Day 08 数据分析之 matplotlib02

喵星人吼~

已于 2022-07-12 12:30:10 修改

阅读量231

点赞数

文章标签：数据分析 matplotlib python

于 2022-07-12 01:52:11 首次发布

本文链接：https://blog.csdn.net/weixin_50344014/article/details/125730489

版权

本文深入探讨了matplotlib的使用，包括绘制多条折线图、自定义风格、添加图例和网格、散点图、条形图、直方图以及如何选择合适的统计图。此外，还提到了matplotlib与其他可视化工具如plotly和Echarts的对比。

摘要由CSDN通过智能技术生成

matplotlib的使用（二）

在折线图中画多条折线、如何自定义绘图风格、添加图例、添加网格

案例：假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势。
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
示例三 在折线图中绘制多条折线、如何自定义绘图风格、添加图例、添加网格。

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font=font_manager.FontProperties(fname="C:\\Windows\\Fonts\\FZYTK.TTF",size=14)
fig=plt.figure(figsize=(18,8),dpi=80)
x=range(11,31)
y_a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
#绘制多条折线 plt.plot --label 为折线添加标签
#                   --color='r'  设置颜色，也可用十六进制，百度颜色代码表
#                   --linewidth 设置折线粗细
#                   --linestyle=':' 设置折线的样式，':'点线，'_.'虚点线 等
#                   --alpha=0.4 设置折线透明度 0-1
plt.plot(x,y_a,label="自己",color="#F00078",linewidth=5)
plt.plot(x,y_b,label="同桌",color="#00DB00",linewidth=5)
_x=list(x)
_x_labels=["{}岁".format(i) for i in _x]
plt.xticks(_x,_x_labels,fontproperties=my_font,rotation=45)
plt.xlabel("年龄",fontproperties=my_font)
plt.ylabel("男（女）朋友个数",fontproperties=my_font)
plt.title("11岁至30岁自己和同桌男（女）朋友数量",fontproperties=my_font)
# 添加图例 plt.legend() --prop=my_font  解决matplotlib不支持中文的问题
#                     --loc="best"  设置图例的位置，best 是默认的右上，upper left是左侧 等
plt.legend(prop=my_font,loc="best")
# 添加网格 plt.grid()  --alpha 设置网格透明度，默认是0.4
plt.grid(alpha=0.5)
plt.show()

添加文字水印

示例四 添加文字水印。

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font=font_manager.FontProperties(fname="C:\\Windows\\Fonts\\FZYTK.TTF",size=14)
fig=plt.figure(figsize=(18,8),dpi=80)
x=range(11,31)
y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
plt.plot(x,y)
plt.xlabel("年龄",fontproperties=my_font)
plt.ylabel("男（女）朋友的个数",fontproperties=my_font)
# 添加文本水印 plt.text() --x  水印x坐标
#                       --y  水印y坐标
#                       --s  水印内容
#                       --rotation=45 水印以左端为轴，逆时针旋转45°
#                       --fontproperties=my_font 解决matplotlib中文显示问题
#                       --alpha=0.8 设置水印透明度 0-1
#      设置文本字体样式    --fontdict=dict(
#                               fontsize=32, 设置文本字体大小
#                               color='r',设置文本的颜色
#                               weight='light', 设置文本的磅值，可选'light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black')
#
plt.text(15,3,"防伪防盗",rotation=45,fontproperties=my_font,fontdict=dict(fontsize=32,color='r',weight='heavy'),alpha=0.8)
plt.show()

绘制散点图 plt.scatter()

散点图:用两组数据构成多个坐标点，考察坐标点的分布,判断两变量
之间是否存在某种关联或总结坐标点的分布模式。
特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
注：折线图使用plt.plot(),散点图使用plt.scatter(),其他两种图形的用法差不多
案例：假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?
示例五 散点图。

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font=font_manager.FontProperties(fname=r"C:\\Windows\\Fonts\\FZYTK.TTF",size=14)
fig=plt.figure(figsize=(18,8),dpi=80)
x_a=list(range(1,32))
x_b=list(range(51,82))
y_a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
# 绘制散点图
plt.scatter(x_a,y_a)
plt.scatter(x_b,y_b)
x=x_a+x_b
_x_label=["3月{}日".format(i) for i in range(1,32)]
_x_label+=["10月{}日".format(i-50) for i in range(51,82)]
plt.xticks(x[::4],_x_label[::4],fontproperties=my_font,rotation=45)
plt.legend(prop=my_font,loc="upper left")
plt.title("2016年北京3月份、10月份气温统计",fontproperties=my_font)
plt.show()

绘制条形图 plt.bar()

