python之matplotlib的基础用法

一、数据分析基础及分析流程

1.数据分析需要具备的基本知识

2.数据分析的基本流程

3.数据编程文档笔记jupyter notebook’

在熟悉对数据进行编码分析之前常常也会通过jupyter来测试一定的代码可行性，记录编程的过程和重要的知识点（jupyter的打开方式只要在当前环境存在ipython就可以，当然anaconda是必备的集成工具软件大可不必担心）：

二、atplotlib的具体介绍和相关代码展示

1.1为什么要使用matplotlib绘制

1）能够将数据进行可视化并直观的呈现出来

2）是数据更加客观更加具有说服力。

1.2.1绘制简易的图形

相关代码如下所示：

其中之所以设置刻度是由于为满足自身需求，plt自身本来带有绘制刻度。

1.2.2对于刻度的改进

当然如果项目有要求的话我们还可以在对应的轴上设置说明以及标题名称：

有时候绘图是为了更直观的展示多方面的综合情况或者对比情况，所以也可以如下所示：

在一幅图当中展示两天的天气情况作为参照，生成代码如下：

如果还需要对各自绘制的曲线附带命名则可以在plot时添加label参数，当添加label参数后这是我们就需要图例展示：

图例展示中字体参数为prop与其他不同。

如果想要改变线条的样式可以在plt.plot的时候加上相应的参数：

（linestyle线条的样式（：， ·-， --， *）等等，linewith线条的宽度， alpha线条的透明度（从0到1逐渐加深），color线条的颜色（r, g, b, c, n, y, k））在绘制图形的过程当中还可以绘制网格：

完整代码如下：

三、相关图例的介绍

1.散点图

散点图：用于判断数据分布的规律

图例代码如下：

唯一需要注意的是绘制散点图核心为plt.scatter（）；

2.条形图

数据：

a = ["战狼2","速度与激情","功夫瑜伽","变形金刚","大脑天竺","情圣","悟空传","银河护卫队","新木乃伊","英雄归来","乘风破浪","极限特工"]

b = [11,55,21,33,40,26,28,16,19,32,13,19]

代码如下图所示：

唯一需要注意的是bar与barh的区别在于横纵的画图方式，barh为横图方便名称的展示；

3.直方图

直方图适合用于连续性数据之间，未经过数据统计的数据，如果经过统计之后也不是不能绘制，通过调节plt.bar中的width宽度使得柱状连接在一起绘制直方图即可：

数据如下：

inerval = [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]

代码如下所示：

其中plt.hist(data, 组数)；

其实绘制图形大部分运用前端框架：

Js绘制，所以相关操作了解即可；；