第十九章 python 数据可视化 Matplotlib Pygal

最新推荐文章于 2023-02-12 13:42:57 发布
最新推荐文章于 2023-02-12 13:42:57 发布
阅读量1.2k 收藏 25
点赞数 3
分类专栏： python 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/w469001293/article/details/104380769
版权
本文详细介绍了使用Python的Matplotlib和Pygal库进行数据可视化的实践，包括解决Matplotlib中文乱码问题，折线图、柱状图、饼图等多种图表的绘制，以及Pygal的配置和常见数据图的使用。此外，还涵盖了数据处理的各个方面，如CSV、JSON格式数据的读取和数据清洗。
摘要由CSDN通过智能技术生成

python 数据可视化

一、使用Matplotlib生成数据图

1. matplotlib画图中文乱码小方框的解决方法

链接：https://blog.csdn.net/HappyRocking/article/details/91491107

链接：https://blog.csdn.net/qq_36556893/article/details/90145177

新细明体：PMingLiU
细明体：MingLiU
标楷体：DFKai-SB
黑体：SimHei
宋体：SimSun
新宋体：NSimSun
仿宋：FangSong
楷体：KaiTi
仿宋_GB2312：FangSong_GB2312
楷体_GB2312：KaiTi_GB2312
微软正黑体：Microsoft JhengHei
微软雅黑体：Microsoft YaHei

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['simhei']




import matplotlib
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
plt.rcParams['font.sans-serif']=['KaiTi']
plt.rcParams['axes.unicode_minus'] = False

# 使用Matplotlib的字体管理器加载中文字体
my_font=fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
plt.legend(labels=['疯狂Java讲义年销量', '疯狂Android讲义年销量'], 
    loc='lower right', prop=my_font)

2. 知识点

pyplot子模块下的plot()函数

color ：颜色
linewidth ：宽度
linestyle ：样式（线）
linestyle 折现样式：

  • -：代表实线，这是默认值。
  • –：代表虚线。
  • ：：代表点线。
  • -.：代表短线、点相间的虚线。

legend()函数来实现图例
第一个list参数（handles参数）用于引用折线图上的每条折现；
第二个list参数（labels）代表为每条折线所添加的图例；
fm.FontProperties（类）=“字体位置”：字体管理器加载中文字体

loc参数：指定图例的添加位置，支持如下参数值：

  • ‘best’：自动选择最佳位置。
  • 'upper right,：将图例放在右上角。
  • ‘upper left’：将图例放在左上角。
  • ‘lower left’：将图例放在左下角。
  • ‘lower right’：将图例放在右下角。
  • ‘right’：将图例放在右边。
  • ‘centerleft’：将图例放在左边居中的位置。
  • ‘centerright’：将图例放在右边居中的位置。
  • 'lowercenter*：将图例放在底部居中的位置。
  • 'uppercenter*:将图例放在顶部居中的位置。
  • ‘center’：将图例放在中心。

prop属性指定使用中文字体。

xlable()函数设置X轴的名称
ylabel()函数设置Y轴的名称
title()函数设置整个数据图的标题
xticks()函数改变X轴的刻度值(允许使用文本作为刻度值)
yticks()函数改变Y轴的刻度值(允许使用文本作为刻度值)

gca()函数：获取坐标轴信息对象，然后对坐标轴进行控制。
ax.xaxis.set_ticks_position(‘bottom’)：设置将X轴的刻度值放在底部X轴上
ax.yaxis.set_ticks_position(‘left’)：设置将Y轴的刻度值放在底部X轴上
ax.spines[‘right’].set_color(‘none’)：设置右边坐标轴线的颜色（设置为none表示不显示）
ax.spines[‘top’].set_color(‘none’)：设置顶部坐标轴线的颜色（设置为none表示不显示）
ax.spines[‘bottom’].set_position((‘data’, 70000))：定义底部坐标轴线的位置（放在70000数值处）

调用subplot()函数可以创建一个子图，然后程序就可以在子图上进行绘制。subplot(nrows, ncols,index, **kwargs)函数
nrows参数指定将数据图区域分成多少行：
ncols参数指定将数据图区域分成多少列；
index参数指定获取第几个区域。

使用GridSpec对绘图区域进行分割。

3. 安装Matplotlib包

pip install matplotlib
pip install Matplotlib --user -i https://pypi.douban.com/simple
python -m pip install matplotlib

pydoc 查看文档
python -m pydoc -p 8899

4. Matplotlib数据图入门（折线图plot()）

pyplot子模块下的plot()函数

（1）单条折线图

代码如下：

import matplotlib.pyplot as plt

# 定义2个列表分别作为X轴、Y轴数据
x_data = ['2011', '2012', '2013', '2014', '2015', '2016', '2017']
y_data = [58000, 60200, 63000, 71000, 84000, 90500, 107000]
# 第一个列表代表横坐标的值，第二个代表纵坐标的值
#plt.plot(x_data, y_data)
plt.plot(y_data)
# 调用show()函数显示图形
plt.show()