条形图:排列在工作表的列或行中的数据可以绘制到条形图中。
特点:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)
案例1（二维）：假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?
a = [“战狼2”,“速度与激情8”,“功夫瑜伽”,“西游伏妖篇”,“变形金刚5：最后的骑士”,“摔跤吧！爸爸”,“加勒比海盗5：死无对证”,“金刚：骷髅岛”,“极限特工：终极回归”,“生化危机6：终章”,“乘风破浪”,“神偷奶爸3”,“智取威虎山”,“大闹天竺”,“金刚狼3：殊死一战”,“蜘蛛侠：英雄归来”,“悟空传”,“银河护卫队2”,“情圣”,“新木乃伊”,]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] 单位:亿
示例六 简单条形图绘制。

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font=font_manager.FontProperties(fname=r"C:\\Windows\\Fonts\\FZYTK.TTF",size=10)
fig=plt.figure(figsize=(18,8),dpi=80)
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
x=list(range(len(a)))
# 绘制条形图，width 是条形图的宽度
plt.bar(x,b,width=0.5)
plt.xticks(x,a,fontproperties=my_font,rotation=45)
plt.xlabel("电影",fontproperties=my_font)
plt.ylabel("票房 /亿",fontproperties=my_font)
plt.title("2017年内地TOP20电影票房",fontproperties=my_font)
plt.show()

案例2（三维）：假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?
a = [“猩球崛起3：终极之战”,“敦刻尔克”,“蜘蛛侠：英雄归来”,“战狼2”]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
示例七 绘制多维条形图。

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font=font_manager.FontProperties(fname=r"C:\\Windows\\Fonts\\FZYTK.TTF",size=10)
fig=plt.figure(figsize=(18,8),dpi=80)
a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
width=0.2
x_14=list(range(len(a)))
x_15=[i+width for i in x_14]
x_16=[i+width*2 for i in x_14]
# 绘制三个维度条形图
plt.bar(x_14,b_14,width,label="2019年9月14日")
plt.bar(x_15,b_15,width,label="2019年9月15日")
plt.bar(x_16,b_16,width,label="2019年9月16日")
plt.xticks(x_15,a,fontproperties=my_font,rotation=45)
plt.xlabel("电影",fontproperties=my_font)
plt.ylabel("票房",fontproperties=my_font)
plt.title("2017年9月14、15、16日如下四个电影票房情况",fontproperties=my_font)
plt.legend(prop=my_font,loc="best")
plt.show()

绘制直方图 plt.hist(a，num_bins) 、解决直方图偏移情况、绘制频率分布图（添加参数 density=1或density=true，即plt.hist(a，num_bins，density=1)density是布尔变量）

直方图:由一系列高度不等的纵向条纹或线段表示数据分布的情况。
一般用横轴表示数据范围，纵轴表示分布情况。
特点:绘制连续性的数据,展示一组或者多组数据的分布状况(统计)
案例：假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?直方图啦
a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, ju112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
示例八 绘制直方图、解决直方图偏移情况。

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font=font_manager.FontProperties(fname=r"C:\\Windows\\Fonts\\FZYTK.TTF",size=10)
fig=plt.figure(figsize=(18,8),dpi=80)
a=[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
#组距d设置为5 ，num_bins为组数，组数=极差//组距+1，如果设置的组距d能被极差整除，绘制的直方图不会有偏移；否则会有偏移
d=5
num_bins=(max(a)-min(a))//d+1
#解决直方图偏移，可以将plt.hist(a,num_bins)中的 num_bin换成数组
y=[min(a)+i*d for i in range(num_bins)]
#绘制直方图，a是数据 ，y是组数，非必传，有默认组数，y也可以是数组
plt.hist(a,y)
x=list(range(min(a),max(a)+d,d))
plt.xticks(x)
plt.xlabel("分钟",fontproperties=my_font)
plt.ylabel("个数",fontproperties=my_font)
plt.title("电影时长直方图",fontproperties=my_font)
plt.show()

如何选择条形图还是直方图？

区分：直方图是统计没有统计过的原始数据
案例：在美国2004年人口普查发现有124 million的人在离家相对较远的地方工作。根据他们从家到上班地点所需要的时间,通过抽样统计(最后一列)出了下表的数据,这些数据能够绘制成直方图么?不能，绘制成条形图
interval = [0,5,10,15,20,25,30,35,40,45,60,90] 间隔
width = [5,5,5,5,5,5,5,5,5,15,30,60] 组距
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]每个区间的统计人数
示例九 区分条形图、直方图。

from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font=font_manager.FontProperties(fname=r"C:\\Windows\\Fonts\\FZYTK.TTF",size=10)
fig=plt.figure(figsize=(18,8),dpi=80)
interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]
# 组距
bar_width=5
# 确定x轴坐标值
x=[bar_width/2+i*5 for i in range(len(quantity))]
# 绘制条形图
plt.bar(x,quantity,width=5,)
# 设置x轴刻度
_x=[i*5 for i in range(len(quantity)+1)]
_x_label=interval+[150]
plt.xticks(_x,_x_label)
plt.xlabel("分钟",fontproperties=my_font)
plt.ylabel("个数",fontproperties=my_font)
plt.title("电影时长直方图",fontproperties=my_font)
plt.show()