数据分析——Python可视化库

Python可视化库

一、numpy库

特征：

• numpy库中最核心的部分是ndarray 对象。它封装了同构数据类型的n维数组，

• 它的功能将通过演示代码的形式呈现。

• 在数组中所有元素的类型必须一致，且在内存中占有相同的大小。

• 数组元素可以使用索引来描述，索引序号从0开始。

• numpy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此

  类推。在numpy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴

  的数量。

二、基于Matplotlib的数据可视化（MATLAB+Plot+Library）

1.matplotlib.pyplot函数库简介

相关函数

函数	说明
figure（）	创建一个新的绘图窗口。
figtext（）	为 figure 添加文字
axes（）	为当前 figure 添加一个坐标轴
plot（）	绘图函数
polar（）	绘制极坐标图
axis（）	获取或设置轴属性的边界方法（坐标的取值范围）
clf	清除当前 figure 窗口
cla	清除当前 axes 窗口
close	关闭当前 figure 窗口
subplot	一个图中包含多个 axes
text（）	在轴上添加文字
title（）	设置当前 axes 标题
xlabel/ylabel	设置当前 X 轴或 Y 轴的标签
hist（）	绘制直方图
hist2d（）	绘制二维在直方图
hold	设置当前图窗状态；off 或者 on
imread（）	读取一个图像，从图形文件中提取数组
legend（）	为当前 axes 放置标签
pie（）	绘制饼状图
scatter（）	做一个 X 和 Y 的散点图，其中 X 和 Y 是相同长度的序列对象
stackplot（）	绘制一个堆叠面积图
acorr（）	绘制 X 的自相关函数
annotate（）	用箭头在指定的数据点创建一个注释或一段文本
bar（）	绘制垂直条形图
barh（）	绘制横向条形图
barbs（）	绘制一个倒钩的二维场

1）plt.figure()

说明：matplotlib 所绘制的图形位于 figure 对象中，plt.figure（）函数的主要作用是构建一张空白的画布，并可以选择是否将整个画布划分为多个区域，方便在同一幅图片上绘制多个图形。

参数	说明
num	设置图像编号
figsize	设置图像的宽度和高度，单位为英寸
facecolor	设置图像背景颜色
dpi	设置绘图对象的分辨率
edgecolor	设置图像边框颜色

在创建了图像区域之后，再用函数plt.show()显示

# 创建一个大小为6*4的空白绘图区域并显示
plt.figure(figsize=(6,4))
plt.show()

2）plt.subplot()

说明：subplot()用于在全局绘图区域中创建子绘图区域。

参数	说明
nrows	subplot的行数
ncols	subplot的列数
sharex	x轴刻度
sharey	y轴刻度

使用subplot可以规划figure划分为n个子图，但每条subplot命令只会创建一个子图

# 用subplot划分子区域,将全局划分为 4*4 的区域，其中横向为 4，纵向也为 4，并在第 2 个位置（靠左上方）生成了一个坐标系
import matplotlib.pyplot as plt
plt.subplot(442)
plt.show()

可以通过 sharex 和 sharey 表明子图分别拥有相同的 x 轴和 y 轴

fig , axes = plt.subplots(2,3)  # 'fig'是包含整个图形的Figure对象，'axes'是一个包含6个子图Axes对象的2*3的Numpy数组
plt.show()

注：可以通过‘axes’数组来访问每个子图，例如‘axes[0,0]’表示第一行第一列的子图。

fig,axes = plt.subplots(2,2,sharex = True,sharey = True)
plt.show()

例：

# 绘制直方图
import matplotlib.pyplot as plt
import numpy as np
fig,axes = plt.subplots(2,2,sharex = True,sharey = True)
for i in range(2):
	for j in range(2):
		axes[i,j].hist(np.random.randn(500),bins =50,color='k',alpha= 0.5)

# 在每个子图中绘制直方图。这里使用了NumPy的random.randn函数生成500个服从标准正态分布的随机数，然后使用hist函数绘制直方图。
# 参数 bins=50 指定了直方图的箱数，color='k' 指定了直方图的颜色为黑色，alpha=0.5 设置了直方图的透明度。
axes[i,j].hist(np.random.randn(500),bins =50,color='k',alpha= 0.5)  

3）plt.axes()

​ plt.axes（）创建一个坐标系风格的子绘图区域，默认创建一个subplot(111) 坐标系。语法格式plt.axes(rect,axisbg= )，其中参数rect=[left,bottom,width,height]中4个变量的范围都是[0,1]，表示坐标系在全局绘图区域的位置关系，axisbg指定坐标背景色（matplotlib 2.0后版本中不推荐

