【数据挖掘】——Matplotlib可视化-常用图表绘制

一、基本格式设置

  Matplotlib:python中一个数据可视化的库，可绘制2D图形，也就是说图形中包含x轴和y轴，因此在进行画图时需要传入x和y值。下面是一些关于绘图中的格式参数的介绍：
① 设置图片大小：通过画布大小改变图片大小
        plt.figure(figsize=(4,4),dpi=100)
        figsize：画布大小，是一个包括长和宽的列表
        dpi：设置分辨率，dpi=100表示没一英寸有100个像素点
② 设置坐标轴刻度：
        x_ticks_label=[’{}:00’.format(i)for i in x]#设置x轴刻度显示的描述文本
        plt.xticks(x,x_ticks_label)
③ 显示中文字符：
        from matplotlib import font_manager
        font=font_manager.FontProperties(fname=‘C:/Windows/Fonts/simhei.ttf’,size=10)#默认不支持中文，这里要从自己电脑上找到喜欢的字体
④ 设置坐标轴标签和标题：
            plt.xlabel(‘时间’,fontproperties=font)
            plt.ylabel(‘温度’,rotation=0,fontproperties=font)
            plt.title(‘今日气温’,fontproperties=font,color=‘green’)
⑤ 设置图例：
      首先在plot中添加label: plt.plot(x,y,color=‘green’,alpha=0.3,linestyle=’–’,linewidth=3,marker=‘o’,label=‘2020-12-18’)
      显示图例：plt.legend(prop=font,loc=‘upper right’)
      loc可选参数：upper right、lower_left、center_left、upper_center
⑥ 绘制网格线：
      plt.grid(alpha=0.3)
⑦ 保存图片：
        plt.savefig(‘D:/zwz/zxt.png’)
        savefig要放在plot后边、show前边，因为show()运行后，图片已被展示，figure会被释放，再保存的只是一张空图片。

二、各种图形绘制及其参数

1.折线图:分析数据的趋势

① 修改折线图颜色、样式：plt.plot(x,y,color=‘red’,alpha=0.5,linestyle, linewidth=3)在color中输入想要的颜色，alpha表示透明度，控制颜色深浅程度，取值[0,1]，值越大透明度越小，越清晰。Linestyle表示线的样式：-实线，–短线，-.短点相间线，：虚点线。Linewidth改变线的宽度。

② 标记折点：marker：可选值包括：o、h、v、*等

#设置画布大小
plt.figure(figsize=(8,8),dpi=100)
#折线图
x=range(0,20,2)
y=[1,4,5,7,8,11,10,9,7,3]
plt.plot(x,y,color='green',alpha=0.3,linestyle='--',linewidth=3,marker='o',label='2020-12-18')

#设置坐标轴轴刻度标签
x_ticks_label=['{}:00'.format(i)for i in x]
plt.xticks(x,x_ticks_label)
y_ticks_label=['{}℃'.format(i)for i in range(min(y),max(y)+1)]
plt.yticks(range(min(y),max(y)+1),y_ticks_label)
#设置中文字符
from matplotlib import font_manager
font=font_manager.FontProperties(fname='C:/Windows/Fonts/simhei.ttf',size=10)#默认不支持中文，这里要从自己电脑上找到喜欢的字体
plt.xlabel('时间',fontproperties=font)
plt.ylabel('温度',rotation=0,fontproperties=font)
plt.title('今日气温',fontproperties=font,color='green')
plt.legend(prop=font,loc='upper right')
#绘制网格线
plt.grid(alpha=0.3)
#保存图片
plt.savefig('D:/zwz/zxt.png')
plt.show()

  

2.散点图：判断变量之间的关联关系、相关关系等，可以用来识别离群点

     散点图绘制核心语句：plt.scatter(x,y)

#散点图
#设置画布大小
plt.figure(figsize=(8,8),dpi=100)
plt.scatter(x=df.tenure,y=df.TotalCharges)
#设置中文字符
from matplotlib import font_manager
font=font_manager.FontProperties(fname='C:/Windows/Fonts/simhei.ttf',size=10)#默认不支持中文，这里要从自己电脑上找到喜欢的字体
#设置标签和标题
plt.xlabel('使用月份',fontproperties=font)
plt.ylabel('总消费额',rotation=0,fontproperties=font)
plt.title("使用月份与总消费额关系",fontproperties=font,color='blue')
plt.legend(prop=font,loc='upper right')
#绘制网格线
plt.grid(alpha=0.3)
#保存图片
plt.savefig('D:/zwz/zxt.png')
plt.show()

  

3. 条形图：直观展示数据之间的差别，常用于对比分析

#条形图
#设置画布大小
plt.figure(figsize=(8,8),dpi=100)
x=['qz','dj','bc','xlh']
y=[55,30,45,60]
#条形图
plt.bar(range(len(x)),y,width=0.2,color='blue',alpha=0.4)
#设置坐标轴轴刻度标签
plt.xticks(range(len(x)),x,fontproperties=font)
plt.yticks(range(0,61,2