python数据分析之matplotlib（一）

最新推荐文章于 2024-06-14 16:35:28 发布
最新推荐文章于 2024-06-14 16:35:28 发布
阅读量5.7k 收藏 12
点赞数 3
分类专栏： python 数据分析 文章标签： python matplotlib 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/julac/article/details/127540986
版权

Matplotlib入门

1、Matplotlib基础

matplotlib是一个python的2D图形包

plt：matplotlib.pyplot

plt.show()函数

默认情况下，matplotlib.pyplot不会直接显示图像，只用调用plt.show()函数时，图像才会显示出来

plot.show()默认是在新窗口打开一幅图像，并且提供了对图像进行操作的按钮

plt.plot()函数

plt.plot()函数可以用来绘制线形图

import matplotlib.pyplot as plt

plt.plot([1,2,3,4])
plt.ylabel('y')
plt.xlabel('x')

plt.show()

plt.plot(x,y)：指定x和y

plt.plot(y)：默认参数，x为0~N-1

字符参数

[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-iU8uc8US-1666790148529)(…/…/…/…/AppData/Roaming/Typora/typora-user-images/image-20221026110729475.png)]

plt.plot([1,2,3,4],[1,4,9,16],'ro')

plt.show()
显示范围

使用axis函数来指定坐标轴显示的范围

plt.plot([1,2,3,4],[1,4,9,16],'ro')

plt.axis([0,6,0,20])

plt.show()
传入Numpy数组
import numpy as np
import matplotlib.pyplot as plt

t=np.arange(0.,5.,0.2)

plt.plot(t,t,'r--',
         t,t**2,'bs',
         t,t**3,'g^')

plt.show()

我们不仅可以向plot函数传入数组，还可以传入多组(x,y,format_str)参数，它们可以在同一张图上显示

线条属性

linewidth：可以改变线条的宽度

color：可以改变线条的颜色

x=np.linspace(-np.pi,np.pi)
y=np.sin(x)

plt.plot(x,y,linewidth=1,color='r')

plt.show()
plt.setp()修改线条性质
x=np.linspace(-np.pi,np.pi)
y=np.sin(x)

line=plt.plot(x,y,linewidth=1,color='r')
plt.setp(line,color='g',linewidth=2)

plt.show()
子图

figure()函数会产生一个指定编号为num的图：plt.figure(num)

figure(1)是可以省略的，默认情况下plt会自动产生一幅图像

使用subplot()可以在一幅图中生成多个子图，其参数为：plt.subplot(numrows, numcols, fignum)，当numrows*numcols<10时，中间的逗号可以省略，因此plt.subplot(211)就相当于plt.subplot(2,1,1)

def f(t):
    return np.exp(-t)*np.cos(2*np.pi*t)

t1=np.arange(0,5.0,0.1)
t2=np.arange(0,5.0,0.02)

plt.figure(figsize=(10,6))
plt.subplot(211)
plt.plot(t1,f(t1),'bo',t2,f(t2),'k')

plt.subplot(212)
plt.plot(t2,f(t2),'r--')

plt.show()

2、电影数据绘图

使用爬虫爬取电影数据
from selenium import webdriver
# 实现无可视化界面的
from selenium.webdriver.firefox.options import Options
# 规避检测
from selenium.webdriver import FirefoxOptions
from selenium.webdriver import FirefoxProfile

import requests
import re
from bs4 import BeautifulSoup

from lxml import etree
import os

import pandas as pd

# 无可视化界面的操作
# firefox_options = Options()
# firefox_options.add_argument("--headless")
# firefox_options.add_argument("--disable-gpu")

# 实现规避检测
options = FirefoxOptions()
profile = FirefoxProfile()
ua = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:105.0) Gecko/20100101 Firefox/105.0'
# profile.set_preference("network.proxy.type", 4)  # 自动检测代理设置
profile.set_preference("dom.webdriver.enabled", False)  # 设置非driver驱动
profile.set_preference('useAutomationExtension', False)  # 关闭自动化提示
profile.update_preferences()  # 更新设置