使用axisbg，可改为facecolor）。

import matplotlib.pyplot as plt
plt.axes([0.1,0.1,0.7,0.3],facecolor='y') 
plt.show()

4）plt.subplots_adjust()

​ plt.subplots_adjust（）用于调整子绘图区域的布局。常见语法如下：

plt.subplots_adjust(left=,bottom=,right=,top=,wspace=,hspace=)

参数	说明
left	画布中子图左边离y轴距离
bottom	画布中子图下边离x轴距离
right	画布中子图右边离y轴距离
top	画布中子图上边离x轴距离
wspace,hspace	子图之间的距离

import matplotlib.pyplot as plt
import numpy as np
fig,axes = plt.subplots(2,2,sharex = True,sharey = True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(np.random.randn(500),bins =50,color='k',alpha= 0.5)
plt.subplots_adjust(left=0.2,bottom=0.1,right=0.8,top=0.8, hspace=0.5,wspace=0)

2.matplotlib.pyplot相关函数简介

​ 在matplotlib.pyplot 库中有plt子库，该子库提供了7个用于读取和显示的函数， 17个用于绘制基础图表的函数，3个区域填充函数，9个坐标轴设置函数以及11个标签与文本设置函数。（以下表格中的函数参数没有列出）

plt库中的读取和显示函数

函数名称	函数作用	函数名称	函数作用
plt.legend()	在绘图区域放置绘图标签	plt.imsave()	保存数组为图像文件
plt.show()	显示绘制的图像	plt.savefig()	设置图像保存格式
plt.matshow()	在窗口中显示数组矩阵	plt.imread()	从图像文件中读取数组
plt.imshow()	在axes上显示图像

plt库中的基础图表函数

函数名称	函数作用
plt.plot(x,y)	根据(x,y)数组绘制直线、曲线
plt.boxplot()	绘制箱型图
plt.bar()	绘制条形图/柱状图
plt.barh()	绘制横向条形图
plt.polar()	绘制极坐标图
plt.pie()	绘制饼图
plt.psd()	绘制功率谱密度图
plt.specgram()	绘制谱图
plt.cohere(x,y)	绘制x-y的相关性函数
plt.scatter()	绘制散点图
plt.step()	绘制布阶图
plt.hist()	绘制直方图
plt.contour()	绘制等值线
plt.clines()	绘制垂直线
plt.stem()	绘制曲线中每个点到水平轴线的垂线
plt.plot_date()	绘制数据日期
plt.plotfile	绘制数据后写入文件

坐标轴设置函数

函数名称	函数作用
plt.axis()	获取设置轴属性
plt.xlim()	设置X轴的取值范围
plt.ylim()	设置Y轴的取值范围
plt.xscale()	设置X轴缩放
plt.yscale()	设置Y轴缩放
plt.legend()	指定当前图形的图例大小、位置、标签
plt.autoscale()	自动缩放轴视图
plt.text()	为axis图添加注释
plt.thetagrids()	设置极坐标网格
plt.grid()	打开或关闭极坐标
plt.xticks()	指定X轴刻度的数目与取值
plt.yticks()	指定Y轴刻度的数目与取值

区域填充函数

函数名称	函数作用
fill(x,y,c,color)	填充多边形
fill_between(x,y1,y2,where,color)	填充曲线围成的多边形
fill_betweenx(y,x1,x2,where,hold)	填充水平线之间的区域

plt库中的标签与文本设置函数

函数名称	函数作用
plt.figlegend()	为全局绘图区域放置图注
plt.xlabel()	设置当前x轴的文字
plt.ylabel()	设置当前y轴的文字
plt.xicks()	设置当前x轴刻度位置的文字和值
plt.yticks()	设置当前y轴刻度位置的文字和值
plt.clabel()	设置等高线数据
plt.get_figlabels()	返回当前绘图区域的标签列表
plt.figtext()	为全局绘图区域添加文本信息
plt.title()	设置标题
plt.suptitle()	设置总标题
plt.annotate()	为文本添加注释

3.添加画布内容

​ 在画布上绘制图形，需要设置绘图的一些属性，如标题、轴标签等。其中添加标题、添加坐标轴名称、绘制图形等步骤是并列的，没有先后顺序，但添加图例必须要在绘制图形之后。

