目录
matplotlib
matplotlib能够绘制折线图,散点图,柱状图,直方图,箱线图,饼图等。我们需要知道不同的统计图到底能够表示出什么,以此来决定选择哪种统计图来更直观的呈现我们的数据。
对比常用统计图
折线图:能够显示数据的变化趋势,反映事物的变化情况。(变化)
直方图:绘制连续性的数据,展示一组或者多组数据的分布状况(统计)
条形图:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)
散点图:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
绘制散点图
练习:假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?
#绘制3月份和10月份气温分布的散点图
from matplotlib import pyplot as plt
from matplotlib import font_manager
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]
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]
#设置中文呢体
my_font = font_manager.FontProperties(fname=r"D:\anaconda\Lib\site-packages\matplotlib\mpl-data\fonts\ttf\msyh.ttc")
plt.figure(figsize=(20,8),dpi=80) #设置图片大小
x_3=range(1,32)
x_10=range(51,82)
#使用plt.scatter()方法绘制散点图
plt.scatter(x_3,y_3,label="3月份") #传入散点图坐标点,并加上标签
plt.scatter(x_10,y_10,label="10月份")
#调整x轴刻度
_x=list(x_3)+list(x_10)
_xtick_lables=["3月{}日".format(i) for i in x_3]+["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_lables[::3],rotation=45,FontProperties=my_font)
#添加图例
plt.legend(loc="upper left",prop=my_font) #loc设置图例的位置,prop设置标签的字体
#添加描述信息
plt.xlabel("时间",FontProperties=my_font)
plt.ylabel("温度",FontProperties=my_font)
plt.title("标题",FontProperties=my_font)
plt.savefig("./m1.png") #保存图片
plt.show() #显示图片
结果展示:
散点图的应用场景:
- 不同条件(维度)之间的内在关联关系
- 观察数据的离散聚合程度
绘制条形图
练习1:假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname=r"D:\anaconda\Lib\site-packages\matplotlib\mpl-data\fonts\ttf\msyh.ttc")
a = ["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","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[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]
plt.figure(figsize=(20,8),dpi=80) #设置图片大小
# plt.bar(range(len(a)),b,width=0.3) #绘制条形图 width 设置线条的宽度
plt.barh(range(len(a)),b,height=0.3,color="orange") #绘制横向的条形图,设置height参数
plt.yticks(range(len(a)),a,fontproperties=my_font) #设置Y轴的刻度
plt.grid(alpha=0.3) #添加网格
plt.savefig("./m03.png") #保存图片
plt.show()
结果展示:
练习2: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?
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname=r"D:\anaconda\Lib\site-packages\matplotlib\mpl-data\fonts\ttf\msyh.ttc")
a = ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
bar_width=0.2 #设置条形图的线条宽度
x_14=list(range(len(a)))
x_15=list(i+bar_width for i in x_14) #x轴刻度右移width的宽度,以防图形重叠
x_16=list(i+bar_width*2 for i in x_14)
plt.figure(figsize=(20,8),dpi=80) #设置图片大小
#绘制条形图
plt.bar(x_14,b_14,bar_width,color="red",label="9月14日") # width 设置线条的宽度
plt.bar(x_15,b_15,bar_width,color="blue",label="9月15日")
plt.bar(x_16,b_16,bar_width,color="green",label="9月16日")
# plt.barh(range(len(a)),b,height=0.3,color="orange") #绘制横向的条形图,设置height参数
plt.xticks(x_15,a,fontproperties=my_font) #设置Y轴的刻度
plt.grid(alpha=0.3) #添加网格
plt.legend(loc="upper left",prop=my_font)#添加图例
plt.savefig("./m02.png") #保存图片
plt.show()
结果展示:
条形图的应用场景:
- 数量统计
- 频率统计(市场饱和度)
绘制直方图
练习1: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?
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname=r"D:\anaconda\Lib\site- packages\matplotlib\mpl-data\fonts\ttf\msyh.ttc") #设置中文字体
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, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 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, 118, 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, 111, 110, 111, 100, 154,136, 100, 118, 119,
133, 134, 106, 129, 126, 110, 111, 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, 111, 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]
#计算组数
d=3 #组距
num_bins=(max(a)-min(a))//d #d的取值尽量取能被(max(a)-min(b))整除的数
plt.hist(a,num_bins) #绘制直方图
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))
plt.grid(alpha=0.3)
plt.show()
结果展示:
练习2: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?
因为plt.hist方法用的是那些没有统计过的数据,这里的数据已经统计过,所以不适用直方图绘制,可以画条形图达到类似直方图的效果
from matplotlib import pyplot as plt
interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]
plt.figure(figsize=(20,8),dpi=80) #设置图片大小
plt.bar(range(len(quantity)),quantity,width=1)
#设置x轴刻度
_x=[i-0.5 for i in range(13)]
_xtick_labels=interval+[150] #最后一个区间刻度为150
plt.xticks(_x,_xtick_labels)
plt.grid()
plt.savefig("./m05.png") #保存图片
plt.show()
直方图的应用场景:
- 用户的年龄分布状态
- 一段时间内用户点击次数的分布状态
- 用户活跃时间的分布状态
matplotlib知识点汇总
导入pyplot模块:from matplotlib import pyplot as plt
- 绘制折线图 plt.plot(x,y)
- 绘制条形图 plt.bar(x,y)
- 绘制散点图 plt.scatter(x,y)
- 绘制直方图 plt.hist(data,bins,normed) #data原始数据,bins组数(MAX()-MIN())//d
- 设置图片大小 plt.figure()
plt.figure(figsize=(20,8),dpi=80)
- 设置中文字体
from matplotlib import font_manager my_font = font_manager.FontProperties(fname=r"D:\anaconda\Lib\site-packages\matplotlib\mpl-data\fonts\ttf\msyh.ttc") #fname的字体路径是自己的电脑matplotlib的字体路径
- xticks和yticks的设置 例:plt.xticks(x,xtick_lables) 传入x轴刻度数据,将数字与字符串一一对应,结果显示xtick_labels的值
- 设置描述信息 label和titile
plt.xlabel("时间",FontProperties=my_font) plt.ylabel("温度 单位(°C)",FontProperties=my_font) plt.title("十点到十二点每分钟的气温变化情况",FontProperties=my_font)
- 设置网格 grid
plt.grid(alpha=0.3)
- 绘图的大小和保存图片 savefig
plt.savefig("./m02.png")
-
展示图形 plt.show()
matplotlib使用的流程总结
- 明确问题
- 选择图形的呈现方式
- 准备数据
- 绘图和图形完善
matplotlib更多的图形样式
- matplotlib支持的图形是非常多的,如果有其他的需求,我们可以查看一下url地址:http://matplotlib.org/gallery/index.html
更多的绘图工具
- ECharts Gallery(https://www.makeapie.com/explore.html#sort=rank~timeframe=all~author=all):动态、有交互效果。
- plotly(https://plot.ly/python/):动态、有交互效果可视化工具中的github,相比于matplotlib更加简单,图形更加漂亮,同时兼容matplotlib和pandas。
- 使用用法:简单,照着文档写即可。
- seaborn(http://seaborn.pydata.org/examples/index.html):静态。