如何使用matplotlib讓你的數(shù)據(jù)更加生動
1 引言
Matplotlib 是 Python 中最受歡迎的數(shù)據(jù)可視化軟件包之一，支持跨平臺運(yùn)行，它是 Python 常用的 2D 繪圖庫，同時它也提供了一部分 3D 繪圖接口。Matplotlib 通常與 NumPy、Pandas 一起使用，是數(shù)據(jù)分析中不可或缺的重要工具之一。
本文就日常生活中常見的業(yè)務(wù)場景進(jìn)行展開討論，更詳盡的說明可以參考文檔。
2 折線圖
折線圖（line chart）是我們?nèi)粘９ぷ鳌W(xué)習(xí)中經(jīng)常使用的一種圖表，它可以直觀的反映數(shù)據(jù)的變化趨勢。
可視化結(jié)果：
直線：左上直線圖形顯示。曲線：右上帶有樣式變化和標(biāo)記的折線預(yù)覽。
代碼如下：
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()
函數(shù)說明：
plot([x], y, [fmt], data=None, **kwargs)
- 可選參數(shù)[fmt] 是一個字符串來定義圖的基本屬性如：顏色（color），點(diǎn)型（marker），線型（linestyle）
- 對于顏色 color=‘r' 代表red 表示紅色；color=‘c' 代表cyan 表示藍(lán)綠；color=‘y' 代表yellow表示黃色
- 對于線型 linestyle='–' 代表dashed line style 為虛線；linestyle='-.‘代表 dash-dot line style 為點(diǎn)畫線； linestyle=':' 代表dotted line style 為點(diǎn)線
3 散點(diǎn)圖
散點(diǎn)圖用于在水平軸和垂直軸上繪制數(shù)據(jù)點(diǎn)，它表示了因變量隨自變量變化的趨勢。通俗地講，它反映的是一個變量受另一個變量的影響程度。
可視化結(jié)果：
散點(diǎn)圖：左上散點(diǎn)圖可視化，帶有顏色變化。氣泡圖：右上帶有顏色變化和刻度的氣泡圖。
代碼如下：
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()
函數(shù)說明：
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：表示的是大小為(n,)的數(shù)組，也就是我們即將繪制散點(diǎn)圖的數(shù)據(jù)點(diǎn)
- s:是一個標(biāo)量實(shí)數(shù)或者是一個數(shù)組大小為(n,)，表示點(diǎn)的大小。
- c:表示的是顏色，是一個可選項。默認(rèn)是藍(lán)色'b',表示的是標(biāo)記的顏色，或者可以是一個表示顏色的字符，或者是一個長度為n的表示顏色的序列等等
- marker:表示的是標(biāo)記的樣式，默認(rèn)的是'o'。
- alpha：實(shí)數(shù)，0-1之間。點(diǎn)的透明度，透明度設(shè)置的好能夠使圖好看。
4 柱狀圖
柱狀圖是一種用矩形柱來表示數(shù)據(jù)分類的圖表，柱狀圖可以垂直繪制，也可以水平繪制，它的高度與其所表示的數(shù)值成正比關(guān)系。柱狀圖顯示了不同類別之間的比較關(guān)系，圖表的水平軸 X 指定被比較的類別，垂直軸 Y 則表示具體的類別值。
可視化結(jié)果：
柱狀圖：左上圖形以組合在一起的平行柱狀圖顯示。
堆疊柱狀圖：右上圖形顯示在堆疊的柱狀圖上。
代碼如下：
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()
函數(shù)說明：
bar(x, height, width, bottom, align)
- x :一個標(biāo)量序列，代表柱狀圖的x坐標(biāo)，默認(rèn)x取值是每個柱狀圖所在的中點(diǎn)位置，或者也可以是柱狀圖左側(cè)邊緣位置。
- height: 一個標(biāo)量或者是標(biāo)量序列，代表柱狀圖的高度。
- width: 可選參數(shù)，標(biāo)量或類數(shù)組，柱狀圖的默認(rèn)寬度值為 0.8。
- bottom: 可選參數(shù)，標(biāo)量或類數(shù)組，柱狀圖的y坐標(biāo)默認(rèn)為None。
- algin: 有兩個可選項 {“center”,“edge”}，默認(rèn)為 ‘center'，該參數(shù)決定 x 值位于柱狀圖的位置。
- bottom: 該參數(shù)可以指定柱狀圖開始堆疊的起始值，一般從底部柱狀圖的最大值開始，依次類推
- yerr: 可選參數(shù)， 這里針對垂直型誤差，以誤差棒的形式顯示
5 餅狀圖
餅狀圖用來顯示一個數(shù)據(jù)系列，具體來說，餅狀圖顯示一個數(shù)據(jù)系列中各項目的占項目總和的百分比。
可視化結(jié)果：
餅圖：左上玫瑰圖顯示兩層信息（外層標(biāo)簽和內(nèi)層比例分布）。
雷達(dá)圖：右上雷達(dá)圖形顯示，具有基于中心的值和基于徑向的變化。
代碼如下：
