第二十四天-数据可视化Matplotlib

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()