python数据可视化之Matplotlib

matplotlib基本要点

基本使用

from matplotlib import pyplot as plt#导入pyplot
x = range(2,26,2)
#数据在x轴的位置,是一个可迭代对象
y =[15,13,14.5,17,20,25,26,26,24,22,18,15]
#数据在y轴的位置,是一个可迭代对象
#x轴和y轴的数据一起组成了所有要绘制出的坐标
分别是(2,15),(4,13),(6,14.5),(8,17)...
plt.plot(x,y)#传入x和y,通过plot绘制出折线图
plt.show()#在执行程序的时候展示图形

图片大小

plt.figure(figsize=(20,8),dpi=80)
#figure图形图标的意思,在这里指的就是我们画的图
#通过实例化一个fgure并且传递参数,能够在后台自动使用该fgure实例
#在图像模糊的时候可以传入dpi参数,让图片更加清晰
x = range(2,26,2)
y =[15,13,14.5,17,20,25,26,26,24,22,18,15]plt.plot(x,y)
plt.savefig("./sig_size.png ")#保存图片
#可以保存为svg这种矢量图格式,放大不会有锯齿
plt.show()

x/y轴刻度

plt.xticks(rotation=90)#x轴刻度rotation:旋转的度数
plt.yticks()#y轴刻度

中文显示

# 设置matplotlib正常显示中文和负号
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用黑体显示中文
plt.rcParams['axes.unicode_minus'] = False     # 正常显示负号

描述信息

plt.xlabel('x轴描述信息')
plt.ylabel('y轴描述信息')
plt.title('标题')

图形网格

plt.grid(alpha=0.4)#绘制网格,alpha:透明度

图例

#散点图
from matplotlib import pyplot as plt
from matplotlib import font_manager
# 设置matplotlib正常显示中文和负号
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用黑体显示中文
plt.rcParams['axes.unicode_minus'] = False     # 正常显示负号

y_3=[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]#3月份
y_10=[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]#10月份
x_3 =range(1,32)
x_10=range(51,82)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#使用scatter绘制散点图
plt.scatter(x_3,y_3,label='3月份')
plt.scatter(x_10,y_10,label='10月份')
#调整X轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels=['3月{}日'.format(i) for i in x_3]
_xtick_labels+=['10月{}日'.format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],rotation=45)#[::3]步长为3,rotation倾斜角度
#添加图例
plt.legend(loc=2)
#添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('标题')
#展示
plt.show()

自定义绘制图形风格

plt.plot(x,y,color='r',linestyle='--',linewidth=5,alpha=0.5)#color线条颜色,linestyle线条风格,linewidth线条粗细,alpha透明度

颜色字符	风格字符
r红色	-实线
g绿色	--虚线,破折线
b蓝色	-.点划线
c青色	:点虚线,虚线
m洋红	''留空或空格,无线条
y黄色
k黑色
#00ff0016进制
0.8灰度值字符串

折线图

动手

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

代码:

y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_2 =[1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]
x=range(11,31)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#设置X轴刻度
xtick_labels=['{}岁'.format(i) for i in x]
plt.xticks(x,xtick_labels)
plt.yticks(range(0,9))
#绘制网格
plt.grid(alpha=0.4)
plt.plot(x,y_1,label='自己')
plt.plot(x,y_2,label='同桌')
#添加图例
plt.legend()
#展示
plt.show()

散点图

#散点图
from matplotlib import pyplot as plt
from matplotlib import font_manager
# 设置matplotlib正常显示中文和负号
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用黑体显示中文
plt.rcParams['axes.unicode_minus'] = False     # 正常显示负号

y_3=[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]#3月份
y_10=[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]#10月份
x_3 =range(1,32)
x_10=range(51,82)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.scatter(x_3,y_3)
plt.scatter(x_10,y_10)
#调整X轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels=['3月{}日'.format(i) for i in x_3]
_xtick_labels+=['10月{}日'.format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],rotation=45)
#展示
plt.show()

条形图

#绘制条形图
x=["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","蜘矜侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
y=[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]#单位:亿
plt.figure(figsize=(20,8),dpi=80)
plt.bar(x,y,width=0.3)
plt.xticks(x,rotation=90)#让文字旋转90度,避免文字重叠
plt.show()

#绘制横着的条形图
x=["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","蜘矜侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
y=[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]#单位:亿
plt.figure(figsize=(20,8),dpi=80)
plt.barh(range(len(x)),y,height=0.3)
plt.yticks(range(len(x)),x)
plt.grid(alpha=0.4)
plt.show()

多条形图

# 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?
x = ["猩球崛起3:终极之战", "敦刻尔克", "蜘蛛侠:英雄归来", "战狼2"]
b_14 = [2358, 399, 2358, 362]
b_15 = [12357, 156, 2045, 168]
b_16 = [15746, 312, 4497, 319]
bar_width = 0.2
x_14 = list(range(len(x)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]
# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
plt.bar(range(len(x)),b_14, width=bar_width,label='9月14日')
plt.bar(x_15, b_15, width=bar_width,label='9月15日')
plt.bar(x_16, b_16, width=bar_width,label='9月16日')
#设置图例
plt.legend()
#设置x轴的刻度
plt.xticks(x_15,x)
plt.show()

直方图

把数据分为多少组进行统计???

组数要适当,太少会有较大的统计误差,大多规律不明显

组数:将数据分组,当数据在100个以内时，
按数据多少常分5-12组。
组距:指每个小组的两个端点的距离
$$组距=\frac{极差}{组距}=\frac{max(a)-min(a)}{bin\_width}$$

bin_width = 3#设置组距为3
num_bins = int((max (a)-min(a))/bin_width)#分为多少组
plt.hist(a,num_bins)
#传入需要统计的数据,以及组数即可
#plt.hist(a，[min(a)+i*bin_width for i in range(num_bins)])
#可以传入一个列表,长度为组数,值为分组依据,当组距不均匀的时候使用
#plt.hist(a, num_bins,normed=1)
#normed : bool是否绘制频率分布直方图,默认为频数直方图
plt.xticks(list(range(min(a),max(a))[::bin_width],rotation=45)
plt.grid(True,linestyle = "-.",alpha=0.5) 
#显示网格,alpha为透明度

#直方图
#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?
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, 90, 99, 136, 126, 134, 95, 138, 117, 79, 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, 88, 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, 79, 110, 101, 100, 154, 136,100, 118, 119, 133, 134, 106, 129, 126, 110, 98, 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, 91, 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]
plt.figure(figsize=(20,8),dpi=80)
plt.grid()
# 组距(组距最好选可以让max(a)-min(a)整除的)
d = 3
#计算组数
num_bins=(max(a)-min(a))//d
plt.hist(a,num_bins)
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))#max(a)+d保证可以取到最大值
plt.show()

用条形图绘制直方图

#在美国2004年人口普查发现有124 million的人在离家相对较远的地方工作。根据他们从家到上班地点所需要的时间,通过抽样统计(最后一列)出了下表的数据,这些数据能够绘制成直方图么?
interval = [0,5,10,15,20,25,30,35,40,45,60,90]#时间段
width =[5,5,5,5,5,5,5,5,5,15,30,60]#组距
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]#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
plt.figure(figsize=(20,8),dpi=80)
plt.grid()
plt.bar(range(12),quantity,width=1)
#设置x轴的刻度
_x = [i-0.5 for i in range(13)]#让x轴往左移动0.5
plt.xticks(_x,interval+[150])
plt.show()