Matplotlib 数据可视化-基本使用教程

一. Matplotlib 基本概念

Matplotlib是python的一个数据可视化工具库。

特点：专门用于开发2D图表(包括3D图表)， 操作简单。

可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。

二. Matplotlib三层结构

三. Matplotlib 库的安装 和 使用环境搭建

 

# maltplotlib库的安装
pip install matplotlib

# 可视化环境的搭建
pip install jupyter

# 进入jupyter开发环境--在终端输入 jupyter notebook
jupyter notebook

 Jupyter Notebook：

• 是一款程序员和科学工作者的编程/文档/笔记/展示软件
• 支持跨所有编程语言的交互式数据科学计算的工具。
• .ipynb文件格式是用于计算型叙述的JSON文档格式的正式规范
• 实时运行的代码、叙事性的文本和可视化被整合在一起，方便使用代码和数据来讲述故事（优点）
• 使用方法： -- 在终端输入 jupeter notebook， 进入jupyter开发环境

以上，Jupyter 环境搭建成功。

四. Matplotlib 基本使用 

1. 折线图（plot）

import matplotlib.pyplot as plt
# 图形显示设置
%matplotlib inline   

# 绘制画布-容器层  figsize: 画布长宽属性   dpi: 图象的清晰度
plt.figure(figsize=(16,8), dpi=60)

# 绘制折线图-图象层
plt.plot([1,2,3,4,5,6], [22,19,18,25,27,19])

# 显示图象
# plt.show()

# 保存图象 -注：plt.show()会释放figure资源，保存图片需要将plt.show()注释掉
# 图片的保存路径 -- C:\Users\你的账号
plt.savefig("plot.png")

折线图效果：

2. 绘制多条折线图

import matplotlib.pyplot as plt
import random
%matplotlib inline
# 中文显示问题-- 下载中文字体，安装字体-修改配置文件下面手动修改配置
# from pylab import mpl
# mpl.rcParams["font.sans-serif"] = ["SimHei"]
# mpl.rcParams["axes.unicode_minus"] = False # 解决保存图像是负号'-'显示为方块的问题

# 准备数据
x = range(60)
y_sh = [random.uniform(26,31) for i in x]
y_bj = [random.uniform(27, 35) for i in x]

# 创建画布
plt.figure(figsize=(16,8), dpi=60)

# 同一坐标内--绘制多条折线图  （新增）
plt.plot(x, y_sh, label="sh")
plt.plot(x, y_bj, label="bj", linestyle="--", color="y")  # 线条颜色，线条样式设置 见下图

# 自定义x, y轴 刻度 & 刻度标签 (新增)
x_ticks = range(0, 60, 5)
y_ticks = range(20, 40, 5)

x_ticks_label = ["11点{}分".format(i) for i in x_ticks]

plt.xticks(x_ticks, x_ticks_label)
plt.yticks(y_ticks)

# 添加辅助描述信息-- x，y轴标签 & 图形标题
plt.xlabel("时间")
plt.ylabel("温度")

plt.title("两地同一时间温度变化图")

# 添加网格线 - alpha:透明度   （新增）
plt.grid(True, linestyle="--", alpha=0.6)

# 显示图例 -- loc：位置设置,详见下图  （新增）
plt.legend(loc="best")

# 显示图象
plt.show()

绘制多条折线图效果图：

 附：颜色/线条样式/图例位置 - 属性设置表

 

3. 绘制多个坐标系 -- plt.subplots（(nrows=1, ncols=1, **fig_kw）

import matplotlib.pyplot as plt
import random
%matplotlib inline
# 中文显示问题--下面手动修改配置 
from pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False

# 准备x,y轴数据
x = range(60)
y_sh = [random.uniform(15, 18) for i in x ]
y_bj = [random.uniform(5, 12) for i in x ]

# 创建画布--多个坐标轴, 绘制折线图
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)
# Returns:  fig: 图对象    ax: 坐标轴对象列表
axes[0].plot(x, y_sh, label='上海')
axes[1].plot(x, y_bj, label='北京', color='r', linestyle='--')