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36',

    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',

    'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',

    'Accept-Encoding': 'gzip, deflate, br',

    'Connection': 'close',
}

driver = webdriver.Firefox(executable_path='./driver/geckodriver.exe', firefox_profile=profile, options=options)

url="https://movie.douban.com/chart"
driver.get(url=url)

soup = BeautifulSoup(driver.page_source, 'html.parser')

tree=etree.HTML(driver.page_source)
movies=tree.xpath('/html/body/div[3]/div[1]/div/div[1]/div/div/table')

titles=[]
actors=[]
rates=[]
participants=[]


for movie in movies:
    contents=movie.xpath("./tbody/tr/td[2]/div//text()")
    title=re.sub(r'\n\s+','',contents[1])
    title=re.sub(r'\n\s+','',title)
    title=re.sub(r'/','',title).strip()

    actor=contents[5].strip()
    rate=contents[-5].strip()

    participant=re.sub('人评价','',contents[-3]).strip()
    participant=re.findall('\((.*?)\)',participant,re.S)[0]


    titles.append(title)
    actors.append(actor)
    rates.append(rate)
    participants.append(participant)


movies_information={
    'titles':titles,
    'actors':actors,
    'rates':rates,
    'participants':participants
}

df=pd.DataFrame(movies_information)
df.to_excel('./rate_information.xlsx')

driver.quit()

如果对爬虫不太了解，可以参考以下文章进行学习：

  1. python爬虫基础（一）
  2. python爬虫基础（二）

如果对pandas不太了解，可以参考以下文章进行学习：

  1. python数据分析之pandas（一）
柱状图分析

柱状图（bar chart），是一种以长方形的长度为变量的表达图形的统计报告图，由一系列高度不等的纵向条纹表示数据的分布情况

import warnings

warnings.filterwarnings('ignore')

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

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

df=pd.read_excel('./rate_information.xlsx')

rates=df['rates'].value_counts()
print(rates)

x=rates.index
y=rates.values

print(y)

plt.figure(figsize=(4,5))

# 绘制柱状图
plt.bar(x,y,color='g',width=0.05)

plt.title('评分',fontsize=20)
plt.xlabel('分数',fontsize=18)
plt.ylabel('次数',fontsize=18)

# 调整坐标轴
plt.tick_params(labelsize=15)

# 旋转x轴标签
plt.xticks(rotation=90)

# 在每一个柱子上的文本内容
for a,b in zip(x,y):
    # a：x轴的位置
    # b：y轴的位置
    # b：显示的内容
    # ha：水平对齐方式
    # va：垂直对齐方式

    plt.text(a,b+0.05,b,fontsize=10,ha='center',va='center')

# 网格线
plt.grid()

plt.show()
曲线图分析

曲线图是利用曲线的升、降变化来表示被研究对象发展变化的一种趋势

绘制曲线图时，如果是某一现象的时间指标，应将时间绘在坐标的横轴上，指标绘在坐标的纵轴上；如果是两个现象依存关系的展示，可以将表示原因的指标绘在横轴上，表示结果的指标绘在纵轴上

  • xlabel：x轴标注
  • ylabel：y轴标注
  • title：图形标题
  • text：在指定位置放入文字
import warnings

warnings.filterwarnings('ignore')

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

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

df=pd.read_excel('./rate_information.xlsx')

rates=df['rates'].value_counts()

print(rates)

x=rates.index
y=rates.values

plt.figure(figsize=(10,6))

# 曲线图/折线图
plt.plot(x,y,color='b')

plt.title('评分',fontsize=20)

plt.xlabel('分数',fontsize=15)
plt.ylabel('次数',fontsize=15)
plt.xticks(rotation=45)

plt.annotate('max',xy=(7.9,2),xytext=(8.0,2),arrowprops=dict(facecolor='black'))

plt.show()

除了使用text在指定位置上标文字之外，还可以使用annotate函数进行注释，annotate主要有两个参数：

  1. xy：注释位置
  2. xytext：注释文字位置
饼图分析

仅排列在工作表的一列或一行中的数据可以绘制到饼图中，饼图显示一个数据系列中各项的大小与各项总和的比例

pie(x, explode=None, labels=None, colors=None, shadow=False, labeldistance=1.1, startangle=None, radius=None)：

  1. x：（每一块）的比例，如果sum(x)>1会进行归一化处理
  2. explode：（每一块）离开中心的距离
  3. shadow：是否阴影
  4. labeldistance：label绘制位置，相对于半径的比例，如<1则绘制在饼图内侧
  5. radius：控制饼图半径
  6. autopct：控制饼图百分比的设置，可以使用format字符串

返回值：如果没有设置autopct，返回(patches, texts)；如果设置autopct，返回(patches, texts, autotexts)

import warnings

warnings.filterwarnings('ignore')

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

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

df=pd.read_excel('./rate_information.xlsx')

plt.figure(figsize=(10,10))

data=pd.cut(df['rates'],[0,7.0,7.5,7.8,7.9,10]).value_counts()
print(data)

y=data.values

print((y,data.index))
y=y/sum(y)

plt.title('评分占比',fontsize=20)

