本文主要是介绍第二十四天-数据可视化Matplotlib，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
1.介绍
2.使用
1. 安装：
2.创建简单图表
3.图表类型
1.一共分为7类
2.变化
1.折线图
3.分布
编辑
1.直方图
2.箱型图
4.关联
1. 散点图：
2.热力图：
5.组成
1.饼图
2.条形图
6.分组
1.簇型散点图
2.分组条形图
3.分组条形图不覆盖
7.偏差
1.发散条形图
2.面积图
8.排序
1.介绍
1. 数据可视化相关库
2.Matplotlib
1. 官网：http://matplotlib.org
2.中文网：http://matplotlib.org.cn
2.使用
1. 安装：
pip install matplotlib
import matplotlib.pyplot as plt
2.创建简单图表
# 创建画板， 2行1列的图表 sharex:共享x轴，sharey：共享y轴
fig, axs = plt.subplots(2, 1)# 生成数据
data = np.random.randn(100)# 选取第一个画布,填充数据
axs[0].hist(data, bins=50, color="red")
axs[1].plot(data, color="red")#参数设置
#设置标题
axs[0].set_title("chart1")
axs[1].set_title("chart2")
#设置x轴y轴名称
axs[0].set_xlabel("value")
axs[0].set_ylabel("freq")
axs[1].set_xlabel("index")
axs[1].set_ylabel("value")#设置间距,避免名称重叠
fig.tight_layout()plt.show()
3.图表类型
1.一共分为7类
2.变化
1.折线图
# coding:utf-8import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np import pandas as pd# 设置显示中文mpl.rcParams["font.family"] = "FangSong" # 设置字体 mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig, ax = plt.subplots(1, 1)# 模拟数据 datas = pd.date_range("2018-01-01", "2021-01-01", freq="M")def get_price(size):return np.cumsum(np.random.randn(size))price = [get_price(datas.size), get_price(datas.size), get_price(datas.size)] data = pd.DataFrame(price).Tdata.index = datas#填充顔色，设置面积图 for p in price:plt.fill_between(datas, y1=p)# 折线图 plt.plot(data)# 设置x轴lable为斜线 fig.autofmt_xdate()# 设置x，y轴坐标标签 ax.set_title("折线图") fig.tight_layout()plt.show()
3.分布
1.直方图
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as npmpl.rcParams["font.family"] = "FangSong" # 设置字体
mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig,ax=plt.subplots(1,1)#模拟数据,5行5列数据
data=np.round(np.random.random(25).reshape(5,5),1)
#直方图
plt.hist(data)#设置x，y轴坐标标签
ax.set_title("产品级别图")
#明确设置x，y轴数量fig.tight_layout()plt.show()
2.箱型图
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as npmpl.rcParams["font.family"] = "FangSong" # 设置字体
mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig,ax=plt.subplots(1,1)#模拟数据,5行5列数据
data=np.round(np.random.random(25).reshape(5,5),1)
#直方图
plt.boxplot(data)#设置x，y轴坐标标签
ax.set_title("箱型图")
#明确设置x，y轴数量fig.tight_layout()plt.show()
4.关联
使用：
1. 散点图：
坐标轴为数值型数据
import matplotlib.pyplot as plt import numpy as np#绘制散点图x = np.random.randn(100) y = np.random.randn(100)*1.5 plt.scatter(x=x,y=y,color="red",marker="+") #限制x、y轴显示范围 plt.xlim(-2,2) plt.ylim(-2,2)#显示网格 plt.grid()plt.show()
2.热力图：
类别型数据，体现的是2组变量的关联性
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as npmpl.rcParams["font.family"] = "FangSong" # 设置字体
mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig,ax=plt.subplots(1,1)
# 绘制热力图
# 定义x轴，y轴内容
# x轴为 等级
x_lable = ["1级", "2级", "3级", "4级", "5级"]
# y轴为 产品
y_lable = ["产品1", "产品2", "产品3", "产品4", "产品5"]
#模拟数据,5行5列数据
data=np.round(np.random.random(25).reshape(5,5),1)
#热点图
plt.imshow(data)#轮流锁定单元格，设置单元格文字
for i in np.arange(len(x_lable)):for j in np.arange(len(y_lable)):plt.text(i,j,data[i][j],color="w",ha="center",va="center")#设置x，y轴坐标标签
ax.set_title("产品级别图")
#明确设置x，y轴数量
ax.set_xticks(np.arange(len(x_lable)))
ax.set_yticks(np.arange(len(y_lable)))
ax.set_xticklabels(x_lable)
ax.set_yticklabels(y_lable)fig.tight_layout()plt.show()
5.组成
1.饼图
