Matplotlib数据可视化基础及绘画图

一、概述

       在Matplotlib 中应用较广的是matplotlib.pyplot（简称为pyplot）模块。在pyplot 模块中，各种状态可跨函数调用和保存，以便跟踪诸如当前图形和绘图区域等，并且绘图函数始终指向当前轴域（x轴和y轴所围成的区域)。除Matplotlib之外，常用的数据可视化库还有scabom 库和pyecharts 库。scaborn库是基于Matplotlib的Python 可视化库，它提供了一种高度交互式的界面。

       本章将介绍使用Matplotlib库绘制图形的基础语法和常用参数，以及使用Matplotib库绘制进阶图形的方法。

       学习使用pyplot 模块绘制各类图形的基础语法，是绘制图形的前提每一幅图的绘制都会涉及到为数不少的参数，虽然多数参数都会有默认值，但是很多参数在使用时必须手动设置，才能够更好地辅助用户绘制图形。本节将介绍使用Matplotlib库绘制常见的散点图、折线图、柱形图饼图和箱线图的方法。

1、熟悉pyplot 绘图基础语法与常用参数

       若使用Matplotlib 库进行图形的绘制，则需要先了解pyplot 模块的基础语法及其动态的rc参数的设置。大部分的pyplot图形绘制都遵循一个流程，这个流程主要分为3个部分。

二、掌握pyplot基础语法

      掌握pyplot模块的基础语法的使用，可从创建画布与创建子图、添加画布内容、保存与显示图形3个部分进行。

（1）创建画布与创建

第一部分的主要作用是构建出一张空白的画布，可以选择是否将整个画布划分为多个部分，方便在同一个图上绘制多个图形。当只需要绘制一个简单的图形时，这部分内容可以省略。在pyplot中，创建画布与创建并选中子图的常用函数/方法及其作用如表5-1所示，为了方便读者查看，matplotlib.pyplot模块简写为plt。

创建画布与创建并选中子图的常用函数/方法及其作用

函数/方法名称	函数/方法作用
plt.figure	创建一张空白画布，可以指定画布大小等
figure.add_subplot()	创建并选中子图，可以指定子图的行数、列数和选中图片的编号

（2）添加画布内容

第二部分是绘图的主体部分。其中的添加标题、添加坐标轴标签、绘制图形等步骤是没有先后顺序的，可以先绘制图形，也可以先添加各类标签。但是添加图例一定要在绘制图形之后。在 pyplot 中添加各类标签和图例的常用函数及其作用如表5-2所示。

添加各类标签和图例的常用函数及其作用

函数名称	函数作用
plt.title	在当前图形中添加标题，可以指定标题的名称、位置、颜色、字号等参数
plt.xlabel	在当前图形中添加x轴标签，可以指定位置、颜色、字号等参数
plt.ylabel	在当前图形中添加y轴标签，可以指定位置、颜色、字号等参数
plt.xlim	指定当前图形x轴的范围，只能确定一个数值区间，无法使用字符串标识
plt.ylim	指定当前图形y轴的范围，只能确定一个数值区间，无法使用字符串标识
plt.xticks	获取或设置x轴的当前刻度位置和标签
plt.yticks	获取或设置y轴的当前刻度位置和标签
plt.legend	指定当前图形的图例，可以指定图例的大小、位置、标签

（3）保存与显示图形

第三部分主要用于保存和显示图形，这部分内容的常用函数只有两个，并且参数很少。

保存与显示图形的常用函数及其作用

函数名称	函数作用
plt.savefig	保存绘制的图形，可以指定图形的分辨率、边缘的颜色等参数
plt.show	在本机显示图形

较简单的绘图可以省略第一部分，然后直接在默认的画布上进行图形绘制，如图所示。

注：具体绘图的函数 plt.plot 在此处不要求掌握，此处主要掌握基础图形绘制的流程代码5-1是一个简单的不含子图绘制的标准绘图流程的示例。子图绘制本质上是多个基础图形绘制过程的叠加，即分别在同一幅画布的不同子图上绘制图形，如图所示。

注：具体绘画的函数plt.plot在此处不要求掌握，此处主要掌握包含子图的图形绘制的流程。

三、使用Matplotlib绘制进阶图形

1.绘制散点图

        散点图（Scater Diagram）又称为散点分布图，是以一个特征为横坐标，以另一个特征为纵坐标，利用坐标点（散点）的分布形态反映这两个特征间的统计关系的一种图形。值由点在图形中的位置表示，类别由图形中的不同标记表示，通常用于比较跨类别的数据。散点图可以提供两类关键信息，具体内容如下。

（1）特征之间是否存在数值或数量的关联趋势，关联趋势是线性的还是非线性的。

（2）如果某一个点或某几个点偏离大多数点，那么这些点就是离群值，通过散点图可以一目了然，从而可以进一步分析这些离群值是否在建模分析中产生较大的影响。

散点图可通过散点的疏密程度和变化趋势表示两个特征的数量关系。如果有3个特征，且其中一个特征为类别型特征，散点图可改变该特征的点的形状或颜色，即可了解两个数值型特征和这个类别型特征之间的关系。

pyplot 中绘制散点图的函数为scatter，scatter 函数的基本使用格式如下。

matplotlib.pyplot.scatter(x,y,s=None,c=None,marker=None,cmap=None,
norm=None,vmin=None,vmax=None,linewidths=None,  *,edgecolors=None,
alpha=None,plotnonfinite=False,data=None,**kwargs)

scatter 函数的常用参数及其说明如表所示

参数名称	参数说明
x，y	接收 float或aray。表示x轴和y轴对应的数据。无默认值
S	接收 float或array。表示指定点的大小，若传入一维数组，则表示每个点的大小。默认为None
c	接收颜色或 aray。表示指定点的颜色，若传入一维数组，则表示每个点的颜色。默认为None
marker	接收特定str。表示绘制的点的类型。默认为None
alpha	接收 float。表示点的透明度。默认为None