在这里插入图片描述

（2）多条折线图

代码如下：

import matplotlib.pyplot as plt

x_data = ['2011', '2012', '2013', '2014', '2015', '2016', '2017']
# 定义2个列表分别作为两条折线的Y轴数据
y_data = [58000, 60200, 63000, 71000, 84000, 90500, 107000]
y_data2 = [52000, 54200, 51500,58300, 56800, 59500, 62700]
# 传入2组分别代表X轴、Y轴的数据
#plt.plot(x_data, y_data, x_data, y_data2)
plt.plot(x_data, y_data)
plt.plot(x_data, y_data2)
# 调用show()函数显示图形
plt.show()

在这里插入图片描述
color ：颜色
linewidth ：宽度
linestyle ：样式（线）

linestyle 折现样式：

  • -：代表实线，这是默认值。
  • –：代表虚线。
  • ：：代表点线。
  • -.：代表短线、点相间的虚线。

代码如下：

import matplotlib.pyplot as plt

x_data = ['2011', '2012', '2013', '2014', '2015', '2016', '2017']
# 定义2个列表分别作为两条折线的Y轴数据
y_data = [58000, 60200, 63000, 71000, 84000, 90500, 107000]
y_data2 = [52000, 54200, 51500,58300, 56800, 59500, 62700]
# 指定折线的颜色、线宽和样式
plt.plot(x_data, y_data, color = 'red', linewidth = 2.0, linestyle = '--')
plt.plot(x_data, y_data2, color = 'blue', linewidth = 3.0, linestyle = '-.')
# 调用show()函数显示图形
plt.show()

在这里插入图片描述

5. 管理图例

legend()函数来实现图例
第一个list参数（handles参数）用于引用折线图上的每条折现；

第二个list参数（labels）代表为每条折线所添加的图例；
fm.FontProperties（类）=“字体位置”：字体管理器加载中文字体

loc参数：指定图例的添加位置，支持如下参数值：

  • ‘best’：自动选择最佳位置。
  • 'upper right,：将图例放在右上角。
  • ‘upper left’：将图例放在左上角。
  • ‘lower left’：将图例放在左下角。
  • ‘lower right’：将图例放在右下角。
  • ‘right’：将图例放在右边。
  • ‘centerleft’：将图例放在左边居中的位置。
  • ‘centerright’：将图例放在右边居中的位置。
  • 'lowercenter*：将图例放在底部居中的位置。
  • 'uppercenter*:将图例放在顶部居中的位置。
  • ‘center’：将图例放在中心。

prop属性指定使用中文字体。

代码如下：

import matplotlib.pyplot as plt


x_data = ['2011', '2012', '2013', '2014', '2015', '2016', '2017']
# 定义2个列表分别作为两条折线的Y轴数据
y_data = [58000, 60200, 63000, 71000, 84000, 90500, 107000]
y_data2 = [52000, 54200, 51500,58300, 56800, 59500, 62700]
# 指定折线的颜色、线宽和样式
ln1, = plt.plot(x_data, y_data, color = 'red', linewidth = 2.0, linestyle = '--')
ln2, = plt.plot(x_data, y_data2, color = 'blue', linewidth = 3.0, linestyle = '-.')
import matplotlib.font_manager as fm
# 使用Matplotlib的字体管理器加载中文字体
my_font=fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
# 调用legend函数设置图例
#plt.legend(handles=[ln2, ln1], labels=['疯狂Android讲义年销量', '疯狂Java讲义年销量'],
#    loc='lower right', prop=my_font)
plt.legend(labels=['疯狂Java讲义年销量', '疯狂Android讲义年销量'], 
    loc='lower right', prop=my_font)
# 调用show()函数显示图形
plt.show()

在这里插入图片描述

代码如下：

import matplotlib.pyplot as plt

x_data = ['2011', '2012', '2013', '2014', '2015', '2016', '2017']
# 定义2个列表分别作为两条折线的Y轴数据
y_data = [58000, 60200, 63000, 71000, 84000, 90500, 107000]
y_data2 = [52000, 54200, 51500,58300, 56800, 59500, 62700]
# 指定折线的颜色、线宽和样式
plt.plot(x_data, y_data, color = 'red', linewidth = 2.0,
    linestyle = '--', label='疯狂Java讲义年销量')
plt.plot(x_data, y_data2, color = 'blue', linewidth = 3.0,
    linestyle = '-.', label='疯狂Android讲义年销量')
import matplotlib.font_manager as fm
# 使用Matplotlib的字体管理器加载中文字体
my_font=fm.FontProperties(fname="C:\Windows\Fonts\SimHei_0.ttf")