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()
函數(shù)說明：
pie(x, labels=None, colors=None, autopct=None, pctdistance=0.6, labeldistance=1.1, radius=None)
- x: 數(shù)組序列，數(shù)組元素對應(yīng)扇形區(qū)域的數(shù)量大小。
- labels: 列表字符串序列，為每個扇形區(qū)域備注一個標(biāo)簽名字。
- color : 為每個扇形區(qū)域設(shè)置顏色，默認(rèn)按照顏色周期自動設(shè)置。
- autopct :控制餅圖內(nèi)百分比設(shè)置,可以使用format字符串或者format function
'%1.1f'指小數(shù)點(diǎn)前后位數(shù)(沒有用空格補(bǔ)齊) - labeldistance :label標(biāo)記的繪制位置,相對于半徑的比例，默認(rèn)值為1.1, 如<1則繪制在餅圖內(nèi)側(cè)；
- pctdistance :類似于labeldistance,指定autopct的位置刻度,默認(rèn)值為0.6；
- radius :控制餅圖半徑，默認(rèn)值為1；
6 總結(jié)
本文詳細(xì)地介紹了使用matplotlib畫折線圖、散點(diǎn)圖、餅狀圖以及柱狀圖的樣例，并給出了相關(guān)可視化效果。
到此這篇關(guān)于如何使用matplotlib讓你的數(shù)據(jù)更加生動的文章就介紹到這了,更多相關(guān)matplotlib數(shù)據(jù)更生動內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
tensorflow 20:搭網(wǎng)絡(luò),導(dǎo)出模型,運(yùn)行模型的實(shí)例
這篇文章主要介紹了tensorflow 20:搭網(wǎng)絡(luò),導(dǎo)出模型,運(yùn)行模型的實(shí)例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
利用python數(shù)據(jù)分析處理進(jìn)行炒股實(shí)戰(zhàn)行情
這篇文章主要介紹了利用python數(shù)據(jù)分析進(jìn)行炒股實(shí)戰(zhàn)行情，本文主要介紹三部分：數(shù)據(jù)采集，數(shù)據(jù)預(yù)處理，利用SVM算法進(jìn)行建模，本文僅供參考借鑒2021-08-08
這篇文章主要介紹了Python抓取Discuz!用戶名腳本代碼，有需要的朋友可以參考一下2013-12-12
Python3.7基于hashlib和Crypto實(shí)現(xiàn)加簽驗簽功能(實(shí)例代碼)
這篇文章主要介紹了Python3.7基于hashlib和Crypto實(shí)現(xiàn)加簽驗簽功能,環(huán)境是基于python3.7，本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值，需要的朋友可以參考下2019-12-12
Jupyter notebook中如何添加Pytorch運(yùn)行環(huán)境
這篇文章主要介紹了Jupyter notebook中如何添加Pytorch運(yùn)行環(huán)境，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-02-02
Python RabbitMQ實(shí)現(xiàn)簡單的進(jìn)程間通信示例
這篇文章主要介紹了Python RabbitMQ實(shí)現(xiàn)簡單的進(jìn)程間通信示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
python實(shí)現(xiàn)超市掃碼儀計費(fèi)
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)超市掃碼儀計費(fèi)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-05-05
從安裝到應(yīng)用全面掌握Python與OpenCV的配置與高級功能(最新推薦)
OpenCV的強(qiáng)大功能不僅限于基本的圖像處理,還可以擴(kuò)展到實(shí)時視頻分析、復(fù)雜的圖像拼接和特征匹配等應(yīng)用場景,這篇文章主要介紹了從安裝到應(yīng)用全面掌握Python與OpenCV的配置與高級功能,需要的朋友可以參考下2024-08-08
這篇文章主要介紹了numpy取反操作符和Boolean類型與0-1表示方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-03-03
這篇文章主要為大家詳細(xì)介紹了用Python的turtle模塊畫國旗，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-09-09