Python数据分析与应用-----Matplotlib数据可视化基础

Matplotlib数据可视化基础

一.了解绘图基础语法与常用函数

掌握pyplot基础语法

1.创建画布与创建子图

第一部分主要作用是构建出一张空白的画布，并可以选择是否将整个画布划分为多个部分，方便在同一幅图上绘制多个图形的情况。最简单的绘图可以省略第一部分，而后直接在默认的画布上进行图形绘制。

2.添加画布内容

第二部分是绘图的主体部分。其中添加标题，坐标轴名称，绘制图形等步骤是并列的，没有先后顺序,可以先绘制图形，也可以先添加各类标签。但是添加图例一定要在绘制图形之后。

3.保存与展示图形

第三部分主要用于保存和显示图形

// An highlighted block
plt.figure(figsize=(4，4))x=np.arange(10)
plt.title(" lines')
plt.plot (x, np.sin(x))
plt.plot(x,np.cos(x))
plt.legend(['sin', 'cos'])
plt. savefig(' . /tmp/tmp. pdf')
plt.show()

二.分析特征间的关系

散点图

散点图(scatter diagram)又称为散点分布图，是以一个特征为横坐标，另一个特征为纵坐标，利用坐标点(散点)的分布形态反映特征间的统计关系的一种图形。
值是由点在图表中的位置表示，类别是由图表中的不同标记表示,通常用于比较跨类别的数据。
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210411003711648.png#pic_center
scatter函数
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker-None, alpha=None, **kwargs)

折线图

折线图(line chart)是一种将数据点按照顺序连接起
来的图形。可以看作是将散点图，按照x轴坐标顺序连接起来的图形。
折线图的主要功能是查看因变量y随着自变量x改变的趋势，最适合用于显示随时间(根据常用比例设置)而变化的连续数据。同时还可以看出数量的差异，增长趋势的变化。
plot函数
matplotlib.pyplot.plot(*args，**kwargs)

l=['r','g','b']
m=['o','*','D']
for j,i in enumerate([3,4,5]):
     plt.plot(range(69),data['values'][:,i],c=l[j],marker=m[j],alpha=0.5)//透明度设为0.5
plt.legend(['1','2','3'])
plt.show()
     

三.分析特征内部数据分与分散状况

直方图

直方图(Histogram)又称质量分布图，是统计
报告图的一种，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据所属类别,纵轴表示数量或者占比。
用直方图可以比较直观地看出产品质量特性的分布状态，便于判断其总体质量分布情况。直方图可以发现分布表无法发现的数据模式、样本的频率分布和总体的分布。

bar函数
matplotlib.pyplot.bar (left , height , width = 0.8, bottom - None, hold= None, data- None，**kwargs )

饼图

饼图（Pie Graph)是将各项的大小与各项总和的比例显示在一张“饼”中,以“饼”的大小来确定每一项的占比。
饼图可以比较清楚地反映出部分与部分、部分与整体之间的比例关系,易于显示每组数据相对于总数的大小，而且显现方式直观。

pie函数
matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None,pctdistance=0.6, shadow-False, labeldistance=l.1, startangle-None, radius=None,…)

箱线图

箱线图(boxplot)也称箱须图,其绘制需使
用常用的统计量，能提供有关数据位置和分散情况的关键信息，尤其在比较不同特征时，更可表现其分散程度差异。
箱线图利用数据中的五个统计量(最小值、下
四分位数、中位数、上四分位数和最大值)来描述数据，它也可以粗略地看出数据是否具有对称性、分布的分散程度等信息,特别可以用于对几个样本的比较。

boxplot函数
matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None,whis=None, positionsNone, widths-None,
patch artist=None,meanline=None, labels-None,…)