在Python可数据化中如何使用matplotlib库绘图

什么是数据可视化

1.用图表的形式将数据表现出来，能更直观的看到数据

2.常见的图表有：直方图、饼图、折线图、散点图等

                           

Python中有许多的可视化库，这篇文章主要挑选了matplotlib库中常用的几个图形来举例说明。

matplotlib数据可视化

matplotlib库是python中最基础、最常用的可视化库，由于anaconda自带matplotlib库，所以就不需要pip下载包。

引入matplotlib库

import matplotlib.pyplot as plt

选择绘图函数我们以plot函数（折线图）为例

绘图函数决定了要绘制什么样的图形，我们选用plot函数进行绘图

绘图语法：

plt.plot(x,y,color,linestyle,marker.format_string)

x：是x轴数据，传入参数数值。

y：是y轴数据，传入参数数值。

color：设置图形的颜色，使用英文名或十六进制的颜色代码。

linestyle：设置线条样式，“-”是实线，“--”是虚线。

maker：设置点的样式，“*”是星号，“o”是圆点。

format——string：可以通过一串字符控制图形样式，如颜色、线条样式，点的样式等。

设置画布大小

画布类似于绘画时用的画纸，画纸的大小决定论我们图形的大小，默认的画布为白色，看不见边界。

语法：

plot.figure(figsize,...)

fingsize:接收元组，a表示画布的长，b表示画布的高。

代码示例：

plt.figure(figsize=(6,3))
plt.plot([1,4],[1,8])

图示：

图表常用设置

设置坐标轴

1.坐标轴分为x轴和y轴，内容包括坐标轴标题、刻度、范围和网格线。

2.matplotlib库中通过不同函数通知以下坐标轴的设置。

设置标题和图例

标题在画布的正上方。图例一般在表格的角落，用于描述数据的含义

标题语法：

plot.title('标题')

显示图例的语法：

plot.legend('数据标签',...)

常见的图形及其绘制方法

柱形图

特点：能够查看各项数据的大小差异

绘图函数：

plt.bar(x,height,width,...)

x：列表，表示柱子在x轴的刻度，一般是字符。

height：列表，表示柱子在y轴的刻度，为数字。

weight：表示柱子宽度。

图例：

饼图

特点：能够查看各项数据在总计中的占比情况

绘图函数：

plt.pie(x,labels,radius,...)

x：表示接收列表，里面是各个数据的值

labels：表示接收列表，里面是各个数据的标签

radius：表示接收数字，饼图的半径，默认是1

图例：

散点图

特点：能够查看两个序列数据之间的相关关系

绘图函数：

plt.scatter(x,y,s,c,marker,...)

x：x轴数据，传入一个列表序列类型数据

y：y轴数据，传入一个列表序列类型数据

s：点标记的大小

c：点标记的颜色

marker：点的样式

图例：

直方图

特点：能够查看序列数据的分布情况。数据分布：即统计序列在不同区间内数据的个数

绘图函数：

plt.hist(x,bins,...)

x：列表、序列数据

bins：统计数据分布的区间，接受一个表

图例：

箱型图

特点：可以显示出一组数据的最大值、最小值、中位数、及上下四分位数

绘图函数：

plt.boxplot(x,labels,vert,whis,...)

x：列表，序列数据，可以接收多个序列

labels：序列数据的标签，接收字符串的列表

vert：控制箱型图的方向，接收布尔值

whis：控制上下限和上下位分数之间的距离，默认为1.5

图例：

同时绘制多张图的方法

创建画布

画布函数：

plt.figure(figsize=(a,b))

figsize：设置空白画布的大小，接收一个含有两个元素的元祖，表示画布的长和宽。

注：只添加画布对象不画图是不显示图形的

增加子图

子图的区域选择函数：

plt.subplot(x,y,z)

x,y：表示将画布对象划分为x行y列，共x*y个区域。

z：表示在上述的x*y个区域中的第z个（从左到右，从上到下）区域画图。

图例：

总结

matplotlib库的优点：

1. 灵活性：Matplotlib提供了丰富的绘图功能，支持各种数据可视化需求。
2. 易用性：通过简单的函数调用，用户可以轻松创建复杂的图表。
3. 可扩展性：支持与其他Python库（如NumPy, Pandas等）集成，进行数据处理和可视化。
4. 定制性：用户可以根据需求自定义图表的样式和布局。
5. 交互性：支持与用户的交互，如放大、缩小、拖动等。