数据分析第三课：Matplotlib数据可视化基础

掌握绘图基础语法与常用参数

画图流程

掌握pyplot基础语法

import matplotlib.pyplot as plt

1、创建画布与创建子图

常用参数为底色较深的参数

简单的画图可以省略第一步，但是还是建议设置一下

2、添加画布内容

第二部分是绘图的主体部分
添加标题、坐标轴名称、绘制图形等步骤是并列的，可以先绘制图形，也可以先添加各类标签，但添加图例一定要在绘制图形之后

3、保存与展示图形

例子代码如下：

import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(4,4))#指定figure的宽和高，单位为英寸
x=np.arange(10)
plt.title('lines')
plt.plot(x,np.sin(x))
plt.plot(x,np.cos(x))
plt.legend(['sin','cos'])#最后添加图例说明，一般是根据顺序
plt.savefig('./pics/3_01.png')#有多种文件格式可以存储，先保存后展示，因为可能图片是空白的
plt.show()#最好写上这个，以免显示不出来

分析特征间关系

折线图和散点图是常见的绘图图形展现形式
折线图：特征间的趋势关系
散点图：特征间的统计关系

绘制散点图

代码：

plt.scatter(range(69),data['values'][:,2])
plt.show()#不会显示图所在位置

for i in [3,4,5]:
    plt.scatter(range(69),data['values'][:,i])
plt.legend(['1','2','3'])
plt.show()

绘制折线图

plt.plot(range(69),data['values'][:,2])
plt.show()

for i in [3,4,5]:
    plt.scatter(range(69),data['values'][:,i])
plt.legend(['1','2','3'])
plt.show()

分析特征内部数据分布与分散情况

直方图：查看各组数据的数量分布，各组数据之间的数量比较
饼图：一组数据在总体的占比情况
箱线图：比较不同特征可以体现分散程度差异

绘制直方图

有的还会x与y轴对换，呈横向

代码：

num=data['values'][68,3:6]
plt.bar(range(len(num)),num)
plt.xticks(range(len(num)),['1','2','3'])
plt.show()

绘制饼图

plt.pie(num,autopct='%.2f %%',explode=[0.1,0,0])#explode参数是可以将一个部分突出出来
plt.show()

绘制箱线图

num=(list(data['values'][:,3]),list(data['values'][:,4]),list(data['values'][:,5]))
plt.boxplot(num)
plt.show()