如何使用matplotlib让你的数据更加生动

1 引言

matplotlib 是 python 中最受欢迎的数据可视化软件包之一，支持跨平台运行，它是 python 常用的 2d 绘图库，同时它也提供了一部分 3d 绘图接口。matplotlib 通常与 numpy、pandas 一起使用，是数据分析中不可或缺的重要工具之一。

本文就日常生活中常见的业务场景进行展开讨论，更详尽的说明可以参考文档。

2 折线图

折线图（line chart）是我们日常工作、学习中经常使用的一种图表，它可以直观的反映数据的变化趋势。

可视化结果：

直线：左上直线图形显示。曲线：右上带有样式变化和标记的折线预览。

代码如下：

def draw_line():
    n = 8
    t = np.linspace(0, 1, n)
    fig, (axa, axb) = plt.subplots(1, 2)
    # line
    axa.plot(t, t, marker = 'o')
    axa.set_title('line')
    # curve
    axb.plot(t, t, linestyle='--', marker='*',c='r', label='linear')
    axb.plot(t, t**2, linestyle='-.', marker='d',c='c', label='quadratic')
    axb.plot(t, t**3, linestyle=':', marker='^',c='y', label='cubic')
    axb.set_title('curve')
    plt.legend()
    plt.show()

函数说明：

plot([x], y, [fmt], data=none, **kwargs)

可选参数[fmt] 是一个字符串来定义图的基本属性如：颜色（color），点型（marker），线型（linestyle）
对于颜色 color=‘r’ 代表red 表示红色；color=‘c’ 代表cyan 表示蓝绿；color=‘y’ 代表yellow表示黄色
对于线型 linestyle=’–’ 代表dashed line style 为虚线；linestyle=’-.‘代表 dash-dot line style 为点画线； linestyle=’:’ 代表dotted line style 为点线

3 散点图

散点图用于在水平轴和垂直轴上绘制数据点，它表示了因变量随自变量变化的趋势。通俗地讲，它反映的是一个变量受另一个变量的影响程度。

可视化结果：

散点图：左上散点图可视化，带有颜色变化。气泡图：右上带有颜色变化和刻度的气泡图。

代码如下：

def  draw_scatter():
    n = 128
    x = np.random.rand(n)
    y = np.random.rand(n)
    c = np.random.rand(n)
    s = np.random.rand(n)
    s = np.pi*(32*s)**2
    
    cmapdisp = cm.get_cmap('rainbow')
    fig, (axa, axb) = plt.subplots(1, 2)
    # scatter
    axa.scatter(x, y, s=8,c=cmapdisp(c),alpha=0.75)
    axa.set_title('scatter')
    # bubble
    axb.scatter(x, y, c=cmapdisp(c), s=s, alpha=0.25, edgecolors='none')
    axb.set_title('bubble')
    plt.show()

函数说明：

scatter(x, y, s=none, c=none, marker=none, cmap=none, norm=none, vmin=none, vmax=none, alpha=none, linewidths=none, verts=none, edgecolors=none, *, data=none, **kwargs)

x，y：表示的是大小为(n,)的数组，也就是我们即将绘制散点图的数据点
s:是一个标量实数或者是一个数组大小为(n,)，表示点的大小。
c:表示的是颜色，是一个可选项。默认是蓝色’b’,表示的是标记的颜色，或者可以是一个表示颜色的字符，或者是一个长度为n的表示颜色的序列等等
marker:表示的是标记的样式，默认的是’o’。
alpha：实数，0-1之间。点的透明度，透明度设置的好能够使图好看。

4 柱状图

柱状图是一种用矩形柱来表示数据分类的图表，柱状图可以垂直绘制，也可以水平绘制，它的高度与其所表示的数值成正比关系。柱状图显示了不同类别之间的比较关系，图表的水平轴 x 指定被比较的类别，垂直轴 y 则表示具体的类别值。

可视化结果：

柱状图：左上图形以组合在一起的平行柱状图显示。

堆叠柱状图：右上图形显示在堆叠的柱状图上。

代码如下：

def  draw_bar():
    n = 8
    hx = np.random.randint(18, 65, size=n)
    mx = np.random.randint(18, 65, size=n)
    hs = np.random.randint(1, 5, size=n)
    ms = np.random.randint(1, 5, size=n)
    indice = np.arange(n) + 1
    igrupos = ['g{}'.format(g) for g in indice]
    iidades = np.arange(0, 80, 5)
    larg = 0.25
    fig, (axa, axb) = plt.subplots(1, 2)
    # bar
    axa.bar(indice - larg, hx, width=larg, yerr=hs,color='c', align='edge', label='man')
    axa.bar(indice, mx, width=larg, yerr=ms, color='r', align='edge', label='women')
    axa.set_title('bar')
    axa.set_xticks(indice)
    axa.set_yticks(iidades)
    axa.set_xticklabels(igrupos)
    axa.legend()
    # barras
    axb.bar(indice, hx, color='c', label='man', yerr=hs)
    axb.bar(indice, mx, color='r', bottom=hx, label='women', yerr=ms)
    axb.set_title('barras ')
    axb.set_xticks(indice)
    axb.set_xticklabels(igrupos)
    axb.set_yticks(iidades*2)
    axb.legend()
    plt.show()

