Python可视化常用方法和常见问题解决方案

最新推荐文章于 2023-03-11 22:21:05 发布

威少的书童

最新推荐文章于 2023-03-11 22:21:05 发布

阅读量1.9k

点赞数 3

分类专栏：数据挖掘与分析文章标签：可视化 python 数据可视化数据分析

本文链接：https://blog.csdn.net/weixin_44436319/article/details/112695601

版权

数据挖掘与分析专栏收录该内容

9 篇文章 3 订阅

订阅专栏

传送门：

柱状图详细绘制解答
 matplotlib绘图函数常用参数指南
 绘图时坐标轴标签重叠解决办法
 设置图形字体大小
 雷达图
 绘图常用颜色
 好看的饼状图

matplotlib.rcParams['axes.unicode_minus'] = False # 正常显示负号
plt.rcParams["font.sans-serif"] = "SimHei" # 设置图片中的字体为中文黑体

横轴坐标值显示方向调整

python中用matplotlib画图时，横坐标标签是默认横着显示的

在这里插入图片描述

这个图里面显示的横轴坐标值是竖着的，看起来不太美观，把它改成横向的，只需要添加下面一句代码

rotation默认是90，即为横着显示，改成360即可正常竖直显示

plt.xticks(rotation=360)

使用DataFrame类型直接绘图

数据集来自2019年美国大学生数学建模C题第一问。
这是是要绘制出U-47700这个物质在每个州的数量分布情况

    sum_u =  pd.DataFrame({'U-47700':data[data['SubstanceName'] == 'U-47700'].groupby('FIPS_State')['DrugReports'].sum()})
    sum_u.plot.pie(subplots=True) # 绘制饼状图
    sum_u.plot(kind='bar') # 绘制柱状图
    sum_u.plot(kind='line') # 绘制线形图

结果如下:
在这里插入图片描述

接下来是绘制多个类别的物质随年度变化的图

 sum_year_stat = pd.DataFrame({
    'Morphine':data[data['SubstanceName'] == 'Morphine'].groupby('YYYY')['DrugReports'].sum(),
    'Methadone':data[data['SubstanceName'] == 'Methadone'].groupby('YYYY')['DrugReports'].sum(),
    'Hydromorphone':data[data['SubstanceName'] == 'Hydromorphone'].groupby('YYYY')['DrugReports'].sum(),
    'Oxymorphone':data[data['SubstanceName'] == 'Oxymorphone'].groupby('YYYY')['DrugReports'].sum(),
    })# 根据年份来进行分组，然后将对应物质的数量求和。
    sum_year_stat.plot(kind = 'bar') # 绘制饼状图
    plt.xlabel('Year') # 设置横坐标轴标签
    plt.ylabel('Sum')
    plt.xticks(rotation=360) # 设置横坐标值水平显示

在这里插入图片描述

matplotlib

官方文档
在这里插入图片描述

pyplot子库

简写为plt
figure对象（可以理解为画布）
在这里插入图片描述

常用颜色
在这里插入图片描述
粉色：‘pink’
亮粉色：‘lightpink’
亮蓝色：‘lightblue’

plt.figure(figsize=(6, 6))
plt.pie(sexc, labels=['男性', '女性'],colors=['lightblue','lightpink'], autopct='%1.1f%%')
plt.title("会员性别比例饼状图", fontsize=15)
plt.legend()

在这里插入图片描述

figure对象——划分子图
在这里插入图片描述
当三个参数都小于10时，可以省略逗号，用一个三位数表示三个参数，
例如subplot(2,2,1)等价于subplot(221)

matplolib绘制的图形中默认为英文字体，所以一般中文字体无法显示，只需要把字体改为中文字体即可。

设置中文字体

其他常用中文字体

恢复标准默认配置
在这里插入图片描述
添加全局标题

subtitle('标题')

subtitle的参数及其可取值
在这里插入图片描述

添加子图标题

title('标题')

title函数的主要参数
在这里插入图片描述

在这里插入图片描述

散点图 scatter()

在这里插入图片描述

数据点样式

text()函数：在指定位置显示文字

坐标轴设置
在这里插入图片描述
显示图例

折线图

plot()函数

柱状图

在这里插入图片描述
绘制柱状图，并在图中柱子上显示数字

plt.figure(figsize=(7, 6))
plt.bar(x=sum_year.index, height=sum_year.values)
# 完整的显示坐标轴，避免间隔显示
x = np.arange(2004,2014,1)
plt.xticks(x)
#在柱状图上面显示数字
for x, y in enumerate(sum_year.values):
    plt.text(2004+x, y+100, '%s' % y, ha='center', va='bottom')
# 设置柱状图标题
plt.title("每一年加入会员人数柱状图")
# 设定X，Y轴标签
plt.xlabel("年份")
plt.ylabel("人数")

plt.show()

