python中的可视化库-matplotlib

matplotlib是基于Python语言的开源项目，旨在为Python提供一个数据绘图包。下面介绍一些常用的基本操作。

1.折线图

以美国1948年每个月的失业率作为例子，代码如下：

import matplotlib.pyplot as plt
import pandas as pd
#使用pandas读取csv文件
unrate = pd.read_csv('unrate.csv')
#将csv文件中非时间格式的时间数据转化为时间格式
unrate['DATE'] = pd.to_datetime(unrate['DATE'])
#使用plot()函数绘制图像，第一个参数为x轴的数据，第二个参数为y轴数据
plt.plot(first_twelve['DATE'], first_twelve['VALUE'])
#有可能x轴的每个数据点建个不够出现拥挤情况，可用xticks()方法，指定数据点名旋转角度
plt.xticks(rotation=45)
#指定x轴的名字
plt.xlabel('Month')
#指定y轴名字
plt.ylabel('Unemployment Rate')
#指定图的标题
plt.title('Monthly Unemployment Trends, 1948')
#使用show()函数将上面描述的图展示出来
plt.show()

结果为：

增加图例：

fig = plt.figure(figsize=(10,6))
colors = ['red', 'blue', 'green', 'orange', 'black']
#展示5年内美国的失业率
for i in range(5):
    start_index = i*12
    end_index = (i+1)*12
    subset = unrate[start_index:end_index]
    label = str(1948 + i)
    #在plot()方法中增加label标签
    plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i], label=label)
#设置图例摆放在画布那个位置
plt.legend(loc='best')
#在对一个方法参数有疑惑的时候，可以使用help()方法来进一步了解
#print help(plt.legend)
plt.show()

结果为：

2.绘制子图

直接看代码：

#因为使用numpy的随机数，这里导入numpy
import numpy as np
#figure()定义一个画布
fig = plt.figure()
#figsize指定画图域的大小，即所有子图的总共大小
fig = plt.figure(figsize=(6, 3))
#设置两个子图，前面两个参数是子图展示形式，最后一个参数为子图序号
ax1 = fig.add_subplot(1,2,1)
ax2 = fig.add_subplot(1,2,2)
#描述每个子图内容
ax1.plot(np.random.randint(1,5,5), np.arange(5))
ax2.plot(np.arange(10)*3, np.arange(10))
#展示画布
plt.show()

结果为：

3.同一个图中绘制多条线

在同一个show()中plot()多次，即：

plt.plot(np.random.randint(1,5,5), np.arange(5), label=str(1))
plt.plot(np.random.randint(1,5,5), np.arange(5), label=str(2))
plt.legend(loc='upper left')
plt.show()

结果为：

4.条形图

import matplotlib.pyplot as plt
from numpy import arange
#设置条形图高度，即y轴信息
bar_heights = arange(5)+1
#设置x轴位置
bar_positions = arange(5)
fig, ax = plt.subplots()
#0.8指定柱宽度
ax.bar(bar_positions, bar_heights, 0.8)
#也可以横着画条形图
#ax.barh(bar_positions, bar_heights, 0.8)
#设定x轴数据点显示内容
ax.set_xticklabels(arange(6), rotation=45)
#设置坐标轴名字
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_title('bar')
plt.show()

结果为：

5.散点图

bar_heights = [2,5,8,9,4]
bar_positions = arange(5)+1
tick_positions = range(1,6)
plt.xticks(tick_positions)
plt.scatter(bar_positions, bar_heights, 10)
plt.show()

结果为：