函数说明：

bar(x, height, width, bottom, align)

x :一个标量序列，代表柱状图的x坐标，默认x取值是每个柱状图所在的中点位置，或者也可以是柱状图左侧边缘位置。
height: 一个标量或者是标量序列，代表柱状图的高度。
width: 可选参数，标量或类数组，柱状图的默认宽度值为 0.8。
bottom: 可选参数，标量或类数组，柱状图的y坐标默认为none。
algin: 有两个可选项 {“center”,“edge”}，默认为 ‘center’，该参数决定 x 值位于柱状图的位置。
bottom: 该参数可以指定柱状图开始堆叠的起始值，一般从底部柱状图的最大值开始，依次类推
yerr: 可选参数，这里针对垂直型误差，以误差棒的形式显示

5 饼状图

饼状图用来显示一个数据系列，具体来说，饼状图显示一个数据系列中各项目的占项目总和的百分比。

可视化结果：

饼图：左上玫瑰图显示两层信息（外层标签和内层比例分布）。

雷达图：右上雷达图形显示，具有基于中心的值和基于径向的变化。

代码如下：

def test_pie():
    etiqueta = list('abcdefghijkl')
    m, n = 128, len(etiqueta)
    valor = np.random.random(n)*0.9 + 0.1
    var = np.random.random(m)
    # param
    cmapradial = cm.get_cmap('magma')
    theta = 2*np.pi*np.arange(n)/n
    omega = 2*np.pi*np.arange(m)/m
    valor_ = np.append(valor, [valor[0]])
    var_ = np.append(var, [var[0]])
    theta_ = np.append(theta, [theta[0]])
    omega_ = np.append(omega, [omega[0]])
    raio = 1.25
    mult = 0.15
    # draw
    fig = plt.figure()
    axa = fig.add_subplot(121, aspect='equal')
    axb = fig.add_subplot(122, projection='polar')    
    # pizza 
    axa.pie(valor, labels=etiqueta, pctdistance=0.9,autopct='%1.1f%%', radius=1.1)
    axa.pie(var, radius=0.9, colors=cmapradial(var))
    axa.set_title('pizza')
    centro = plt.circle((0,0), 0.75, fc='white')
    axa.add_patch(centro)    
    # radar
    axb.plot(theta_, valor_, marker='o', color='black', label='variable')
    axb.fill_between(theta_, 0, valor_, facecolor='black', alpha=0.25)
    axb.plot(omega_, raio + var_*mult, color='y', label='change')
    axb.plot(omega_, raio - var_*mult, color='y')
    axb.fill_between(omega_, raio - var_*mult, raio + var_*mult,facecolor='y', alpha=0.25)
    axb.set_title('radar')
    axb.set_xticks(theta)
    axb.set_xticklabels(etiqueta)
    axb.set_rticks(np.linspace(0, 1.5, 7))
    axb.legend()
    plt.show()

函数说明：

pie(x, labels=none, colors=none, autopct=none, pctdistance=0.6, labeldistance=1.1, radius=none)

x: 数组序列，数组元素对应扇形区域的数量大小。
labels: 列表字符串序列，为每个扇形区域备注一个标签名字。
color : 为每个扇形区域设置颜色，默认按照颜色周期自动设置。
autopct :控制饼图内百分比设置,可以使用format字符串或者format function
‘%1.1f’指小数点前后位数(没有用空格补齐)
labeldistance :label标记的绘制位置,相对于半径的比例，默认值为1.1, 如<1则绘制在饼图内侧；
pctdistance :类似于labeldistance,指定autopct的位置刻度,默认值为0.6；
radius :控制饼图半径，默认值为1；

6 总结

本文详细地介绍了使用matplotlib画折线图、散点图、饼状图以及柱状图的样例，并给出了相关可视化效果。

到此这篇关于如何使用matplotlib让你的数据更加生动的文章就介绍到这了,更多相关matplotlib数据更生动内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！

黄山市民网：https://www.huangshanshimin.com/

目录

1 引言

2 折线图

3 散点图

4 柱状图

5 饼状图

6 总结

相关文章