注意这里x轴坐标是从2004开始，所以在添加数字时，x需要+2004。而y+100是为了在柱子上方一点，避免和柱子重合。

效果图：
在这里插入图片描述

keras

keras是一个由Python编写的高层的神经网络和深度学习库。Tensorflow的官方API。

Keras集成的数据集
在这里插入图片描述
波士顿房价数据集绘制平均房间数和房价的散点图

13种特征和房价的散点图
在这里插入图片描述

色彩映射

在这里插入图片描述

鸢尾花数据分类可视化

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
import pandas as pd


#加载数据
TRAIN_URL = "http://download.tensorflow.org/data/iris_training.csv"
train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1],TRAIN_URL)

COLUMN_NAMES=['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth', 'Species']
df_iris = pd.read_csv(train_path, names=COLUMN_NAMES, header=0)

iris = np.array(df_iris)

plt.scatter(iris[:,2], iris[:,3], c=iris[:, 4], cmap='brg')
plt.title("Anderson's Iris Data Set\n (Blue->Setosa | Red->Versicolor | Green->Virginica)")
plt.xlabel(COLUMN_NAMES[2])
plt.ylabel(COLUMN_NAMES[3])
plt.show()

在这里插入图片描述

绘制多个子图

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
import pandas as pd

# 加载数据
TRAIN_URL = "http://download.tensorflow.org/data/iris_training.csv"
train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1], TRAIN_URL)

COLUMN_NAMES = ['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth', 'Species']
df_iris = pd.read_csv(train_path, names=COLUMN_NAMES, header=0)

iris = np.array(df_iris)
# 绘制画布尺寸和整个画布标题
fig = plt.figure('Iris Data', figsize=(15, 15))
# 添加子图总标题
fig.suptitle("Anderson's Iris Data Set\n(Blue->Setosa | Red->Versicolor | Green->Virginica)")

# 循环绘制子图
for i in range(4):
    for j in range(4):
        plt.subplot(4, 4, 4 * i + (j + 1))  # 创建子图
        if (i == j):  # 横纵坐标相同，输出当前属性名称
            plt.text(0.3, 0.5, COLUMN_NAMES[i], fontsize=15)
        else:
            plt.scatter(iris[:, j], iris[:, i], c=iris[:, 4], cmap='brg') # 绘制散点图
        if(i==0):  # 输出横坐标名称
            plt.title(COLUMN_NAMES[j])
        if(j==0):  # 输出纵坐标名称
            plt.ylabel(COLUMN_NAMES[i])

# 调整子图间距
plt.tight_layout(rect=[0, 0, 1, 0.93])
plt.show()

在这里插入图片描述

使用matplotlib绘图时，负数的符号显示不正常，添加下面的语句。

import matplotlib
 matplotlib.rcParams['axes.unicode_minus']=False

参考文献

# 设定画图板尺寸
plt.figure(figsize=(12,16))
# 建立一个循环，输出图片
for i,data in enumerate(xtest[:100]):
#     设定子图，将每个子图输出到对应的位置
    plt.subplot(10,10,i+1)
#     输出图片，取出来的数据是必须处理好再输出的，此例为8*8
    plt.imshow(data.reshape(8,8))
#     测试的标题和真实的标题打印出来
    plt.title('C:'+str(y_[i])+'\nT:'+str(ytrue[:100][i]),size=20)
#     关掉x y轴的刻度
    plt.axis('off')
#     调整每隔子图之间的距离
    plt.tight_layout()

图像透明度alpha参数和自动调整坐标间距

plt.figure(figsize=(10, 5))
sns.barplot(x=list(drink["id"]), y=list(drink["Goods"]))
plt.title("非酒精饮料类别中不同商品的销量", fontsize= 15)
plt.xlabel("商品销量")
plt.ylabel("商品类别")

效果图
在这里插入图片描述

修改透明度，并设置自动调整间距

plt.figure(figsize=(10, 5))
sns.barplot(x=list(drink["id"]), y=list(drink["Goods"]),alpha=0.4) # 设置透明度alpha=0.4
plt.title("非酒精饮料类别中不同商品的销量", fontsize= 15)
plt.xlabel("商品销量")
plt.ylabel("商品类别")
# plt.xticks(fontsize=5)  #设定x坐标标签字体大小
# plt.yticks(fontsize=7)  #设定y坐标标签字体大小
plt.tight_layout() # 自动调整坐标轴标签间距。

效果图：
在这里插入图片描述

改变透明度alpha之后，色彩更淡跟好看一些，自动调整间距，可以显示完全坐标轴。

自动美化

# 设置风格
plt.style.use('ggplot') # 自动美化图形

威少的书童

关注

3
点赞
踩
19

收藏

觉得还不错? 一键收藏
4
评论
Python可视化常用方法和常见问题解决方案

横轴坐标值显示方向调整python中用matplotlib画图时，横坐标标签是默认横着显示的这个图里面显示的横轴坐标值是竖着的，看起来不太美观，把它改成横向的，只需要添加下面一句代码rotation默认是90，即为横着显示，改成360即可正常竖直显示plt.xticks(rotation=360)...
复制链接

扫一扫