Python数据分析 可视化数据图表 入门这篇就够了

一.Matplotlib

1.1 安装matplotlib

pip install matplotlib

1.2 matplotlib使用

matplotlib绘图主要使用plot函数

语法：

matplotlib.pyplot.plot(x,y,format_string,**kwargs)

x: x轴数据

y: y轴数据

format_string: 曲线格式和样式

**kwagrs: 键值参数

（1）入门示例：

# 导入matplotlib.pyplot模块，并用别名plt来引用它  
import matplotlib.pyplot as plt  
  
# 定义x和y的数据列表  
x = [1, 2, 3, 4, 5]  
y = [2, 3, 5, 7, 11]  
  
# 使用plot函数绘制x和y的图形  
plt.plot(x, y)  
  
# 设置x轴的标签为'X-axis'  
plt.xlabel('X-axis')  
  
# 设置y轴的标签为'Y-axis'  
plt.ylabel('Y-axis')  
  
# 设置图形的标题为'My Line Plot'  
plt.title('My Line Plot')  
  
# 显示图形  
plt.show()

运行结果：

（2）散点图示例：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

plt.plot(x, y,'ro')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('My Line Plot')
plt.show()

 运行结果：

（3）使用range函数

import matplotlib.pyplot as plt
x = range(1, 10, 2)
y = range(1, 30, 6)
plt.plot(x,y)
plt.show()

运行结果：

 （4）描绘Excel表图

data.xlsx中的数据：

示例代码：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_excel('Excel/data.xlsx',sheet_name="商品订单")

x = df['订单号']
y = df['数量']

plt.plot(x,y)
plt.show()

运行结果：

 （5）绘图颜色设置

color参数：

---

设置值	颜色
b	蓝色
g	绿色
r	红色
c	蓝绿色
y	黄色
m	洋红色
w	白色
k	黑色
#FFFFF00	十六进制颜色
0.5	灰度值字符串

 （6）线条样式

linestyle参数：

---

设置值	样式
-	实线（默认值）
--	双划线
-.	点划线
:	虚线

（7）标记样式

 marker:

---

设置值	说明
.	点
,	像素
o	实心
v	倒三角
^	上三角
<	左三角
>	右三角
1	下花三角
2	上花三角
3	左花三角
4	右花三角
s	实心正方形
p	实心五角星
*	星形
h	竖六边形
H	横六边形
+	加号
X	叉号
d	小菱形
D	大菱形
l	垂直线

（8）解决中文乱码的问题

plt.rcParams['font.sans-serif']=['SimHei']

 （9）解决负号不显示的问题

plt.rcParams['axes.unicode_minus']=False

 （10）折线图设置刻度

设置x轴的刻度使用xticks()函数设置

设置y轴的刻度使用yticks()函数设置

示例：

import matplotlib.pyplot as plt

# 假设我们有一些数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 15, 30, 25]

plt.plot(x, y)  # 画图

# 设置x轴的刻度
plt.xticks([1, 2, 3, 4, 5], ['Jan', 'Feb', 'Mar', 'Apr', 'May'])  # 这将把x轴的刻度设置为对应的月份

# 设置y轴的刻度
plt.yticks([10, 20, 30], ['Low', 'Medium', 'High'])  # 这将把y轴的刻度设置为对应的等级

plt.show()  # 显示图像

运行结果：

 

（11）设置坐标轴范围

设置x轴的坐标轴范围使用xlim()函数设置

设置y轴的坐标轴范围使用ylim()函数设置

示例：

import matplotlib.pyplot as plt

# 假设我们有一些数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 15, 30, 25]

plt.plot(x, y)  # 画图

# 设置x轴的范围
plt.xlim([0, 6])  # 这将把x轴的范围设置为从0到6

# 设置y轴的范围
plt.ylim([0, 35])  # 这将把y轴的范围设置为从0到35

plt.show()  # 显示图像

 