# 显示图例/坐标轴刻度/网格线
axes[0].legend()
axes[1].legend()

x_ticks_label = ['11点{}分'.format(i) for i in x]
y_ticks = range(40)
axes[0].set_xticks(x[::5], x_ticks_label[::5])
axes[0].set_yticks(y_ticks[::5])
axes[1].set_xticks(x[::5], x_ticks_label[::5])
axes[1].set_yticks(y_ticks[::5])

axes[0].grid(True, linestyle='--', alpha=0.5)
axes[1].grid(True, linestyle='--', alpha=0.5)

# 添加 标题/坐标轴描述信息
axes[0].set_title('上海11点0分到12点之间的温度变化图')
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")

axes[1].set_title('北京11点0分到12点之间的温度变化图')
axes[1].set_xlabel('时间')
axes[1].set_ylabel('温度')

plt.show()

 4. 绘制sin()函数图像 -- plot

# 准备数据
import numpy as np
x = np.linspace(-10, 10, 1000)
y = np.sin(x)

# 创建画布，绘制图像，显示图像
plt.figure(figsize=(10, 1), dpi=100)
plt.plot(x, y)
plt.grid(linestyle='--', alpha=0.5)
plt.show()

5. 散点图 -- scatter

# -- 案例： 探究房屋面积和房屋价格的关系
from pylab import mpl          # 中文显示问题--下面手动修改配置 
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False
# 准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

# 创建画布  -- 绘制散点图 -- 显示图像
plt.figure(figsize=(20,8), dpi=100)
plt.scatter(x, y)

plt.title('房屋面积和房屋价格的关系--案例测试')
plt.xlabel('面积')
plt.ylabel('价格')
plt.show()

6. 柱状图 -- bar(x, width, width=0.2, color=[], align='center', **kwargs)

# 准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
x = range(len(movie_name))

# 创建画布，绘制柱状图，添加标题和格线，显示图像
plt.figure(figsize=(18, 6), dpi=80)
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','m'])

plt.title("电影票房收入对比")
plt.xticks(x, movie_name)
plt.grid(linestyle='--', alpha=0.5)
plt.show()

7. 柱状图 -- 多个指标对比（案例：不同电影首日和首周的票房）

# 准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','寻梦环游记']
first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]
x = range(len(movie_name))

# 创建画布，绘制柱状图，添加标题/坐标轴刻度标签/网格线/示例， 显示图像
plt.figure(figsize=(10, 5), dpi=80)
plt.bar(x, first_day, width=0.2, label="首日票房")
plt.bar([i+0.2 for i in x], first_weekend, width=0.2, label="首周票房")

plt.title("电影首日和首周的票房对比")
plt.xticks([i+0.1 for i in x], movie_name)     # 修改x轴刻度显示
plt.grid(linestyle="--", alpha=0.5)
plt.legend()
plt.show()

8 直方图 -- hist(x, bins=None, normed=None, **kwargs)

# 准备数据
time = [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]

# 创建画布， 绘制直方图， 添加标题/坐标轴刻度标签/网格线
plt.figure(figsize=(20, 8), dpi=80)
distance = 2
group_num = int((max(time)-min(time)) / distance)
plt.hist(time, bins=group_num)

plt.title("电影时长分布状况")
plt.xticks(range(min(time), max(time))[::2])
plt.xlabel("电影时长")
plt.ylabel("数量")
plt.grid(linestyle="--", alpha=0.5)
plt.show()

9 饼图 -- pie(x, labels=,autopct=,colors)

# 准备数据   -- 案例：电影的排片占比
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

# 创建画布，绘制饼图，添加标题/坐标轴刻度标签
plt.figure(figsize=(18, 6), dpi=80)
plt.pie(place_count, labels=movie_name, autopct="%1.2f%%")
plt.axis("equal")          #  坐标轴长宽相等，保证饼图成圆形

plt.title("电影的排片占比")
plt.legend()
plt.show()

 

 

 

----- END ------