# text：饼图外部的文字
# p_text：饼图内部的文字
patches,text,p_text=plt.pie(y,labels=data.index,autopct='%.1f%%',colors='bgykr')
plt.legend() # 图例

for i in p_text:
    # 字体大小
    i.set_size(15)
    # 字体颜色
    i.set_color('w')

for i in text:
    # 字体大小
    i.set_size(15)
    # 字体颜色
    i.set_color('r')

plt.show()
频率直方图分析

直方图（histogram）又称质量分布图，是一种统计报告图，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类型，纵轴表示分布情况

hist的参数非常多：

  1. arr：需要计算直方图的一维数组
  2. bins：直方图的柱数，默认为10
  3. normed：是否将得到的直方图向量归一化，默认为0
  4. facecolor：直方图颜色
  5. edgecolor：直方图边框颜色
  6. alpha：透明度
  7. histtype：直方图类型，‘bar’，‘barstacked’，‘step’
import warnings

warnings.filterwarnings('ignore')

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

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

df=pd.read_excel('./rate_information.xlsx')

plt.figure(figsize=(10,6))

plt.hist(df['rates'],bins=4,edgecolor='k',alpha='0.5')

plt.show()
一只楚楚猫
关注
  • 3
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
python数据分析（Matplotlib）
weixin_44198415的博客
08-21 3014
（1）plt.show()函数 默认情况下，matplotlib.pyplot不会直接显示图像，只有调用plt.show()函数时，图像才会显示出来。 plt.show()默认是在新窗口打开一幅图像，并且提供了对图像进行操作的按钮。 不过在ipython命令行中，我们可以将它插入notebook中，并且不需要调用plt.show()也可以显示： %matplotlib notebook ...
Python数据分析之matplotlib学习一
qq_40123329的博客
08-07 734
参考官方网站：链接 这个也可以 Matplotlib库的使用，Matplotlib库是由各种可视化类构成，内部结构复杂。matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式。 import matplotlib.pyplot as plt 1 matplotlib库小测 x轴默认为列表的索引值。 2 matplotlib库小测综合 3 py...
FPGA的三个时代，最初三十年的回顾（附原英文资料）
01-19 1382
FPGA的三个时代，最初三十年的回顾（附原英文资料） 来源：本文翻译自IEEE Fellow Stephen M. (Steve) Trimberger写的文章Three Ages of FPGAs: A Retrospective on the First Thirty Years of FPGA Technology。 导读 在 AMD 收购 Xilinx 之后，市场上关于 FPGA 的讨论又多了起来。为了帮助大家了解一下 FPGA 这个已经面世三十多年的产品。这篇文章由IEEE较早发表，可.
Python 数据分析 —— Matplotlib ①
苍夜月明的博客
06-08 6879
     matplotlib 是一个 Python 的 2D 图形包。pyplot 封装了很多画图的函数。   导入相关的包：    包含一系列类似 MATLAB 中绘图函数的相关函数。每个 matplotlib.pyplot 中的函数对当前的图像进行一些修改，例如：产生新的图像，在图像中产生新的绘图区域，在绘图区域中画线，给绘图加上标记，等等… matplotlib.pyplot 会自动记住当前的图像和绘图区域，因此这些函数会直接作用在当前的图像上。在实际的使用过程中，常以 作为 matplotli
深入解析matplotlib中的plt.show()：何时以及如何使用
最新发布
qlkaicx的博客
06-14 832
是一个阻塞型调用，这意味着当它执行时，它会阻止脚本的进一步执行直到关闭了所有的图形窗口。这是交互式使用matplotlib时非常有用的特性，因为它允许用户有足够的时间查看图表。，你的图像就不会被显示。这个命令在绘图脚本中扮演着至关重要的角色，尤其是在确保图像正确显示方面。是matplotlib库中非常重要的一个功能，它确保你的图形被渲染并展示给用户。这样，所有的图将一起显示，每个图在不同的窗口或者同一窗口的不同子图中。，对于任何使用matplotlib进行数据可视化的人来说都是必要的技能。
【matplotlib】plt.show() ！真没这么简单！
m0_74195174的博客
02-04 3655
在本文中，我们将深入探讨Matplotlib的显示机制，重点关注 plt.show() 函数的作用、在不同环境中的使用方式以及使用过程中的注意事项。
plt.show()和plt.imshow()的区别
热门推荐
学习小玩家的博客
04-15 6万+