基于表5-8的劳动力与就业人员数据绘制2001年——2019年劳动力人数散点图，如图所示。

设置字体格式代码为

plt.rcParams['font.sans-serif']='SimHei'

设置正常显示符号（比如符号）代码为

plt.rcParams['axes.unicode_minus']=False

 

使用不同颜色、不同形状的点绘制，如图所示。

plot函数一次可以接收多组数据，添加多条折线，同时可以分别定义每条折线的颜色、点和线条的类型，还可以将这三个参数连接在一起，用一个字符串表示，如图所示。

2.绘制柱形图

       柱形图（Bar Chart）的核心思想是对比，常用于显示一段时间内的数据变化或显示各项数据之间的比较情况。柱形图的适用场合是二维数据集（每个数据点包括两个值x和y）但只有一个维度的值需要比较。例如，年销售额就是二维数据，即“年份”“销售额”，但#需要比较“销售额”这一个维度的数据。柱形图利用柱形的高度，反映数据的大小。人眼对柱形高度差异很敏感，辨识效果非常好。柱形图的局限在于它只适用于中小规模的数据集pyplot 中绘制柱形图的函数为bar，bar 函数的基本使用格式如下。

matplotlib.pypPlot.bar(x, height, width = 0.8, bottom = None, 
*, align ='center',data - None,** kwargs)

bar 函数的常用参数及其说明如表所示。

参数名称	参数说明
bay_ label(names）	显示数表值
x	接收 aray或float。表示x轴数据。无默认值
height	接收 aray或 float。表示指定柱形的高度。无默认值
width	接收 array 或float。表示指定柱形的宽度。默认为0.8
bottom	接收 array 或 float。表示指定柱形的起始位置。默认为None
align	接收 str。表示整个柱形图与x轴的对齐方式，可选 center 和edge。默认为center
data	接收可索引对象。表示具有标签数据的对象。默认为None

使用bar 函数绘制2019年城乡就业人数柱形图，如图所示。

 纵向的柱形图：

横向的柱形图：

3.绘制饼图

       饼图（Pie Graph）将各项数据的大小与各项数据总和的比例显示在一张“饼”中，以“饼块”的大小来确定每一项数据的占比。饼图可以比较清楚地反映出部分与部分、部分与整体之间的比例关系，易于显示每组数据相对于总数的比例，而且显示方式直观。

pyplat中绘制饼图的函数为pie，pie 函数的基本使用格式如下

matplotlib.pyplot.pie(x， Axplode=vone， labels=None,colors=None,autopct=None,
pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=o,
radius=1,counterclock=True,wedgeprops=None, textprops=None,center=0,
  0,frame=False,rotatelabels=False,  *, normalize=None, data=None)

pie 函数的常用参数及其说明如表所示。

参数名称	参数说明
x	接收aray。表示用于绘制饼图的数据。无默认值
explode	接收 aray。表示指定饼块与饼图圆心的偏移距离。默认为None
labels	接收 list。表示指定每一项数据的标袋。默认为None
colors	接收特定str或包含颜色str的aray。表示饼图颜色。默认为None
autopct	接收特定str。表示指定数值的显示方式。默认为None
pctdistance	接收foat。表示每个饼块的中心与autopct生成的文本之间的比例。默认为0.6
labeldistance	接收 foat。表示绘制的饼图标签到饼图圆心的距离。默认为1.1
radius	接收 float。表示饼图的半径。默认为1

使用pie 函数绘制2019年城乡就业人数分布饼图，如图所示。

4.绘制箱线图

        箱线图（Boxplot）也称箱须图，其绘制时，需使用常用的统计量，便能提供有关数据位置和分散情况的关键信息，尤其在比较不同特征时，可表现出这些特征的分散程度差异。如下图所示标出了箱线图中每条线表示的含义。

       箱线图利用数据中的5个统计量（非异常值的下边缘、下四分位数、中位数、上四分位数和非异常值的上边缘）来描述数据。它也可以粗略地看出数据是否具有对称性、分布的分散程度等信息，特别是可以用于对多个样本进行比较。

pyplot 中绘制箱线图的函数为boxplot，boxplot 函数的基本使用格式如下。

matplotlib.pyplot.boxplot (x,  notch=None,   sym=None,   vert=None,    whis=None,
positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None,
conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None,
showfliers=None,boxprops=None, labels=None,data=None,flierprops=None, medianprops=None,
meanprops=None, capprops=None, whiskerprops=None, manage_xticks=True, 
autoranges=False,zorder=None, *,data=None)

boxplot 函数的常用参数及其说明如表所示。

参数名称	参数说明
x	接收 array。表示用于绘制箱线图的数据。无默认值
notch	接收bool。表示中间箱体是否有缺口。默认为None
sym	接收特定str。表示指定异常点形状。默认为None
vert	接收 bool。表示图形是纵向或横向的。默认为None
positions	接收 array。表示图形位置。默认为None
widths	接收float或aray。表示每个箱体的宽度。默认为None
labels	接收Sequence。表示每个数据集的标签。默认为None

绘制2001-2019年城乡就业人数分布箱线图，如图所示。

以上就是Matplotlib的基本图形、散点图、柱形图和箱线图的基本绘画。