6.Python数据分析之Matplotlib-1

Matplotlib基础

matplotlib是一个Python的2D图形包。pyplot封装了很多画图的函数
导入相关的包：
matplotlib.pyplot包含了一系列类似MATLAB中绘图函数的相关函数。每个matplotlib.pyplot中的函数对当前的图像进行一些修改。例如：产生新的图像，在图像中产生新的绘图区域，在绘图区域中画线，给绘图加上标记，等等…matplotlib.pyplot会自动记住当前的图像和绘图区域，因此这些函数会直接作用在当前的图像上。
在实际的使用过程中，常常以plt作为matplotlib.pyplot的省略。

plt.show（）函数

默认情况下，matplotlib.pyplot不会直接显示图像，只有调用plt.show（）函数时，图像才会显示出来。
plt.show()默认是在新窗口打开一幅图像，并且提供了对图像操作的按钮。
不过在ipython命令中，我们可以将它插入notebook中，并且不需要调用plt.show()也可以显示：
%matplotlib inline
%matplotlib notebook
不过在实际写程序中我们还是习惯用plt.show()将图像显示出来

plt.plot()函数绘制简单线图

其中y必须指定，但是x可以不指定，默认使用索引来作为x轴
只指定y

x,y都指定

字符参数

和MATLAB中类似，我们还可以用字符来指定绘图的格式：
表示颜色的字符参数有：
|字符| 颜色 |
|‘b’|蓝色，blue|
| ‘g’ |绿色，green |
|‘r’|红色，red|
|‘c’|青色，cyan|
|‘m’|品红，magenta|
|‘y’|黄色，yellow|
|‘k’|黑色，black|
|‘w’|白色，white|
表示类型的字符参数：

例如：我们要画出红色圆点

显示范围

与MATLAB类似，这里可以使用axis函数指定坐标轴显示范围：plt.axis([xmin,xmax,ymin,ymax])

传入Numpy数组，传入多组数据

之前我们传给plot的参数是列表，事实上，向plot中传入numpy数组是更正常的做法。事实上，如果传入的是列表，matplotlib会在内部将它转化成数组再进行处理：
在一个图像里画多条线：

线条属性

使用plt.plot()的返回值来设置线条属性

plot函数返回一个Line2D对象的列表，每个对象代表输入的一对组合，例如：

• line1，line2为两个Line2D对象
  line1,line2=plt.plot(x1,y1,x2,y2,x3,y3)
• 返回三个Line2D对象组成的列表
  lines=plt.plot(x1,y1,x2,y2,x3,y3)
  我们可以使用这个返回值来对线条属性进行设置:

plt.setp()修改线条性质

也可以使用MatLab风格：

子图

电影数据绘图

先将警告功能忽略，因为对实际运行没啥影响

导入第三方库：

通过参数的设置使中文能够正常的显示：


准备工作完成了

（1）绘制每个国家或地区的电影数量的柱状图

接下来将这个数据进行图形的绘制

接下来进行一些设定：

x = data.index
y = data.values

plt.figure(figsize=(10,6))
plt.bar(x,y,color='g')

plt.title('各国家或地区电影数量',fontsize=20)
plt.xlabel('国家或地区',fontsize=18)
plt.ylabel('电影数量',fontsize=18)

#可以调整坐标轴字体大小
plt.tick_params(labelsize=14)
#x轴显示转换90度
plt.xticks(rotation=90)

#在柱子上面显示数量,ha水平对齐，va垂直对齐
for a,b in zip(x,y):
    plt.text(a,b+10,b,ha='center',fontsize=10)

#加一些网格线
plt.grid()
    
plt.show()

（2）绘制每年上映的电影数量的曲线图

需要到15年的数据

x = data.index
y = data.values

plt.plot(x,y,color='b')
plt.title('每年电影数量',fontsize=20)
plt.ylabel('电影数量',fontsize=18)
plt.xlabel('年份',fontsize=18)

#每隔十年显示一个数字
for a,b in zip(x[::10],y[::10]):
    plt.text(a,b+10,b,ha='center',va='bottom',fontsize=10)
    
plt.annotate('2012年达到最大值',xy=(2012,data[2012]),xytext=(2025,2100),arrowprops=dict(facecolor='black',edgecolor='r'))#设置箭头位置，文字位置

plt.show()

（3）根据电影的长度绘制饼图

data数据准备

y = data.values
y = y/sum(y)

plt.figure(figsize=(7,7))
plt.title('电影时长占比',fontsize=15)
plt.pie(y,labels=data.index,autopct='%.1f%%',colors='bygr',startangle=90)#autopct='%.1f%%'设置浮点数一位小数,startangle=90希望y轴位置为起始位置
#增加图例
plt.legend()

plt.show()

y = y/sum(y)可以不用设置
返回值：
如果没有设置autopct，返回（patches,texts）
如果设置autopct，返回（patches,texts,autotexts）

（4）根据电影的评分绘制频率分布直方图

可以发现，电影评分服从一个右偏的正态分布