08_Matplotlib数据可视化

1 绘图流程

1. 创建画布plt.figure()
2. 绘制图像plt.plot(x, y)等
3. 显示图像plt.show()

import matplotlib.pyplot as plt
plt.figure(figsize=(10, 8))
plt.plot([1, 2, 3, 4], [10, 20, 15, 30])
plt.show()

使用以下魔法方法可以在画图的时候生成矢量图，图片更清晰。

%config InlineBackend.figure_format='svg'

2 常用图形

2.1 折线图

绘制连续数据的折线图，适用于显示随时间或序列变化的趋势。

plt.plot(x, y, linestyle='-', marker='o', color='b', label='')

• x/y：横纵坐标数据
• linestyle：线的样式
  • '-'
  • '--'
  • '-.'
  • ':'
• marker：标记点的样式
  • 'o'
  • 's'
  • '^'
• color：线的颜色
• label：图例标签（配合plt.legend()使用）

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 3, 7]plt.plot(x, y, linestyle='-.', marker='o')
plt.show()

2.2 柱形图

绘制垂直的柱状图，用于比较不同类别的数量或数值大小。

plt.bar(x, height, width=0.8, color='b', label='')

• x：柱子横坐标
• height：柱子的高度
• width：柱子宽度（0~1）
• color：柱子颜色
• label：图例标签（配合plt.legend()使用）

x = ['A', 'B', 'C', 'D']
height = [23, 45, 56, 78]plt.bar(x, height, color='b', width=0.5)
plt.show()

2.3 条形图

绘制横向的柱状图，在类别名称较长时更清晰。

plt.barh(y, width, color='b', label='')

• y: 柱子的纵坐标
• width: 柱子的长度
• color：柱子颜色
• label：图例标签（配合plt.legend()使用）

y = ['Python', 'C++', 'Java', 'Go']
width = [80, 60, 70, 50]plt.barh(y, width)
plt.show()

2.4 直方图

用于展示数据的分布情况，将数据分成若干个区间 (bin)，并统计每个区间内的数据数量。

plt.hist(data, bins=10, color='purple')

• data：一维数据集
• bins：分组数量
• color：柱子颜色
• label：图例标签（配合plt.legend()使用）

import numpy as npdata = np.random.randn(1000)plt.hist(data, bins=20)
plt.show()

2.5 饼图

用于展示不同类别在总体中所占的比例。

plt.pie(sizes, labels=labels, autopct='%1.1f%%', explode='')

• sizes：各部分的数值
• labels：各部分的名称
• autopct：显示百分比的格式字符串
• explode：突出显示指定扇形，控制凸起程度
• pctdistance：百分比离圆心的距离，单位为半径
• labeldistance：标签离圆心的距离，单位为半径

lan = ['C++', 'Python', 'Java', 'Go', 'PHP', 'C', 'C#', 'Others']
rate = [8.84, 24.45, 8.35, 1.92, 1.38, 9.29, 6.94, 38.83]
ex = [0, 0.1, 0, 0, 0, 0, 0, 0]plt.pie(rate, labels=lan, explode=ex, autopct='%.2f%%', pctdistance=0.8)
plt.show()

2.6 散点图

用于展示两个变量之间的关系，每个数据点在图上表示为一个点。

plt.scatter(x, y, color='red', s=50, alpha=0.6, label='')

• x/y：横纵坐标
• color：点的颜色（只能指定一个）
• c：可以使用颜色列表
• s：点的大小
• alpha：点的透明度
• label：图例
• cmap: 颜色映射，将数值映射到颜色

sx = np.random.rand(100)
sy = np.random.rand(100)
colors = np.random.rand(100)
sizes = 100 * np.random.rand(100)plt.scatter(sx, sy, c=colors, s=sizes, cmap='viridis')
plt.show()

3 图表元素

3.1 中文问题

Matplotlib中文兼容有问题，可以使用SimSun（宋体），SimHei（黑体），Kaiti（楷体）等。

plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'

3.2 图表标题与网格线

• plt.title()：设置图表标题
  • fontdict：设置字体
  • loc：设置标题位置
• plt.grid()：设置网格线
  • axis：控制轴向，有x、y、both
  • linestyle：线的样式，:、--、-.、-
  • linewidth：线的粗细
  • alpha：透明度
  • color：颜色

plt.title('趋势图', loc='left')
plt.grid(linestyle='--', alpha=0.5)

3.3 坐标轴相关

• plt.xlabel()：设置x轴标题
• plt.ylabel()：设置y轴标题
• plt.xlim()：设置x轴范围
• plt.ylim()：设置y轴范围
• plt.xticks('刻度位置（数值）', '显示值')：设置x轴显示的刻度值
• plt.yticks('刻度位置', '显示值')：设置y轴显示的刻度值

plt.xlabel('月份')
plt.ylabel('销售额')idx = [i for i in range(1, 13)]
mon = [str(i) + '月' for i in range(1, 13)]plt.xticks(idx, mon)
plt.xlim(0, 13)
plt.ylim(10000, 100000)

(10000.0, 100000.0)

3.4 显示图例

设置完label参数之后，使用plt.legend()才能显示图例。

# 生成数据
x1 = np.arange(-1*np.pi, np.pi, 0.05)
y1 = np.sin(x1)
y2 = np.cos(x1)# 设置x轴刻度
plt.xticks([-1*np.pi, -0.5*np.pi, 0, 0.5*np.pi, np.pi],['-π', '-1/2π', '0', '1/2π', 'π'])# 作图
plt.plot(x1, y1, label='y1=sin(x)')
plt.plot(x1, y2, linestyle='-.',label='y2=cos(x)')plt.legend(loc='best')

<matplotlib.legend.Legend at 0x1e60c67bf70>

4 一图多表

fig, axs = plt.subplots(nrows=1, ncols=1, figsize=(width, height))

• nrows：子图的行数
• ncols：子图的列数
• figsize：画布的大小
• fig：返回的画布对象，用于调整整体的属性
• axs：返回的子图数组，用于绘制各个子图，是一个Numpy数组，可以通过axs[0, 1]访问特定子图

fig, axs = plt.subplots(2, 2, figsize=(10, 8))

上一章的图形依次放入子图中。

axs[0][0].barh(y, width)
axs[0][1].pie(rate, labels=lan, explode=ex, autopct='%.2f%%', pctdistance=0.8)
axs[1][0].hist(data, bins=20)
axs[1][1].scatter(sx, sy, c=colors, s=sizes, cmap='viridis')

<matplotlib.collections.PathCollection at 0x1e60cec4880>

为了精确地控制子图，使用对象式写法axs.set_方法名。

axs[0][1].set_title('语言占比图')

Text(0.5, 1.0, '语言占比图')

fig