matplotlib数据可视化学习

pyplot基本语法

一、创建一个空白画布，指定大小 and 画子图

figure = plt.figure(figsize=(4, 4))   # 4*4大小
plt.subplot(2, 3, 1) # 两行三列 的第一幅

二、中文问题可设置rc参数

plt.rcParams["font.family"] = "STSong"

2.1 添加画布内容

plt.title()  # 标题
plt.xlable()  # x轴名字
plt.lim(2, 5)  # x轴范围
plt.xticks()   # 刻度下标
plt.legend()  # 图例

2.2 保存与展示图形

plt.savefig()  # 保存图片
plt.show() # 显示图形

三、分析特征间的关系

3.1 散点图：

作用：观察大致趋势。

data = np.load("路径", allow_pickle = True)  # 可查看里面的内容
plt.scatter()

3.2 折线图：

可以看做是散点图连线起来，比散点图更细致。 最适合用于显示随时间而变化的连续数据，增长趋势

plt.plot(x, y, color, linestyle, maker, alpha )
plt,plot(range(69), data["values"][:,2])  # values所有行的第二列 

四、分析特征内部数据的分散情况

4.1 直方图

各分组的数量分布和比较

plt.bar(left, height, width = 0.8, bottom = None, color )
num = data["values"][68, 3:6]
plt.bar(range(len(num)), num)
plt.xticks(range(len(num)), ["1", "2", "3"])
plt.show()

4.2 饼图

每组数据 的总体占比

plt.pie(x, explode = None, lables = None, colors = None, autopct = None, pctdistance = None, labledistance = None, radius =None)
autopct 显示方式
explode 指定尖尖离圆心的半径, 每一项可以突出去
pctdistance 指定每一项的 比例 离圆心的距离
radius  饼图的半径

plt.pie(num, autopct="%.2f %%"， explode = [0, 0.1, 0])

4.3 箱线图

发现数据的分散情况

 boxplot(x)
 # 一些参数
 notch 是否有缺口
 vert 表示图形是横向纵向
 
num = data["values"][:, 3]
plt.boxplot(num)
plt.show()