Python数据可视化库Matplotlib

前言

python的数据可视化库，Matplotlib，是一个Python的2D绘图库。通过这个库，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率图，条形图，错误图，散点图等等

一点一点画一张图

首先我们有一组数据如下：

我们可以看到，这组数据有日期，还有日期对应的值，因为这组数据中的日期格式不是标准的日期格式

那么我们对数据做一下转换，取1948年的整年的数据，来进行一个绘图操作

import pandas as pd
unrate = pd.read_csv('unrate.csv')
unrate['DATE'] = pd.to_datetime(unrate['DATE'])
print(unrate.head(12))

我们需要对这组数据，进行折线图的绘制，可以清楚的看到这整年的数据的高低情况。
这组数据表示的是美国在1948年每个月的失业率的百分比情况。
下面我们来进行画图操作

import matplotlib.pyplot as plt
plt.plot()
plt.show()

运行上述代码，可以得到一个空白的坐标图

下面我们会在这个空白图上增加一些内容。

first_tweleve = unrate[0:12]
plt.plot(first_tweleve['DATE'],first_tweleve['VALUE'])
plt.show()

可以看到这段代码，我们取出数据中的前12条数据，在将这12条数据，分别画入，X轴，Y轴到图中，显示出来

得到如上图所示的折线图。我们做一下简单的处理，将x轴的图例坐标值，倾斜 45度放置

plt.xticks(rotation=45)，只需要在画图的下面，增加x轴坐标的度数。既可以变换，显示内容如下
那么我们在来美化一下这个图，增加一些更多的内容在里面。

plt.plot(first_tweleve['DATE'],first_tweleve['VALUE'])
plt.xticks(rotation=90)
plt.xlabel('Month')
plt.ylabel('Unemployment Rate')
plt.title('Monthly Unemployment Trends 1948')
plt.show()

下面我们在看看这个图变成一个什么样子
可以看到，我们增加标题，增加了X轴，Y轴的表示方式和基本说明。

那么这样我们就基本上完成了一个很简单的一个折线图。

多张图或一张图可以对比多条信息

我们先看一下这段代码

import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(3,2,1)
ax2 = fig.add_subplot(3,2,2)
ax3 = fig.add_subplot(3,2,3)
ax4 = fig.add_subplot(3,2,6)
plt.show()

我们看到plt.figure()这个方法，我们设置一个整体的图。然后我们在往这个图中增加我们需要的子图

fig.add_subplot(3,2,1)意思是在figure中，添加一个3行2列的子图，其中，最后一个参数是子图的位置

我们在做一下变换，对比一下可以很清楚的看到，我们看看下面的代码

import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(4,4,1)
ax2 = fig.add_subplot(4,4,2)
ax3 = fig.add_subplot(4,4,3)
ax4 = fig.add_subplot(4,4,4)
ax5 = fig.add_subplot(4,4,6)
ax6 = fig.add_subplot(4,4,7)
ax6 = fig.add_subplot(4,4,16)
plt.show()

可以得到如下的一个子图

import numpy as np
fig = plt.figure(figsize=(6,6))
ax1 = fig.add_subplot(2,1,1)
ax2 = fig.add_subplot(2,1,2)
ax1.plot(np.random.randint(1,5,5),np.arange(5))
ax2.plot(np.arange(10)*3,np.arange(10))
plt.show()

我们可以看到，我们设置figsize=(6,6)我们可以图的大小。设置两个图

我们在画图的时候，可以直接通过ax1.plot，ax2.plot进行随机数据配置

unrate['MONTH'] = unrate['DATE'].dt.month
unrate['MONTH'] = unrate['DATE'].dt.month
fig = plt.figure(figsize=(6,3))

plt.plot(unrate[0:12]['MONTH'],unrate[0:12]['VALUE'],c ='red')
plt.plot(unrate[12:24]['MONTH'],unrate[12:24]['VALUE'],c ='blue')
plt.show()

可以看到我们可以设置折线图的不同的颜色。
下面我们看看这个例子

fig = plt.figure(figsize=(10,6))
colors = ['red','blue','green','orange','black']
for i in range(5):
    start_index = i*12
    end_index = (i+1)*12
    subset = unrate[start_index:end_index]
    plt.plot(subset['MONTH'],subset['VALUE'],c=colors[i])
plt.show()

我们把数据通过不同的颜色的线条画出来了，但是不知道每条线代表的是什么意思。下面我们给折线图加上一个图例：

fig = plt.figure(figsize=(10,6))
colors = ['red', 'blue', 'green', 'orange', 'black']
for i in range(5):
    start_index = i*12
    end_index = (i+1)*12
    subset = unrate[start_index:end_index]
    label = str(1948 + i)
    plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i], label=label)
plt.legend(loc='best')
plt.show()

我们通过label=label 设置好一个label为图例，然后进行设置，默认为plt.legend(loc=‘best’)图例显示在右边

我们做下点单的修改，让整个折线图完整标准的显示

fig = plt.figure(figsize=(10,6))
colors = ['red', 'blue', 'green', 'orange', 'black']
for i in range(5):
    start_index = i*12
    end_index = (i+1)*12
    subset = unrate[start_index:end_index]
    label = str(1948 + i)
    plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i], label=label)
plt.legend(loc='upper left')
plt.xlabel('Month, Integer')
plt.ylabel('Unemployment Rate, Percent')
plt.title('Monthly Unemployment Trends, 1948-1952')
plt.show()

我们增加了整个折线图的XY轴表示，图例位置调整为左边。添加了折线图的标题。