matplotlib绘图

pandas->numpy->list
import pandas as pd
import numpy as np
data=pd.DataFrame([[1,2],[3,4]])
data=np.array(data)
data.tolist()



1、绘制一个柱状图：
from matplotlib import pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif']=['SimHei']  #使图中 的描述汉字可以显示
%matplotlib inline  #有了这个就不用plt.show()也能展示出图，仅限用于jupyter

#柱状图：第一个参数是横轴的坐标值 第二个参数是纵轴的坐标值

plt.bar(range(5),[100,500,300,230,500],color='pink')

plt.xticks(range(5),['张三','李四','王五','小红','小明'])  #给横轴坐标值变为张三、李四、...

plt.xlabel('姓名')  #给横坐标起名字

plt.ylabel('得分')  给纵坐标起名字

plt.title('学生分数')  给该图起个标题

plt.ylim([80,550])   #刻度范围

plt.show()  展示柱状图


plt.plot([100,500,300,230,500],linewidth=3)  linewidth设置线宽
plt.savefig('a.jpg')  #保存图片

plt.show()

这样的展示效果是两个图

如果上面的plt.show()注释掉 两个图就合成一个图了


——————————————————————————————————————————

2、饼图
beijing=[17,18,40,60]
#定义标签
labels=['2-3年','3-4年','4-5年','5年以上']
#颜色
colors=['red','green','blue','purple']
#做好容器
indic=[]
for index,item in enumerate(beijing):
        #判断优先级
         if item == max(beijing):
              indic.append(0.1)  #向外突出
         else:
              indic.append(0)
        #填充数据
plt.title('3d饼图突出展示工龄占比')
plt.pie(beijing,labels=labels,colors=colors,autopct='%1.1f%%',startangle=90,shadow=True,explode=tuple(indic))
        plt.show()
#第一个参数是每个的面积，第二个参数是每个的名字，第三个参数可以展示出每个所占比例
plt.title('人口比例')

——————————————————————————————————————————

3、直方图
heights=[180,160,177,177]
plt.hist(heights,color='red',alpha=0.5)
#第一个参数是数据、第二个参数是图的颜色，第三个参数是颜色的透明度
plt.xlabel('身高')
plt.ylabel('体重')
plt.title('身高统计')

这个直方图横轴表示数，纵轴表示该数的个数


——————————————————————————————————————————

4、散点图
import numpy as np
np.random.seed(10)  #随机种子，就是把随机值固定成一组数据，每次运行得到的随机值都一样
heights=[]
weights=[]
heights.append(np.random.randint(150,185,size=50))
weights.append(np.random.randint(50,100,size=50))  #两个列表的值要一样
plt.scatter(heights,weights,marker='^')   #marker可以给散点图里的点改变形状



——————————————————————————————————————————

5、折线图
x=[4,65,71,5,3]
y=[3,12,5,2,3]
plt.plot(x,y)
由（4，3）-》（65，12）-》（71，5）。。。。这些点依次相连


————————————————————————————————————————————
sklearn

import pandas as pd
from sklearn.datasets import load_iris #鸢尾花数据集
data=load_iris().data
# print(type(data))
# print(data)
# data=data.tolist()
#花萼的长、花萼_的宽
#取出前两列并绘制散点图，用三角表示
#花瓣的长，花瓣的宽，绘制散点图，用*表示
#不同颜色区分
data1=pd.DataFrame(data)
heights=data1[0]
weights=data1[1]
heights2=data1[2]
weights2=data1[3]
plt.scatter(heights,weights,marker='^',color='red')
plt.scatter(heights2,weights2,marker='*',color='blue')
plt.show()


————————————————————————————————————————————
趋势图：
from matplotlib import pyplot as plt
import numpy as np

x = ['2019-05-01','2019-05-02','2019-05-03','2019-05-04']
#定义y轴数据
y1 = [0,5,6,10]  #代表温度
y2 = [10,15,16,9]   #代表湿度
# 填充数据
plt.plot(x,y1,label='temperature')
plt.plot(x,y2,label='water')
#设置图例
plt.legend()    
#绘制
plt.show()


————————————————————————————————————————————

3D散点图：
from mpl_toolkits.mplot3d.axes3d import Axes3D


x = np.random.randint(0,10,size=100)
y = np.random.randint(0,10,size=100)
z = np.random.randint(0,10,size=100)
#创建二维对象
fig = plt.figure()
#强转
axes3d = Axes3D(fig)
plt.xlabel('投球次数')
plt.ylabel('投球得分')
#填充数据
axes3d.scatter(x,y,z)
plt.show()



————————————————————————————————————————————
条形图：

price = [40,32.8,20,19.6]
#填充数据
plt.barh(range(4),price,align='center',color='red',alpha=0.5)
#设置标签
plt.xlabel('价格')
plt.ylabel('商品')
#编辑数据
plt.yticks(range(4),['西游记','红楼梦','水浒传','三国演义'])
#设置标题
plt.title('四大名著')
plt.show()

——————————————————————————————————————————

#定义面积图
    def test_stackplot(self):
        plt=self.plt
        #定义数据
        data = ['2019-05-01','2019-05-02','2019-05-03','2019-05-04']
        #收入
        earn=[156,356,156,30]
        #支出
        pay=[[10,30,10,10],[12,50,5,20],[5,15,12,30],[8,13,14,50]]
        #填充数据
        plt.stackplot(data,earn,pay,colors=['green','yellow','orange','red'])
        #生成图例
        plt.plot([],[],color='green',label='收入')
        plt.plot([],[],color='yellow',label='早饭')
        plt.plot([],[],color='orange',label='中饭')
        plt.plot([],[],color='red',label='晚饭')
        plt.legend()
        plt.show()