# coding:utf-8import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd# 设置显示中文mpl.rcParams["font.family"] = "FangSong" # 设置字体
mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig, ax = plt.subplots(1, 1)# 模拟数据
data = [0.1, 0.2, 0.3, 0.4]#绘制饼图，labels为每一项的名称 explode:突出值 autopct：格式化百分比, textprops字体格式
plt.pie(data,labels=["a","b","c","d"],explode=[0,0.2,0,0],autopct="%.1f%%",shadow=True,textprops={"size":"small"})# 设置x轴lable为斜线
fig.autofmt_xdate()# 设置x，y轴坐标标签
ax.set_title("折线图")
fig.tight_layout()plt.show()
2.条形图
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import pandas as pd# 设置显示中文mpl.rcParams["font.family"] = "FangSong" # 设置字体
mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig, ax = plt.subplots(1, 1)# 模拟数据
data = [0.1, 0.2, 0.3, 0.4]
labels = ["a", "b", "c", "d"]
# 绘制条形图 color：设置条形颜色
plt.bar(labels, data, color=["r", "y", "b", "g"])# 显示条形上的文字
for x, y in zip(labels, data):plt.text(x, (y / 2), y)
# 设置x轴lable为斜线
fig.autofmt_xdate()# 设置x，y轴坐标标签
ax.set_title("条形图")
fig.tight_layout()plt.show()
6.分组
1.簇型散点图
import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np import pandas as pd# 设置显示中文mpl.rcParams["font.family"] = "FangSong" # 设置字体 mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig, ax = plt.subplots(1, 1)# 模拟数据 a_x=np.random.random(100)+1 a_y=np.random.random(100)+1.5 a_x1=np.random.random(200)+2.1 a_y1=np.random.random(200)+1.7#绘制散点图分组 plt.scatter(a_x,a_y) plt.scatter(a_x1,a_y1) # 设置x轴lable为斜线 fig.autofmt_xdate()fig.tight_layout()plt.show()
2.分组条形图
import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np import pandas as pd# 设置显示中文mpl.rcParams["font.family"] = "FangSong" # 设置字体 mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig, ax = plt.subplots(1, 1)# 模拟数据 x=["a","b","c","d"] y1=[1,2,3,4] y2=[4,3,2,1] #绘制图形 plt.bar(x,y1) plt.bar(x,y2)fig.autofmt_xdate()fig.tight_layout()plt.show()
3.分组条形图不覆盖
import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np import pandas as pd# 设置显示中文mpl.rcParams["font.family"] = "FangSong" # 设置字体 mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig, ax = plt.subplots(1, 1)# 模拟数据axis1=[1,2,3,4] axis2=[1.2,2.2,3.2,4.2]y1=[1,2,3,4]y2=[4,3,2,1] #绘制图形 plt.bar(axis1,y1,width=0.2) plt.bar(axis2,y2,width=0.2)fig.autofmt_xdate()fig.tight_layout()plt.show()
7.偏差
1.发散条形图
# coding:utf-8import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np import pandas as pd# 设置显示中文mpl.rcParams["font.family"] = "FangSong" # 设置字体 mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig, ax = plt.subplots(1, 1)# 模拟数据 #绘制 y=["a","b","c","d"] data=[-1,2,0.5,4] data.sort() plt.hlines(y=y,xmin=0,xmax=data,colors=["r","b","y","g"])#设置网格 plt.grid(linestyle="--",alpha=0.5)# 设置x轴lable为斜线 fig.autofmt_xdate()fig.tight_layout()plt.show()
2.面积图
mpl.rcParams["font.family"] = "FangSong" # 设置字体
mpl.rcParams["axes.unicode_minus"] = False # 正常显示负号fig, ax = plt.subplots(1, 1)# 模拟数据
#绘制
datas = pd.date_range("2018-01-01", "2021-01-01", freq="M")def get_price(size):return np.cumsum(np.random.randn(size))price ={"price":get_price(datas.size)}pd=pd.DataFrame(index=datas,data=price)plt.plot(pd["price"])
#填充面积颜色
plt.fill_between(pd.index,pd["price"],0)# 设置x轴lable为斜线
fig.autofmt_xdate()fig.tight_layout()
8.排序
这篇关于第二十四天-数据可视化Matplotlib的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
