Matplotlib（基本用法）

Matplotlib 是数据分析绘图的常见模块，可以算是 2D-绘图（Python）领域使用最广泛的套件，可以将数据图形化，并且提供多样化的输出格式，利于数据的显示并分析。

接下来展示的是Matplotlib 常见绘制的图形，也是我自己对知识的一种总结。

# 模块的导入

import matplotlib.pyplot as plt 

import numpy as np 

matplotlib经常会遇到中文显示不出来的问题，中文乱码设置一般在设置样式之后，之前一直没注意顺序，导致一直没看到效果（）

# 设置样式
plt.style.use('seaborn')
# 设置中文乱码 
plt.rcParams['font.sans-serif'] = 'KaiTi'
plt.rcParams['font.sans-serif'] = ['SimHei']  #用来正常显示中文标签
# 忽视警告
import warnings 
warnings.filterwarnings('ignore')

绘制折线图，折线图可以直观得对比数据间的变化

# 构造数据
breakfast = [4,8,8,6,10,4]
lunch = [25,10,10,15,50,15]
dinner = [20,30,10,30,50,40]

# 绘制折线图
plt.plot(breakfast,label='breakfast',linewidth=4,c='green')
plt.plot(lunch,label='lunch',linewidth=4,c='blue')
plt.plot(dinner,label='dinner',linewidth=4,c='pink')

# 设置样式 x_ticks = [f’星期{i}’ for i in range(1,7)] plt.xticks(ticks=range(6),labels=x_ticks) # x轴刻度值所一一对应的值 plt.ylabel(‘消费金额：单位（元）’) plt.title(‘深圳社畜每天三餐的消费’) #添加图例upper right 右上角 边框 透明度 阴影 边框宽度 plt.legend(loc=’upper right’,fancybox=True,framealpha=1,shadow=True,borderpad=1)

 绘制曲线图 

# 绘制曲线图
plt.figure(figsize=(15,5)) # 设置画布
x = np.linspace(1,10,num=100)
plt.subplot(1,3,1)  # 添加分布 1行3列 第1列画布绘制
plt.plot(x,np.sin(x),linewidth='7',color='blue') # 正弦
plt.subplot(1,3,2)  # 第2列画布绘制
plt.plot(x,np.cos(x),linewidth='7',color='red') # 余弦
plt.subplot(1,3,3) # 第3列画布绘制
plt.plot(x,np.tanh(x),linewidth='7',color='green') # 正切

 绘制散点图 一般用于查看数据是否线性相关 中间可以添加直线分析

# 绘制散点图
x = np.random.rand(100) # rand：服从“0~1”均匀分布的随机样本值均匀分布
y = np.random.rand(100)
colors = np.random.rand(100) 
sizes = np.random.rand(100)*400
plt.scatter(x,y,c=colors,s=sizes)

绘制条形图 可以多数据（例如每一年4个季度，一起比较分析）

# 绘制纵向条形图
x=[2020,2025,2030,2035]
y=[1000,3000,4000,5000]

plt.figure(figsize=(15,5)) # 设置画布

plt.subplot(1,2,1)
plt.xticks(x,[f'{x}年' for x in x]) # 横坐标的刻度尺
plt.bar(x,y,width=3)
plt.xlabel('年') # 横坐标标签
plt.ylabel('销量') # 纵坐标标签
plt.title('根据年份销量对比图')

# 绘制横向条形图
plt.subplot(1,2,2)
plt.yticks(x,[f'{x}年' for x in x]) 
bars = plt.barh(x,y,height=3,color='lightblue')
for bar,d in zip(bars,y):
    x = bar.get_width() + bar.get_width()*0.01
    y = bar.get_y() + bar.get_height()/3
    text_data = d
    plt.text(x,y,text_data,fontsize=13)
plt.xlabel('销量') 
plt.ylabel('年')
plt.title('根据年份销量对比图') 

绘制饼图 直观分辨哪个数据所占比份最重

# 构造数据
全市 = 17560061
福田区 = 1553225/全市
罗湖区 = 1143801/全市
盐田区 = 214225/全市
南山区 = 1795826/全市
宝安区 = 4476554/全市
龙岗区 = 3979037/全市
龙华区 = 2528872/全市
坪山区 = 551333/全市
光明区  = 1095289/全市
大鹏新区 = 156236/全市

explode = (0, 0, 0, 0, 0, 0.1, 0, 0, 0, 0)
labels = ['福田区','罗湖区','盐田区','南山区','宝安区','龙岗区','龙华区','坪山区','光明区','大鹏新区']
paches,texts,autotexts = plt.pie([福田区,罗湖区,盐田区,南山区,宝安区,龙岗区,龙华区,坪山区,光明区,大鹏新区],
        autopct='%0.1f%%',
        labels=labels,
        explode=explode)
plt.title('深圳市第七次全国人口普查——分区人口情况')

for text in texts:
    text.set_fontsize(10)
    text.set_color('blue')

for t in autotexts:
    t.set_fontsize(10)
    t.set_color('white')

绘制直方图

# 绘制直方图
x = np.random.rand(100)

plt.hist(x,bins=10,align='mid',rwidth=0.8,histtype='barstacked') # rwidth 控制着间隙的宽度

绘制盒图 盒图经常用于观察数据的离散程度 上下两条横线代表最大最小值，上方的空心圆代表异常值

# 绘制盒图
data = [np.random.normal(0,i,100) for i in range(1,4)]
# vert：是否需要将箱线图垂直摆放，默认垂直摆放
# notch：是否是凹口的形式展现箱线图，默认非凹口
plt.boxplot(data,vert=True,notch=True) 
plt.title('boxplot')
plt.xticks([1,2,3],['box1','box2','box3']) # 横坐标三个刻度尺，分别对应三个值

# 绘制三维图 

from mpl_toolkits.mplot3d import Axes3D
x = np.linspace(-10,10,100)
y = np.linspace(-10,10,100)
X,Y = np.meshgrid(x,y) # 网格线
z = np.sqrt(X**2+Y**2)
ax = Axes3D(plt.figure())
ax.plot_surface(x,y,z)