例：绘图时设置坐标轴属性

import numpy as np 
import matplotlib.pyplot as plt 
%matplotlib inline 
data=np.arange(0,1,0.01) 
plt.title('my lines example') 
plt.xlabel('X') 
plt.ylabel('Y') 
plt.xlim(0,1) 
plt.ylim(0,1) 
plt.xticks([0,0.2,0.4,0.6,0.8,1]) 
plt.yticks([0,0.2,0.4,0.6,0.8,1]) 
plt.plot(data,data**2) 
plt.plot(data,data**3) 
plt.legend(['y=x^2','y=x^3']) 
plt.show()

例：包含子图绘制的基础语法

import numpy as np 
import matplotlib.pyplot as plt 
%matplotlib inline
data=np.arange(0,np.pi*2,0.01)
fig1=plt.figure(figsize=(9,7),dpi=90) 
#确定画布大小
#绘制第一幅子图
ax1=fig1.add_subplot(1,2,1)
plt.title('lines example')
plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(0,1)
plt.ylim(0,1)
plt.xticks([0,0.2,0.4,0.6,0.8,1])
plt.yticks([0,0.2,0.4,0.6,0.8,1])
plt.plot(data,data**2)
plt.plot(data,data**3)
plt.legend(['y=x^2','y=x^3'])
#绘制第二幅子图
ax1=fig1.add_subplot(1,2,2)
plt.title('sin-cos')
plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(0,np.pi*2)
plt.ylim(-1,1)
plt.xticks([0,np.pi/2,np.pi,np.pi*3/2,np.pi*2])
plt.yticks([-1,-0.5,0,0.5,1])
plt.plot(data,np.sin(data))
plt.plot(data,np.cos(data))
plt.legend(['sin','cos'])
plt.show()

关于 plt.legend()的常用设置示例：

plt.legend(loc = 'best',frameon = False) #去掉图例边框,推荐使用
plt.legend(loc = 'best',edgecolor = 'blue') #设置图例边框颜色
plt.legend(loc = 'best',facecolor = 'blue') #设置图例背景颜色,若无边框,参数无效

4.绘图的保存

​ 可以通过 plt.savafig（）保存绘制的图片。可以指定图片的分辨率、边缘的颜色等参数。

参数	说明
fname	包含文件路径或 Python 文件型对象的字符串。图片格式是从文件扩展名中推断出来的（例如 pdf 格式的.pdf）
dpi	设置每英寸点数的分辨率，默认为 100
facecolor ，edgecolor	子图之外的图形背景颜色，默认是’w’（白色）
format	文件格式（‘png’,’pdf’,’svg’,’ps’等）
bbox_inches	要保存的图片范围，如果设置为‘tight‘则去除图片周围的空白
transparent	transparent=True表示保存的图形文件将具有透明背景。如果设置为False，则背景将是不透明的。

例：

fig.savefig(save_path, format='png', transparent=True, dpi=300, pad_inches = 0)

5.设置动态rc参数

​ Matplotlib 配置了配色方案和默认设置，主要用来准备用于发布的图片。有两种方式可以设置参数，即全局参数定制和 rc 设置方法。

# 查看matplotlib的rc参数
import matplotlib as plt 
print(plt.rc_params())

5.1全局参数定制

​ Matplotlib 的全局参数可以通过编辑其配置文件设置

# 显示当前用户的配置文件目录
import matplotlib as plt 
print(plt.matplotlib_fname())

C:\ProgramData\anaconda3\Lib\site-packages\matplotlib\mpl-data\matplotlibrc

​ 查找到当前用户的配置文件目录，然后用编辑器打开，修改 matplotlibrc 文件，即可修改配置参数。

5.2 rc参数设置

​ 使用 python 修改 rc 参数可以自定义图形的各种默认属性，被称为 rc 配置或rc 参数。

​ 几乎所有的默认属性都是可以控制的，例如视图窗口大小以及每英寸点数、线条宽度、颜色和样式、坐标轴、坐标和网格属性、文本、字体等。

线条的常用rc参数名称、说明与取值

rc参数名称	解释	取值
lines.linewidth	线条宽度	取0-10之间的数值，默认为1.5。
lines.linestyle	线条样式	可取“-”、“–”、“-.”、“：”四种。默认为“-”。
lines.marker	线条上点的形状	可取“o”、 “D”、 “h” 、“.” 、“,”、“S”等20种，默认为None。
lines.markersize	点的大小	取0-10之间的数值，默认为1。