# 调用legend函数设置图例
plt.legend(loc='best', prop=my_font)
# 调用show()函数显示图形
plt.show()

在这里插入图片描述

6. 管理坐标轴

xlable()函数设置X轴的名称
ylabel()函数设置Y轴的名称
title()函数设置整个数据图的标题
xticks()函数改变X轴的刻度值(允许使用文本作为刻度值)
yticks()函数改变Y轴的刻度值(允许使用文本作为刻度值)

代码如下：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['simhei']
plt.rcParams['axes.unicode_minus'] = False

x_data = ['2011', '2012', '2013', '2014', '2015', '2016', '2017']
# 定义2个列表分别作为两条折线的Y轴数据
y_data = [58000, 60200, 63000, 71000, 84000, 90500, 107000]
y_data2 = [52000, 54200, 51500,58300, 56800, 59500, 62700]
# 指定折线的颜色、线宽和样式
plt.plot(x_data, y_data, color = 'red', linewidth = 2.0,
    linestyle = '--', label='疯狂Java讲义年销量')
plt.plot(x_data, y_data2, color = 'blue', linewidth = 3.0,
    linestyle = '-.', label='疯狂Android讲义年销量')
# 调用legend函数设置图例
plt.legend(loc='best')
# 设置两条坐标轴的名字
plt.xlabel("年份")
plt.ylabel("图书销量（本）")
# 设置数据图的标题
plt.title('疯狂图书的历年销量')
# 设置Y轴上的刻度值
# 第一个参数是点的位置，第二个参数是点的文字提示
plt.yticks([50000, 70000, 100000],
    [r'挺好', r'优秀', r'火爆'])
# 调用show()函数显示图形
plt.show()

在这里插入图片描述

gca()函数：获取坐标轴信息对象，然后对坐标轴进行控制。
ax.xaxis.set_ticks_position('bottom')：设置将X轴的刻度值放在底部X轴上
ax.yaxis.set_ticks_position('left')：设置将Y轴的刻度值放在底部X轴上
ax.spines['right'].set_color('none')：设置右边坐标轴线的颜色（设置为none表示不显示）
ax.spines['top'].set_color('none')：设置顶部坐标轴线的颜色（设置为none表示不显示）
ax.spines['bottom'].set_position(('data', 70000))：定义底部坐标轴线的位置（放在70000数值处）

代码如下：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['simhei']
plt.rcParams['axes.unicode_minus'] = False

x_data = ['2011', '2012', '2013', '2014', '2015', '2016', '2017']
# 定义2个列表分别作为两条折线的Y轴数据
y_data = [58000, 60200, 63000, 71000, 84000, 90500, 107000]
y_data2 = [52000, 54200, 51500,58300, 56800, 59500, 62700]
# 指定折线的颜色、线宽和样式
plt.plot(x_data, y_data, color = 'red', linewidth = 2.0,
    linestyle = '--', label='疯狂Java讲义年销量')
plt.plot(x_data, y_data2, color = 'blue', linewidth = 3.0,
    linestyle = '-.', label='疯狂Android讲义年销量')
import matplotlib.font_manager as fm
# 使用Matplotlib的字体管理器加载中文字体
my_font=fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf") 
# 调用legend函数设置图例
plt.legend(loc='best')
# 设置两条坐标轴的名字
plt.xlabel("年份")
plt.ylabel("图书销量（本）")
# 设置数据图的标题
plt.title('疯狂图书的历年销量')
# 设置Y轴上的刻度值
# 第一个参数是点的位置，第二个参数是点的文字提示
plt.yticks([50000, 70000, 100000],
    [r'挺好', r'优秀', r'火爆'])
ax = plt.gca()
# 设置将X轴的刻度值放在底部X轴上
ax.xaxis.set_ticks_position('bottom')
# 设置将Y轴的刻度值放在底部X轴上
ax.yaxis.set_ticks_position('left')
# 设置右边坐标轴线的颜色（设置为none表示不显示）
ax.spines['right'].set_color('none')
# 设置顶部坐标轴线的颜色（设置为none表示不显示）
ax.spines['top'].set_color('none')