运行结果：

（12）网格线

使用grid()函数

示例：

import matplotlib.pyplot as plt

# 假设我们有一些数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 15, 30, 25]

plt.plot(x, y)  # 画图

# 添加网格线
plt.grid(True)

plt.show()  # 显示图像

运行结果：

（13）添加文本标签

使用text()函数

示例：

import matplotlib.pyplot as plt  
  
# 假设我们有一些数据  
x = [1, 2, 3, 4, 5]  
y = [10, 20, 15, 30, 25]  
  
plt.plot(x, y)  # 画图  
  
# 在多个位置一次性添加文本标签  
plt.text(1.5, 12, 'Label 1', fontsize=12)  
plt.text(3.5, 20, 'Label 2', fontsize=12)  
plt.text(4.5, 18, 'Label 3', fontsize=12)  
  
plt.show()  # 显示图像

运行结果：

 （14）设置标题

使用title()函数

示例：

import matplotlib.pyplot as plt  
  
# 假设我们有一些数据  
x = [1, 2, 3, 4, 5]  
y = [10, 20, 15, 30, 25]  
  
plt.plot(x, y)  # 画图  
  
# 添加标题  
plt.title('My Title')  
  
plt.show()  # 显示图像

运行结果：

（15）图表图例

 使用legend()函数

示例：

import matplotlib.pyplot as plt

# 假设我们有一些数据
x = [1, 2, 3, 4, 5]
y1 = [10, 20, 15, 30, 25]
y2 = [12, 22, 17, 32, 27]

# 画两条数据系列
plt.plot(x, y1, label='Series 1')
plt.plot(x, y2, label='Series 2')

# 添加图例
plt.legend()

plt.show()  # 显示图像

运行结果：

（16）添加注释

使用annotate添加注释
 

 示例：

import matplotlib.pyplot as plt

# 假设我们有一些数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 15, 30, 25]

plt.plot(x, y)  # 画图

# 在坐标(3, 20)处添加注释
plt.annotate('Label', xy=(3, 20), xytext=(4, 21), arrowprops=dict(facecolor='black', shrink=0.05))

plt.show()  # 显示图像

 这个例子中:

plt.annotate('Label', xy=(3, 20), xytext=(4, 21), arrowprops=dict(facecolor='black', shrink=0.05))

将在坐标(3, 20)处添加一个指向坐标(4, 21)的注释标签"Label"。arrowprops参数用于自定义箭头的样式，例如颜色和大小。您可以根据需要调整坐标和注释内容。

 

运行结果:

 （17）调整图表与画布边缘间距

使用subplots_adjust函数

示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建子图
fig, ax1 = plt.subplots()
ax1.plot(x, y1)
ax1.set_xlabel('X Axis 1')
ax1.set_ylabel('Y Axis 1')

ax2 = ax1.twinx()  # 创建第二个Y轴
ax2.plot(x, y2)
ax2.set_ylabel('Y Axis 2')

# 调整子图间距和边距
plt.subplots_adjust(wspace=0.2, hspace=0.2)  # 调整子图之间的水平和垂直间距
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)  # 调整子图的边距

plt.show()

运行结果:

（18）坐标轴刻度线

使用tick_params设置刻度线是否显示

示例：

import matplotlib.pyplot as plt  
  
# 假设我们有一些数据  
x = [1, 2, 3, 4, 5]  
y = [10, 20, 15, 30, 25]  
  
plt.plot(x, y)  # 画图  
  
# 设置刻度线显示  
plt.tick_params(axis='both', which='both', labelbottom=True, labeltop=True, labelleft=True, labelright=True)  
  
plt.show()  # 显示图像

运行结果：

 

in表示向内，out表示向外

使用plt.rcParams['xtick.direction'] = 'in'  x轴的刻度线向内显示

使用plt.rcParams['ytick.direction'] = 'in' y轴的刻度线向内显示