线条样式取值

linestyle 取值	意义
-	实线
–	长虚线
-.	点线
:	短虚线

marker参数取值

marker 取值	说明
‘o’	圆圈
‘D’	菱形
‘h’	六边形 1
‘H’	六边形 2
‘-’	水平线
‘8’	八边形
‘.’	点
‘s’	正方形
‘*’	星号
‘d’	小菱形
‘v’	一角朝下的三角形
‘<’	一角朝左的三角形
‘p’	五边形
‘，’	像素
‘+’	加号
‘>’	一角朝右的三角形
‘^’	一角朝上的三角形
‘\’	竖线
‘x’	X
‘None’	无

注意！！！由于默认的 pyplot 字体并不支持中文字符的显示，因此需要通过设置 font.sans-serif 参数改变绘图时的字体，使得图形可以正常显示中文。同时，由于更改字体后，会导致坐标轴中的部分字符无法显示，因此需要同时更改axes.unicode_minus 参数。

plt.rcParams[‘font.family’]=[‘SimHei’] #用来显示中文标签
plt.rcParams[‘axes.unicode_minus’]=False #用来正常显示负号

例：rc参数设置示例

import numpy as np
import matplotlib.pyplot as plt
fig,ax = plt.subplots()
#配置中文显示
plt.rcParams['font.family'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
def f(t):
    return np.cos(2*np.pi*t)
x1 = np.arange(0.0,4.0,0.5)
x2 = np.arange(0.0,4.0,0.01)
plt.figure(1)
plt.subplot(2,2,1)
plt.plot(x1,f(x1),'bo',x2,f(x2),'k')
plt.title('子图 1')
plt.subplot(2,2,2)
plt.plot(np.cos(2*np.pi*x2),'r--')
plt.title('子图 2')
plt.show()

例：添加图例，添加每个图表时传递label参数

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(np.random.randn(30).cumsum(),color='k',linestyle='dashed',marker='o',label='one')
ax.plot(np.random.randn(30).cumsum(),color='k',linestyle='dashed',marker='+',label='two')
ax.plot(np.random.randn(30).cumsum(),color='k',linestyle='dashed',marker='v',label='three')
#ax.set_xticks([0,25,50,75,100]) #设置刻度
#ax.set_xticklabels(['x1','x2','x3','x4','x5'],rotation=30,fontsize='small') #改变刻度
ax.legend(loc='best')

若使用 ax.set_xticks([0,25,50,75,100]) #设置刻度，则效果如下：

若使用 ax.set_xticklabels([‘x1’,‘x2’,‘x3’,‘x4’,‘x5’],rotation=30,fontsize=‘small’) #改变刻度，则效果如下（注意 x 轴标签）

其中 rotation 参数表示 x 坐标标签的旋转角度，fontsize 为字号，可以取值为’xx-small’，‘x-small’，‘small’，‘medium’，‘large’，‘x-large’，‘xx-large’，‘larger’，‘smaller’，‘None’

6.绘图填充

例：使用fill_between()填充曲线下面部分区域的填充

import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,1,500)
y=np.sin(3*np.pi*x)*np.exp(-4*x)
fig,ax=plt.subplots()
plt.plot(x,y)
plt.fill_between(x, 0, y, facecolor='green', alpha=0.3)

​ 其中，第一个参数表示覆盖的区域，参数 x 表示整个 x 轴都覆盖；0 表示覆盖的下限；y 表示覆盖的上限是 y 这个曲线；facecolor 表示覆盖区域的颜色；alpha表示覆盖区域的透明度[0,1],其值越大，表示越不透明。

例：两条曲线之间的区域填充

import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,1,500)
y1=np.sin(3*np.pi*x)*np.exp(-4*x)
y2 = y1 + 0.2
plt.plot(x, y1,'b')
plt.plot(x, y2, 'r')
plt.fill_between(x, y1, y2, facecolor='green', alpha=0.3) #两条曲线之间的区域填充
plt.show()

例：直接使用fill进行绘图的填充

import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,1,500)
y=np.sin(3*np.pi*x)*np.exp(-4*x)
fig,ax=plt.subplots()
ax.fill(x,y)
plt.show()

7.文本注解

​ 绘图时有时需要在图表中加文本注解，这时可以通过 text 函数在指定的位置（x,y）加入文本注解。如在柱状图上加入文本数字，可以清楚地显示每个类别的数量。如 6 个城市 8 月份的日均最高气温。