# 定义底部坐标轴线的位置（放在70000数值处）
ax.spines['bottom'].set_position(('data', 70000))

# 调用show()函数显示图形
plt.show()

在这里插入图片描述

7. 管理多个子图

调用subplot()函数可以创建一个子图，然后程序就可以在子图上进行绘制。subplot(nrows, ncols,index, **kwargs)函数
nrows参数指定将数据图区域分成多少行：
ncols参数指定将数据图区域分成多少列；
index参数指定获取第几个区域。

代码如下：

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['simhei']
plt.rcParams['axes.unicode_minus'] = False

plt.figure()
# 定义从-pi到pi之间的数据，平均取64个数据点
x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)  # ①
# 将整个figure分成两行两列，第三个参数表示该图形放在第1个网格
plt.subplot(2, 2, 1)
# 绘制正弦曲线
plt.plot(x_data, np.sin(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title('正弦曲线')

# 将整个figure分成两行两列，并将该图形放在第2个网格
plt.subplot(222)
# 绘制余弦曲线
plt.plot(x_data, np.cos(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title(<
最低0.47元/天 解锁文章
python-学者
关注
专栏目录
第一章-Python数据可视化与 matplotlib-选择正确的数据可视化图表
qq_43416206的博客
06-06 164
当使用 object-oriented API 绘图时，用户需要先创建画布（Figure 类对象），再在该画布上 添加拥有坐标系统的绘图区域（Axes 类对象），最后在该绘图区域中调用绘图方法绘制图表。与使用 pyplot API 的方式相比，object-oriented API 不仅使用户能明确绘图对象的隶属关 系，而且可以自由地定制绘图对象，但 object-oriented API 接近 matplotlib 基础和底层，学习 难度稍大，仅实现一个简单功能便需要编写不少的代码。
python可视化模块pandas,python数据可视化软件
aifamao6的博客
09-17 2772
3. ggplot：是基于Matplotlib并旨在以简单方式提高Matplotlib可视化感染力的库，采用叠加图层的形式绘制图形，比如先绘制坐标轴所在的图层，再绘制点所在的图层，最后绘制线所在的图层，但其并不适用于个性化定制图形。3.ggplot：基于R的一个作图库的ggplot2，同时利用了源于《图像语法》中的概念，允许叠加不同的图层来完成一幅图，并不适用于制作非常个性化的图像，为操作的简洁度而牺牲了图像的复杂度。Python有很多经典的数据可视化库，比较经典的数据可视化库有下面几个。
python中matplotlib作图时plt.legend（）中无法显示中文，乱码为小方框
weixin_43439979的博客
02-29 7923
引入模块： from matplotlib import font_manager 定义一个变量： font = font_manager.FontProperties(fname = ‘电脑中字体的路径’) 然后再调用plt.legend(prop = font) import matplotlib.pyplot as plt from matplotlib import font_manage...
解决 python 使用 matplotlib 绘图时中文方格的问题
Tangjes的博客
09-26 1414
1、标题 python 使用 matplotlib 绘图时中文方格的问题： 2、场景：绘图时X,Y轴、图例、图标可能会涉及到使用中文进行说明 3、问题：使用找中文是发现显示的是小方格，不是中文 4、解决： ①下载添加字体库，推荐使用 SimHei.ttf 字体 链接地址：https://www.fontpalace.com/font...
Matplotlib绘图（一）-边框线及坐标轴的设置
weixin_44560088的博客
07-07 3万+
在matplotlib中，边框线的设置与坐标轴，子图的边界息息相关。下面我们通过axes的API来设置边框线。 边框线及坐标轴的设置1.边框线的设置1.1 边框线隐藏1.2 边框线线宽、线型、颜色2.坐标轴的设置2.1 隐藏坐标刻度及修改坐标轴刻度的文本2.2 修改坐标刻度的文本或数字参考 1.边框线的设置 1.1 边框线隐藏 方法一 设置axes的spines可视属性为FALSE ax.spines['left'].set_visible(False) 方法二 设置axes的spines的颜色属
Python：plt.legend或者ax.legend设置图例的参数详解
热门推荐
缘来如此
04-23 10万+
                plt.legend或者ax.legend设置图例的参数详解 #显示图例 # box = ax.get_position() # ax.set_position([box.x0, box.y0, box.wi...
plt.scatter()
qq_38156104的博客
10-10 644
语法：plt.scatter(x, y, s, c ,marker, alpha) x,y: x轴与y轴的数据 s: 点的面积 c: 点的颜色 marker: 点的形状 alpha: 透明度