问题：plt.imshow()无法显示图像 解决方法:添加：plt.show()，即 plt.imshow(image) #image表示待处理的图像 plt.show() 原理：plt.imshow()函数负责对图像进行处理，并显示其格式，而plt.show()则是将plt.imshow()处理后的函数显示出来。 ...
python数据分析工具之 matplotlib详解
09-17
Python 数据分析工具 matplotlib 是一个强大的库，用于生成高质量的二维图表和简单的三维图表。它是 Python 数据科学领域不可或缺的一部分，尤其在数据可视化方面扮演着重要角色。以下是对 matplotlib 的详细讲解： ...
Python数据可视化之matplotlib精进1
08-04
在Python的数据可视化领域，matplotlib库是广泛使用的工具之一，它提供了丰富的图形绘制功能。本篇文章主要探讨了matplotlib在数据可视化中的精进技巧，包括多边形颜色填充、圆弧和楔形的绘制以及日期型时间序列图的...
Python数据分析实践：matplotlib绘图基本new.pdf
06-14
【Python数据分析实践：matplotlib绘图基本】 Matplotlib是Python中广泛使用的数据可视化库，它基于NumPy和tkinter构建，提供了强大的2D和3D图形绘制能力，特别适合于科学计算结果的可视化。matplotlib库的核心功能...
Python数据分析实践：matplotlib绘制各类图表new.pdf
06-14
《Python数据分析实践：matplotlib绘制各类图表》 在Python的数据分析领域，matplotlib库是不可或缺的工具，它提供了丰富的功能，能够帮助我们快速绘制出各种专业图表，包括折线图、散点图、直方图和饼状图等。...
Python在plt.show()后关闭窗口，继续运行命令的方法
qq_36248632的博客
05-20 6万+
Python在plt.show()后关闭窗口，继续运行命令的方法
matplotlib绘图以及参数设置
不曾走远的博客
07-26 1万+
1.matplotlib官方文档 链接 2.matplotlib入门篇 import matplotlib.pyplot as plt plt.figure(figsize=(10,6)) x =[1,2,7] y =[5,7,4] plt.plot(x,y) plt.rcParams['font.sans-serif']=['SimHei'] plt.show() 绘制折线图 适...
Python之plt.show()不显示图片&画loss曲线教程
weixin_50548064的博客
07-29 1万+
Python之plt.show()不显示图片&画loss曲线教程
解决“plt.show()“图片不显示，以及后续报错“no module named ‘tkinter‘ “问题
weixin_51286347的博客
11-04 5554
当用plt.imshow()图片不显示出来的时候，博主尝试了一系列解决方法，最后成功安装上tkinter库，并成功显示图片
matplotlib可视化绘图详解
你隔壁的小王的博客
01-02 3494
更新（加入坐标轴刻度设置方法） Matplotlib 简介 Matplotlib 是一个python的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形，matplotlib 对于图像美化方面比较完善，可以自定义线条的颜色和样式，可以在一张绘图纸上绘制多张小图，也可以在一张图上绘制多条线，可以很方便地将数据可视化并对比分析。
pycharm中plt.show()不显示图像解决办法
weixin_40893448的博客
03-27 2万+
pycharm中plt.show不显示图像解决办法复现代码时发现在pycharm中plt.show()函数不能显示图像，网上有三种解决办法，现记录一下供参考： 复现代码时发现在pycharm中plt.show()函数不能显示图像，网上有三种解决办法，现记录一下供参考： 1、代码中增加一句 matplotlib.use(‘TkAgg’) import matplotlib import matplotlib.pyplot as plt matplotlib.use('TkAgg') 2、在代码后面添加p
python matplotlib.pyplot.show() plt.show()（显示一个图表）
Dontla的博客
06-04 2791
from matplotlib\pyplot.py def show(*args, **kw): """ Display a figure. 显示一个图表。 When running in ipython with its pylab mode, display all figures and return to the ipython prompt. 当以pylab模式在ipython中运行时，显示所有图形并返回到ipython提示符。 In n
Python中plt绘图包的基本使用方法
qq_45542288的博客
08-11 2万+
其中，前两个输入参数表示x轴和y轴的坐标，plot函数将提供的坐标点连接，即成为要绘制的各式线型。常用的参数中，figsize需要一个元组值，表示空白画布的横纵坐标比；plt.xticks()和plt.yticks()函数用于设置坐标轴的步长和刻度。plt.xlabel()、plt.ylabel()和plt.title()函数分别用于设置x坐标轴、y坐标轴和图标的标题信息。的数据处理时，发现了自己对plt的了解和使用的缺失，因此进行一定的基础用法的学习，方便之后自己的使用，而不需要频繁的查阅资料。...
Python数据分析：matplotlib库图形绘制教程
在Python的数据分析和可视化领域，matplotlib是一个不可或缺的库，它提供了一种简洁的方式来生成各种图表，包括但不限于线图、柱状图、散点图和直方图等。matplotlib库使得开发者能够以几行代码快速创建出专业级的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值