例：绘制气温柱状图并标注

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = ['SimHei']
data = [25,30,32,34,34,23]
label = ['青海','兰州','北京','上海','广州','拉萨']
plt.xticks(range(len( data)),label)
plt.xlabel('城市')
plt.ylabel('温度')
plt.title('六城市 8 月份日均最高气温')
plt.bar(range(len( data)),data)
for x,y in zip(range(len(data)),data):
	plt.text(x,y,y,ha = 'center',va = 'bottom') #文本注解
plt.show()

8.matplotlib可视化

8.1 绘制折线图

​ 折线图的主要功能是查看因变量y随着自变量x改变的趋势，最适合用于显示随时间（根据常用比例设置）而变化的连续数据。同时还可以看出数量的差异，增长趋势的变化。

​ 绘制折线图使用的 plot()函数的基本格式：

matplotlib.pyplot.plot(*args,**kwargs)

参数	说明
x，y	接收 array。表示 x 轴和 y 轴对应的数据。无默认。
color	接收特定 string。指定线条的颜色。默认为 None。
linestyle	接收特定 string。指定线条类型。默认为“-”。
marker	接收特定 string。表示绘制的点的类型。默认为 None。
alpha	接收 0-1 的小数。表示点的透明度。默认为 None。

颜色缩写	代表的颜色
b	蓝色
g	绿色
r	红色
c	青色
m	品红
y	黄色
k	黑色
w	白色

简单折线图

import numpy as np
import matplotlib.pyplot as plt
x1 = np.arange(0, 30)
plt.plot(x1,x1*2, 'b')
plt.show()

例：用matplotlib库绘制折线图

import matplotlib.pyplot as plt

dataX = [1,2,3,4]
dataY = [2,4,4,2]
plt.plot(dataX,dataY)
#配置中文显示
plt.rcParams['font.family'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
plt.title("绘制直线");
plt.xlabel("x轴");
plt.ylabel("y轴");
plt.show()

例：用numpy库和matplotlib库绘制图形

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(10) # 取值依次为0-9的等差数列
y = np.sin(x)
z = np.cos(x)
plt.plot(x, y, marker="*", linewidth=3, linestyle="--", color="red")
#marker设置数据点样式，linewidth设置线宽，linestyle设置线型样式，color设置颜色
plt.plot(x, z)
plt.title("matplotlib")
plt.xlabel("x")
plt.ylabel("y")
plt.legend(["Y","Z"], loc="upper right")# 设置图例
plt.grid(True)
plt.show()

8.2 绘制柱状图

​ 由一系列高度不等的纵向条纹表示数据分布的情况，用来比较两个或以上的数值。

​ 绘制柱状图的 bar 函数的格式：

matplotlib.pyplot.ber(left,height,width=0.8,bottom=None,hold=None,data=None)

参数	说明
left	接收 array。表示 x 轴数据。无默认。
height	接收 array。表示 x 轴所代表数据的数量。无默认。
width	接收 0-1 之间的 float。指定柱状图宽度。默认为 0.8。
color	接收特定 string 或者包含颜色字符串的 array。表示直方图颜色。默认为 None。

例：用matplotlib库绘制柱状图形

import matplotlib.pyplot as plt

x = [0,1,2,3,4,5]
y = [1,2,3,2,4,3]
plt.bar(x,y) #竖的条形图
plt.rcParams['font.family'] = ['SimHei'] #用来显示中文标签
plt.title("柱状图"); #图标题
plt.xlabel("x轴");
plt.ylabel("y轴");
plt.show()

例：绘制并列柱状图

import numpy as np
import matplotlib.pyplot as plt
#fig,ax=plt.subplots()
plt.rcParams['font.family']=['SimHei']#用来显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
plt.figure(figsize=(7,5))
x=np.arange(1,6)
Y1=np.random.uniform(1.5,1.0,5)
Y2=np.random.uniform(1.5,1.0,5)
plt.bar(x,Y1,width=0.35,facecolor='lightskyblue',edgecolor='white')
plt.bar(x+0.35,Y2,width=0.35,facecolor='yellowgreen',edgecolor='white')
plt.show()

8.3 绘制直方图

​ 直方图又称质量分布图（概率分布图），是一种统计报告图，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类型，纵轴表示分布情况。

​ 绘制直方图是使用matplotlib.pyplot.hist()函数，格式：

matplotlib.pyplot.hist(x,bins=None,range=None,density=None,weights=None,
bottom=None,histtype='bar',align='mid',orientation='vertical',rwidth=Non
e,color=None,label=None,stacked=False,normed=None,data=None,…)