Python第十五章-数据可视化-生成数据.pdf
最新发布
01-29
本章重点介绍了如何使用Python进行数据可视化，特别是利用matplotlib和Pygal这两个流行的库。 首先，我们探讨了数据可视化的本质，它不仅是制作美观的图像，更重要的是以清晰、引人入胜的方式展示数据，使观众能够...
详解 matplotlib.pyplot ，Python 初学者真能看懂
梦想橡皮擦，专栏100例写作模式先行者，现象级专栏 《Python 爬虫 100 例》作者、《滚雪球学 Python 专栏》原创者
02-09 8865
Matplotlib 是一个 Python 中的 2D 绘图库，pyplot模块是一个方便使用 Matplotlib 的接口。下面是pyplot模块中的五个重要的知识点：【创建图形】：pyplot模块提供了许多简单易用的函数来创建图形，如 plot、scatter、bar、hist 等。这些函数可以绘制不同类型的图形，例如散点图、折线图、直方图等。【添加标签和图例】：在图形中添加标题、x 轴标签、y 轴标签以及图例可以帮助读者更好地理解图形。pyplot模块提供了相应的函数，如title()
Python学习笔记（11-2）：matplotlib绘图——图形绘制函数
jinwei94的博客
02-10 1万+
本节主要讲解了通过matplotlib绘制各类基础图形的方法，及其对应的修饰参数等相关内容，包括：（1）基于颜色（color）、数据点标记（marker）和曲线形式（linestyle）等几个通用参数，来介绍设置参数的一些预备知识；（2）使用plot()、step()函数绘制折线图，以及三种绘制坐标对数变换图的方法； （3）绘制散点图时设置散点颜色和大小的参数方法；（4）介绍基于基础条形图、堆叠条形图和水平堆积条形图的条形图绘制方法；（5）绘制饼图的方法及其参数的设置；（6）绘制一维和二维的直方图方法；
Matplotlib颜色、线宽、线型、透明度、点型
超级大洋葱的博客
01-06 2万+
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,2*np.pi,20) y1 = np.sin(x) y2 = np.cos(x) # 设置颜⾊，线型，点型 plt.plot(x,y1,color = 'indigo',ls = '-.',marker = 'p') plt.plot(x,y2,color = '#FF00EE',ls = '--',marker = 'o') plt.plot(x,y1 + y2,c
数据分析三剑客之matplotlib——2（基于jupyter）
m0_74143716的博客
02-12 867
我们今天继续来学习matplotlib，用matplotlib绘图是十分常见的情况，接下来我们用matplotlib绘制更加高级的图。
python使用matplotlib的pyplot库进行绘制堆叠直方图
weixin_50398435的博客
07-27 1845
而使用Pandas库进行数据可视化时，常用的参数有1.kind可视化图的种类'line'折线图（默认）'bar'柱状图'barh'水平柱状图'hist'直方图'area'面积图'pie'饼状图2.figsize画布尺寸3.title标题4.grid是否显示格子线条5.legend是否显示图例6.stacked是否堆积7.marker绘图中数据点的类型。这里日本的柱形图看不到是因为数据问题相对来说日本的数量太小了。...
python3 matplotlib如何设置三维图透明度_matplotlib中Poly3DCollection图的透明度
weixin_39907591的博客
12-08 1160
I am trying to draw some objects with the fabulous Matplotlib package for Python. These objects consist of points implemented with plt.scatter() and patches implemented with Poly3DCollection. I would ...
matplotlib画图设置线条透明度
Mr.horse的博客
03-24 2万+
plt.plot(x, y, alpha=0.5) alpha这个参数用于设置透明度，0~1之间 alpha越小，线条越透明
matplotlib折线图（折线颜色、透明度、折线样式和折线宽度）
caoxinjian423的博客
12-21 6132
代码实例： from matplotlib import pyplot as plt x = range(1,10) #x轴的位置 y = [6,7,12,12,15,17,15,20,18] #y轴的位置 #传入x,y，通过plot画图,并设置折线颜色、透明度、折线样式和折线宽度 plt.plot(x,y,color='red',alpha=0.3,linestyle='--',linewidth=5) plt.show '''基础属性设置 color='red' :折线的颜色 a1pha=0.5
Python plot_surface网格颜色透明问题
Angelaboy的博客
08-09 5015
Python plot_surface网格增加颜色变淡
【python图像处理】给图像添加透明度（alpha通道）
guduruyu的专栏
05-09 5万+
我们常见的RGB图像通常只有R、G、B三个通道，在图像处理的过程中会遇到往往需要向图像中添加透明度信息，如公司logo的设计，其输出图像文件就需要添加透明度，即需要在RGB三个通道的基础上添加alph
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值