
matplotlib.rc("font",**font)
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑士","摔跤吧!爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归",
"生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死一战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
plt.figure(figsize=(20,8),dpi=100)
plt.barh(a,b,color="orange")
# plt.xticks(rotation=90)
plt.show()
bar是竖着的条形图
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5rsLX8oE-1643719857535)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220130224629038.png)]
barh是横着的条形图
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eaqrbNhp-1643719857537)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220130224641113.png)]
多对比情况
# 假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?
from matplotlib import pyplot as plt
import matplotlib
font = {'family' : 'MicroSoft YaHei',
'weight': 'bold',
'size': '10'}
matplotlib.rc("font",**font)
a = ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
a_14=list(range(len(a)))
a_15=[i+0.2 for i in a_14]
a_16=[i+0.2*2 for i in a_14]
plt.bar(a_14,b_14,width=0.2,label="14日")
plt.bar(a_15,b_15,width=0.2,label="15日")
plt.bar(a_16,b_16,width=0.2,label="16日")
plt.xticks(a_15,a)
plt.legend()
plt.show()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NMiOVaV0-1643719857538)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220130233724277.png)]
应用场景
•数量统计
•频率统计(市场饱和度)
绘制直方图(hist)
# 假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?
from matplotlib import pyplot as plt
import matplotlib
font = {'family' : 'MicroSoft YaHei',
'weight': 'bold',
'size': '10'}
matplotlib.rc("font",**font)
a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131,102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116,
117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,
126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,
105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,
156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102, 123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,
112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,
136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,
114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,
134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,
131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
# 组数
d=3 #组距
num_bins=(max(a)-min(a))//d
plt.figure(figsize=(20,8),dpi=80)
plt.hist(a,num_bins)
plt.xticks(range(min(a),max(a)+1,d))
plt.grid(alpha=0.3)
plt.show()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iUJAqKtW-1643719857540)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220131153928061.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jO3ynWde-1643719857540)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220131153912647.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-u4UfmgL3-1643719857541)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220131153851611.png)]
组数:最大值-最小值/组距
interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47] #统计过的数据
前面的问题中给出的数据都是统计之后的数据,
所以为了达到直方图的效果,需要绘制条形图
所以:一般来说能够使用plt.hist方法的的是那些没有统计过的数据
应用场景:
•用户的年龄分布状态
•一段时间内用户点击次数的分布状态
•用户活跃时间的分布状态
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UZWx39bj-1643719857542)(C:\Users\22982\AppData\Roaming\Typora\typora-user-images\image-20220201162507737.png)]
643719857540)]
[外链图片转存中…(img-u4UfmgL3-1643719857541)]
组数:最大值-最小值/组距
interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47] #统计过的数据
前面的问题中给出的数据都是统计之后的数据,
所以为了达到直方图的效果,需要绘制条形图
所以:一般来说能够使用plt.hist方法的的是那些没有统计过的数据
应用场景:
•用户的年龄分布状态
•一段时间内用户点击次数的分布状态
•用户活跃时间的分布状态