為了能學會正確使用matplotlib進行繪制各種圖形,并對數據可視化有一個更深的了解,本篇文章給大家帶來的就是數據分析常見圖形繪制部分.
我們仍然從`函數功能`、`實例代碼`、`參數講解`、`效果演示`四個層面來介紹每一種統計圖,希望能給每個學習數據分析的小伙伴帶來幫助.
#### bar()函數
##### 1.函數功能
繪制柱狀圖,主要用來比較不同類別之間的數據情況。
##### 2. 參數詳解
plt.bar(x,height,width=0.8,bottom=None,*, *align='center'*, *data=None*, **kwargs)
- x：在什么位置顯示柱形圖;
- height：每根柱子的高度;
- width：每根柱子的寬度，可以一樣，也可以各不相同;
- bottom：每根柱子底部位置，可以一樣，也可以各不相同;
- align：柱子的位置與x值的關系，有center、edge可選;
- color: 柱形的顏色
- edgecolor:柱子邊緣顏色的設置
- linewidth: 柱形邊緣線的線條寬度
- tick_label:柱形的刻度標簽
- hatch：表示刻度陰影類型主要有這些類型:`/`、`*`、`.`、`|`、`-`、`+`、`x`、`o`、`O`
##### 3.演示代碼
import matplotlib as mpl
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Simhei']
# 中文情況下 負號顯示會有異常 所以還需要設置負號的操作
plt.rcParams['axes.unicode_minus'] = False
x = ['a','b','c','d','e','f','g','h']
y = np.random.randint(1,10,8)
plt.bar(x,y,align='center',color='c',edgecolor='r',hatch='/')
plt.xlabel('編號')
plt.ylabel('滿意度')
plt.show()
##### 4.效果
**錯位柱狀圖**
import numpy as np
import matplotlib.pyplot as plt
# 準備數據
men_means, men_std = (20, 35, 30, 35, 27), (2, 3, 4, 1, 2)
women_means, women_std = (25, 32, 34, 20, 25), (3, 5, 2, 3, 3)
# 計算數據個數
ind = np.arange(len(men_means)) # the x locations for the groups
# 定義柱形的寬度
width = 0.35 # the width of the bars
# 繪制兩個柱狀圖
fig, ax = plt.subplots()
rects1 = ax.bar(ind - width/2, men_means, width, yerr=men_std,
color='SkyBlue', label='Men')
rects2 = ax.bar(ind + width/2, women_means, width, yerr=women_std,
color='IndianRed', label='Women')
# 添加一些文本標簽,標題,定制x軸的刻度等
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(ind)
ax.set_xticklabels(('G1', 'G2', 'G3', 'G4', 'G5'))
ax.legend()
**堆疊柱狀圖**
import numpy as np
import matplotlib.pyplot as plt
# 準備數據
men_means, men_std = (20, 35, 30, 35, 27), (2, 3, 4, 1, 2)
women_means, women_std = (25, 32, 34, 20, 25), (3, 5, 2, 3, 3)
# 計算數據個數
ind = np.arange(len(men_means))
# 定義柱形的寬度
width = 0.35
p1 = plt.bar(ind, menMeans, width, yerr=menStd)
p2 = plt.bar(ind, womenMeans, width,bottom=menMeans, yerr=womenStd)
plt.ylabel('Scores')
plt.title('Scores by group and gender')
plt.xticks(ind, ('G1', 'G2', 'G3', 'G4', 'G5'))
plt.yticks(np.arange(0, 81, 10))
plt.legend((p1[0], p2[0]), ('Men', 'Women'))
plt.show()
現有部分租房數據,給大家過濾出兩列,分別是price 和 date,分析每年的租房均值
import pandas as pd
listdf=pd.read_excel('listings.xlsx')
data = listdf[['price','date']].dropna()
data['year'] = data['date'].dt.year
r = data.groupby(by='year').mean()
plt.bar(r.index,r.values.reshape(len(r)),alpha=0.6,width = 0.8, facecolor = 'deeppink', edgecolor = 'green', lw=1, label='租房分析')
plt.legend(loc=2)
plt.show()
效果:
**刻度傾斜**
...