​ 可以看到有很多参数，在实际使用过程中只需要关注几个重要的参数即可。其中，参数bins: 划分间隔，可以采用整数来指定间隔的数量，也可以通过列表来直接指定间隔的范围。最简单的，使用默认的，输入数据，绘制直方图，而不设置任何参数

例：绘制直方图

import matplotlib.pyplot as plt
import numpy as np
mean, sigma = 0, 1 # mean=0 均值为0，sigma=1 标准差为1
x = mean + sigma * np.random.randn(10000)
plt.hist(x,50,density=1,histtype='bar',facecolor='red',alpha=0.75)
plt.show()

例：绘制直方图及与该图相对应的正态分布曲线

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt
fig,ax=plt.subplots()
plt.rcParams['font.family']=['SimHei']#用来显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
np.random.seed(1587554)
mu=100
sigma=15
x=mu+sigma*np.random.randn(437)
num_bins=50
n,bins,patches=ax.hist(x,num_bins,density=1) #绘制直方图
y=norm.pdf(bins,mu,sigma) 
#正态概率密度函数 norm.pdf（X,mu,sigma）其中 x 为向量,mu 为均值,sigma 为标准差。
ax.plot(bins,y,'--') 
fig.tight_layout() #自动调整子图参数，使之填充整个图像区域
plt.show()

8.4 绘制散点图

​ 散点图在回归分析中使用较多，它将序列显示为一组点。值由点在图表中的位置表示，类别由图表中的不同标记表示，因此散点图通常用于比较跨类别的聚合数据。

​ 绘制散点图的 scatter 函数的格式：

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, alpha=None, **kwargs)

参数	说明
x，y	接收 array。表示 x 轴和 y 轴对应的数据。无默认。
s	接收数值或者一维的 array。指定点的大小，若传入一维 array 则表示每个点的大小。默认为 None。
c	接收颜色或者一维的 array。指定点的颜色，若传入一维 array 则表示每个点的颜色。默认为 None
marker	接收特定 string。表示绘制的点的类型。默认为 None。
alpha	接收 0-1 的小数。表示点的透明度。默认为 None。

例：绘制散点图

import matplotlib.pyplot as plt
import numpy as np
x = np.random.rand(100)
y = np.random.rand(100)
plt.scatter(x,y)
plt.show()

8.5 绘制极坐标图

​ 极坐标图用于对多维数组进行直接的对比，多用在企业的可视化数据模型的对比与分析中。

例：绘制极坐标图

import matplotlib.pyplot as plt
import numpy as np
theta=np.arange(0,2*np.pi,0.02)
ax1 = plt.subplot(121, projection='polar')
ax1.plot(theta,theta/6,'--',lw=2)
plt.show()

该例绘制了一个极坐标图，用 plt.polar()函数来实现。在 matplotlib 库中 pyplot子库提供了绘制极坐标图的方法，在调用 subplot()创建子图时通过设置projection='polar'即可创建一个极坐标图，然后调用 plot()在极坐标子图中绘图。

8.6 绘制饼图

饼图用于表示不同分类的占比情况，通过弧度大小来对比各种分类，饼图通过将一个圆饼按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块（圆弧）表示该分类占总体的比例大小。

# 绘制饼图的 pie 函数的格式
matplotlib.pyplot.pie(x,explode=None,labels=None,colors=None,autopct=None,pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=None, radius=None, … )

参数	说明
x	接收 array。表示用于绘制撇的数据。无默认。
explode	接收 array。表示指定项离饼图圆心为 n 个半径。默认为 None。
labels	接收 array。指定每一项的名称。默认为 None。
color	接收特定 string 或者包含颜色字符串的 array。表示饼图颜色。默认为 None。
autopct	接收特定 string。指定数值的显示方式。默认为 None。
pctdistance	接收 float。指定每一项的比例和距离饼图圆心 n 个半径。默认为 0.6。
labeldistance	接收 float。指定每一项的名称和距离饼图圆心多少个半径。默认为 1.1。
radius	接收 float。表示饼图的半径。默认为1。

例：绘制饼图

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei'] #设置字体
plt.title("饼图");#设置标题
labels = '计算机系','机械系','管理系','社科系'
sizes = [45,30,15,10] #设置每部分大小
explode = (0,0.0,0,0) #设置每部分凹凸
counterclock = False#设置顺时针方向
plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=90) #设置饼图的起始位置，startangle=90表示开始角度为90度
plt.show()

饼图绘制中，如果在 explode=(0,0.0,0,0)中将相应的 0.0 改为 0.1 即可将第二部分“机械系”区域凸显。