Matplotlib数据可视化

Matplotlib介绍

Matplotlib 能够创建多数类型的图表，如条形图，散点图，条形图，饼图，堆叠图，3D 图和地图图表。

安装pip install matplotlib

导入模块import matplotlib.pyplot as plt

绘制第一个图

.plot(x,y)接受两个参数，分别是x坐标,y坐标。下面有三个坐标，即(1,7),(2,8),(3,9)

1
2
3

import matplotlib.pyplot as plt
plt.plot([1,2,3],[7,8,9])
plt.show()

Pycharm运行

如果你是用IDLE打开

那么这里会有一些按钮可以使用，摸索一下很快就能了解作用。

图例、标题和标签

在这里，我们要了解一个概念，轴域(Axes) 就是两条坐标轴围成的区域。

这里中文标题会出现问题，必须加一条语句来显示中文。

1	plt.rcParams["font.sans-serif"] = ["SimHei"] # 用来显示中文

如果负号不显示，那再加一条语句。

1	plt.rcParams["axes.unicode_minus"] = False # 用来显示负号

如果加了上述语句，还是无效，那就是系统缺少这个字体，需要下载对应的字体。

图例、标题和标签展示

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
# x为学号，y为得分
x1 = [1,2,3]
y1 = [5,7,4]

x2 = [1,2,3]
y2 = [10,14,12]

# 画出两个线条
# label为图例
plt.plot(x1,y1,label='1')
plt.plot(x2,y2,label='2')

# x,y坐标轴标签
plt.xlabel('学号')
plt.ylabel('得分')

# 统计图的标题
plt.title('成绩分布')
plt.legend()    # 生成默认图例
plt.show()

使用plt.xlabel和plt.ylabel，我们可以为这些相应的轴创建标签。接下来，我们可以使用plt.title创建图的标题，然后我们可以使用plt.legend()生成默认图例。结果图如下

条形统计图和直方图

条形图

使用xticks与yticks（设置坐标轴刻度）、xlabel与ylabel（设置坐标轴标签）、title（标题）、legend（图例）、xlim与ylim（设置坐标轴数据范围）、grid（设置网格线）等命令来装饰图形。

plt.bar为我们创建条形图。如果你没有明确选择一种颜色，那么虽然做了多个图，所有的条看起来会一样。你可以在任何类型的绘图中使用颜色，例如g为绿色，b为蓝色，r为红色，等等。你还可以使用十六进制颜色代码，如#191970。

具体可以查看这里:常用十六进制颜色对照表代码查询 - 緈諨の約錠 - 博客园 (cnblogs.com)

import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]

# 输入条形图的数据
plt.bar([1,3,5,7,9],[4,6,7,3,8],label="数据1")
plt.bar([2,4,6,8,10],[9,3,6,3,9],label="数据2", color='g')

plt.legend()
plt.xlabel('学号')
plt.ylabel('得分')
plt.title("成绩分步条形图")
plt.show()

直方图

直方图和条形图很像，一般是通过区间显示。举例，年龄分步，我们20-25，25-30，30-35去输出人数。

plt.hist，你首先需要放入所有的值，然后指定放入哪个桶或容器。

import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]

ages = [22,45,56,34,67,23,67,33,44,55,88,38,49,27,34,35,99,91,84,82]
bins = [0,10,20,30,40,50,60,70,80,90,100]
plt.hist(ages,bins,histtype='bar',rwidth=0.8) # 输出类型是条形图

plt.xlabel('年龄')
plt.ylabel('人数')
plt.title('各年龄段人数分布')
plt.legend()
plt.show()

散点图

基本散点图

import matplotlib.pyplot as plt
import numpy as np

# 第一组散点
x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
plt.scatter(x, y)  # x 代表x轴 y 代表y轴数据, 数据维度必须相同

plt.show()

实际上，这里不用np也是可以的。

import matplotlib.pyplot as plt


# 第一组散点
x = [1, 2, 3, 4, 5, 6, 7, 8]
y = [1, 4, 9, 16, 7, 11, 23, 18]
plt.scatter(x, y)  # x 代表x轴 y 代表y轴数据, 数据维度必须相同

plt.show()

点的大小、颜色和透明度

在plt.scatter(x, y,s=100,c='red')设置。

s 点的大小 c 点的颜色 alpha 透明度

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

# 第一组散点
x = [1, 2, 3, 4, 5, 6, 7, 8]
y = [1, 4, 9, 16, 7, 11, 23, 18]
plt.xlabel('横坐标')
plt.ylabel('纵坐标')

# x 代表x轴 y 代表y轴数据, 数据维度必须相同
# s 点的大小  c 点的颜色 alpha 透明度(越接近0越透明)
plt.scatter(x, y,s=200,c='g',alpha=0.1)


plt.show()

颜色条

通过plt.colorbar() #显示颜色条

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

# 第一组散点
x = [1, 2, 3, 4, 5, 6, 7, 8]
y = [1, 4, 9, 16, 7, 11, 23, 18]
plt.xlabel('横坐标')
plt.ylabel('纵坐标')

# x 代表x轴 y 代表y轴数据, 数据维度必须相同
# s 点的大小  c 点的颜色 alpha 透明度(越接近0越透明)
colors = [0, 10, 20, 30, 40, 45, 50, 55]
plt.scatter(x, y,s=200,c=colors,alpha=0.9)
plt.colorbar()

plt.show()

多组散点图

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']


x = [1, 2, 3, 4, 5, 6, 7, 8]
y = [1, 4, 9, 16, 7, 11, 23, 18]
# 新增Z
z = [4, 7, 12, 19, 10, 14, 26, 21]
plt.xlabel('横坐标')
plt.ylabel('纵坐标')


colors = [0, 10, 20, 30, 40, 45, 50, 55]
plt.scatter(x, y,s=200,c=colors,alpha=0.9)
#　多绘画一个Z
plt.scatter(x, z,s=200,c=colors,alpha=0.9)

plt.colorbar()

plt.show()