plt.bar(r.index,r.values.reshape(len(r)),alpha=0.6,width = 0.8, facecolor = 'deeppink', edgecolor = 'green', lw=1, label='租房分析')
plt.legend(loc=2)
plt.xticks(rotation=45)
plt.show()
```
效果:
**添加數據標簽**
y = r.values.reshape(len(r))
b = plt.bar(r.index,y,alpha=0.6,width = 0.8, facecolor = 'deeppink', edgecolor = 'green', lw=1, label='租房分析')
# 添加數據標簽 就是矩形上面的數值
def add_labels(rects):
for rect in rects:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width()/2, height, height, ha='center', va='bottom')
rect.set_edgecolor('white')
add_labels(b)
plt.legend(loc=2)
plt.xticks(rotation=45)
plt.show()
### barh()函數
##### 1.函數功能
繪制條形圖
##### 2. 參數詳解
繪制條形圖`plt.barh(x,y)`
- x：在y軸上顯示的類別
- y：各個類別的數量值
##### . 實例代碼
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.rcParams['font.sans-serif'] = ['SimHei']
x = [1,2,3,4,5,6,7,8]
y = [2,3,4,9,1,2,6,4]
plt.barh(x,y,tick_label=['a','b','c','d','e','f','g','h'],color='m')
plt.xlabel('評分')
plt.ylabel('編號')
plt.show()
##### 4. 效果演示
### hist()函數
##### 1.函數功能
繪制直方圖
**2.參數詳解**
繪制直方圖`plt.hist(x,bins,color,alpha)`
- x：數據集，直方圖會對該數據集的大小按區間進行歸類
- bins：數據集的分隔區間
- color：直方圖的顏色
- alpha：直方圖顏色的透明度
- rwidth: 柱子之間的距離
##### 3. 實例代碼
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
x = np.random.randint(0,100,100) # 生成范圍在【0~100】之間100個數據
bins = np.arange(0,101,10) # 生成數組[0 10 20 ... 100]，里面是間隔為10的十個數
plt.hist(x,bins,color='m',alpha=0.5,rwidth=0.8)
plt.xlabel('分數段')
plt.ylabel('人數')
plt.title("各分數段人數分布")
plt.show()
> 直方圖與柱形圖相似但不同，直方圖表示的是離散型數值的區間分布情況;更多關于直方圖hist的教程請參考官方文檔。
> range與arange的區別：
> arange函數返回的是numpy里定義的數組，數組每一個元素的數據類型一致。range在Python2與Python3里有著不同的功能。Python2里的range返回的是列表，而Python3里的range返回的是可迭代的對象，通常使用for循環將其輸出。
##### 4. 效果演示
### pie()函數
##### 1.函數功能
繪制餅圖，顯示不同類別所占百分比。
**2.參數說明：**
繪制餅圖`plt.pie(x,explode,labels,autopct,startangle)`
- x：每一塊的比例，如果sum(x)>1，會對sum(x)進行歸一化操作。
- explode：每一塊離開中心的距離
- labels：每一塊外側顯示的標簽文字
- autopct：控制餅圖百分比設置，可以使用format字符串表示，`%1.1f%%`小數點前后各一位(沒有用空格補齊)
- startangle：起始繪制角度，默認從x軸正方向逆時針畫起，若設定90度則從y軸正方向畫起。
##### 3. 實例代碼
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
labels = ['房貸','育兒','飲食','交通','娛樂','其它']
sizes = [5,1,2,0.5,0.8,1.5]
explode = (0,0.1,0,0,0,0)
plt.pie(x=sizes,explode=explode,labels=labels,autopct='%1.1f%%',startangle=150)
plt.title("餅圖-家庭支出情況")
plt.axis('equal')
# 添加圖例
plt.legend(loc="upper right",fontsize=10,bbox_to_anchor=(1.1,1.05),borderaxespad=0.3)
plt.show()
##### 4. 效果演示
### scatter()函數
##### 1.函數功能
用于繪制氣泡圖，二維數據借助氣泡大小展示三維數據。
##### **2.參數說明：**
繪制氣泡圖：`plt.scatter(a,b,c,s,cmap)`
- a：x軸上的離散數值，固定長度的數組。
- b：y軸上的離散數值，固定長度的數組。
- c：氣泡的顏色，可以是固定顏色也可以是一個數組。
- s：氣泡的大小，用于記錄第三維度的函數關系。
- cmap：顏色映射表，可以簡單理解成配色方案。
##### 3. 實例代碼
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 顯示中文
mpl.rcParams['axes.unicode_minus'] = False # 為了坐標軸負號正常顯示
a = np.random.randn(100)
b = np.random.randn(100)
plt.style.use('ggplot') # 設置繪圖風格
plt.scatter(a,b,c=np.random.rand(100),cmap='jet',s=100*(a**2+b**2),alpha=0.7)
plt.colorbar()
plt.title('氣泡圖')
plt.show()
> matplotlib默認不支持中文，設置中文字體后，負號會顯示異常。需要手動將坐標軸負號設為False才能正常顯示負號。
##### 4. 效果演示
繪制不同顏色的散點圖
colrs = ['red', 'blue','yellow']
labels = ['red', 'blue','yellow']
d1 = np.random.randn(10,3) # 10行，2列的ndarray，一行代表一個點
d2 = np.array([0,1,0,1,1,1,0,1,0,0])
# 循環的目的是區分，循環一次就畫一種類的所有點
# d2==0時，點的顏色是red，圖例是red
# d2==1時，點的顏色是blue,圖例是blue
for i in range(d1.shape[1]): # shape[1]的值是2，即便利兩次
plt.scatter(d1[d2==i,0]
,d1[d2==i,1]
,s=50
,c=colrs[i]
,label = labels[i],alpha=0.4)
plt.legend('散點圖')
plt.show()
### polar()函數
##### 1.函數功能
繪制雷達圖(極線圖)
##### **2.參數說明：**
繪制雷達圖`plt.polar(theta,r,marker)`
- theta：在極坐標系下坐標點的角度
- r：在極坐標系下坐標點與極點的距離
- marker：定義各個點的樣式
##### 3. 實例代碼
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
plt.style.use('ggplot') # 設置繪圖風格
theta = np.array([0.25,0.75,1,1.5,0.25]) # 定義各個點的極角,注意最后要閉合
r = [20,60,40,60,20] # 定義各個點極徑的長度
plt.polar(theta*np.pi,r,'r-',lw=1,marker='o') # 設置雷達圖路徑，r-表示紅色實線
plt.fill(theta*np.pi,r,c='c',alpha=0.4) # 填充雷達圖，課設置顏色與透明度
plt.ylim(0,100) # 設置極坐標軸的范圍
plt.title('雷達圖',fontsize=12)
plt.show()
##### 4. 效果演示
參考示例 1:
labels = np.array(['a','b','c','d','e','f']) # 標簽
dataLenth = 6 # 數據長度
data1 = np.random.randint(0,10,6)
data2 = np.random.randint(0,10,6) # 數據
angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False) # 分割圓周長
data1 = np.concatenate((data1, [data1[0]])) # 閉合
data2 = np.concatenate((data2, [data2[0]])) # 閉合
angles = np.concatenate((angles, [angles[0]])) # 閉合
plt.polar(angles, data1, 'o-', linewidth=1) #做極坐標系
plt.fill(angles, data1, alpha=0.25)# 填充
plt.polar(angles, data2, 'o-', linewidth=1) #做極坐標系
plt.fill(angles, data2, alpha=0.25)# 填充
plt.thetagrids(angles * 180/np.pi, labels) # 設置網格、標簽
plt.ylim(0,10) # polar的極值設置為ylim
參考示例 2
import numpy as np
import matplotlib.pyplot as plt
# 開始設定一些數據
#標簽
labels = np.array(['藝術A','調研I','實際R','常規C','企業E','社會S'])
#數據個數
dataLenth = 6
#數據
data = np.array([1,4,3,6,4,8])
angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False)
data = np.concatenate((data, [data[0]])) # 閉合
angles = np.concatenate((angles, [angles[0]])) # 閉合
fig = plt.figure()
ax = fig.add_subplot(111, polar=True)# polar參數!!
ax.plot(angles, data, 'bo-', linewidth=2)# 畫線
ax.fill(angles, data, facecolor='r', alpha=0.25)# 填充
ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei")
ax.set_title("matplotlib雷達圖", va='bottom', fontproperties="SimHei")
ax.set_rlim(0,10)
ax.grid(True)
plt.show()
### stem()函數
##### 1.函數功能
用于繪制棉棒圖
##### 2.參數說明
繪制棉棒圖`plt.stem(x,y,linefmt,markerfmt,basefmt)`
- x：指定x軸的位置
- y：設置棉棒的長度
- linefmt：棉棒的樣式
- markerfmt：棉棒末端的樣式
- basefmt：棉棒基線的樣式
##### 3.實例代碼
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)
plt.stem(x,y,linefmt='-.',markerfmt='o',basefmt='-')
plt.title('棉棒圖')
plt.show()
##### 4.效果演示
### boxplot()函數
##### 1.函數功能
用于繪制箱線圖
##### 2.參數說明：
繪制箱線圖`plt.boxplot(x,labels)`
- x：輸入的數據
- label：圖例
##### 3.實例代碼
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
x1 = np.random.randn(100)
x2 = np.random.randn(100)
x3 = np.random.randn(100)
labels = ['第一','第二','第三']
plt.boxplot([x1,x2,x3],labels=labels)
plt.grid(axis='y',ls=':',lw=1,c='g',alpha=0.4)
plt.title('箱線圖')
plt.show()
##### 4.效果演示
### errotbar()函數
##### 1.函數功能
用于繪制誤差棒圖
##### 2.參數說明
繪制誤差棒圖`plt.errorbar(x,y,fmt,yerr,xerr,ecolor,mfc,mec,capthick,capsize)`
- x：數據點的水平位置
- y：數據點的垂直位置
- fmt：數據點的標記樣式和數據點標記的連接線樣式
- xerr：x軸方向數據點的誤差計算方法
- yerr：y軸方向數據誤差點的計算方法
- ecolor：誤差棒的顏色
- mfc：數據點的標記顏色
- mec：數據點標記邊緣顏色
- capthick：誤差棒邊界橫杠的厚度
- capsize：誤差棒邊界橫杠的大小
##### 3.實例代碼
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
x = np.linspace(0.1,0.6,6)
y = np.exp(x)
plt.errorbar(x,y,fmt='o:',yerr=0.2,xerr=0.02,ecolor='g',mfc='c',mec='r',capthick=2,capsize=3)
plt.xlim(0,0.7)
plt.title('誤差棒圖')
plt.show()
##### 4.效果演示
更多關于“Python培訓”的問題，歡迎咨詢千鋒教育在線名師。千鋒教育多年辦學，課程大綱緊跟企業需求，更科學更嚴謹，每年培養泛IT人才近2萬人。不論你是零基礎還是想提升，都可以找到適合的班型，千鋒教育隨時歡迎你來試聽。
京公網安備 11010802030320號