Python數(shù)據(jù)可視化教程之Matplotlib實(shí)現(xiàn)各種圖表實(shí)例

更新時(shí)間：2019年01月13日 16:44:55 作者：summer哥

這篇文章主要給大家介紹了關(guān)于Python數(shù)據(jù)可視化教程之利用Matplotlib實(shí)現(xiàn)各種圖表的相關(guān)資料，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(jià)值，需要的朋友們下面來一起看看吧

前言

數(shù)據(jù)分析就是將數(shù)據(jù)以各種圖表的形式展現(xiàn)給領(lǐng)導(dǎo)，供領(lǐng)導(dǎo)做決策用，因此熟練掌握餅圖、柱狀圖、線圖等圖表制作是一個(gè)數(shù)據(jù)分析師必備的技能。Python有兩個(gè)比較出色的圖表制作框架，分別是Matplotlib和Pyechart。本文主要講述使用Matplotlib制作各種數(shù)據(jù)圖表。

Matplotlib是最流行的用于繪制2D數(shù)據(jù)圖表的Python庫，能夠在各種平臺(tái)上使用，可以繪制散點(diǎn)圖、柱狀圖、餅圖等。

1、柱狀圖

是一種以長方形或長方體的高度為變量的表達(dá)圖形的統(tǒng)計(jì)報(bào)告圖，由一系列高度不等的縱向條紋表示數(shù)據(jù)分布的情況，用來比較兩個(gè)或以上的價(jià)值（不同時(shí)間或者不同條件），只有一個(gè)變量，通常利用于較小的數(shù)據(jù)集分析。柱狀圖可以用來比較數(shù)據(jù)之間的多少，可以用來觀察某一事件的變化趨勢，柱狀圖亦可橫向排列，或用多維方式表達(dá)。

實(shí)現(xiàn)代碼：

# 導(dǎo)入繪圖模塊
import matplotlib.pyplot as plt
# 構(gòu)建數(shù)據(jù)
sales = [7125,12753,13143,8635]

# 中文亂碼的處理，rcParams也可以用于設(shè)置圖的分辨率，大小等信息
plt.rcParams['font.sans-serif'] =['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 繪圖,第一個(gè)參數(shù)是x軸的數(shù)據(jù)，第二個(gè)參數(shù)是y軸的數(shù)據(jù)，第三個(gè)參數(shù)是柱子的大小，默認(rèn)值是1（值在0到1之間），color是柱子的顏色，alpha是柱子的透明度
plt.bar(range(4), sales, 0.4,color='r', alpha = 0.8)
# 添加軸標(biāo)簽
plt.ylabel('銷量')
# 添加標(biāo)題
plt.title('水果2018年度銷量')
# 添加刻度標(biāo)簽
plt.xticks(range(4),['蘋果','香蕉','梨','獼猴桃'])
# 設(shè)置Y軸的刻度范圍
plt.ylim([5000,15000])

# 為每個(gè)條形圖添加數(shù)值標(biāo)簽
for x,y in enumerate(sales):
 plt.text(x,y+100,'%s' %y,ha='center')

# 顯示圖形
plt.show()

效果圖：

只需繪制柱狀圖的函數(shù)bar()改成barh()就可以將柱狀圖長方形或長方體從垂直方向變?yōu)樗椒较颉?br />

實(shí)現(xiàn)代碼：

# 導(dǎo)入繪圖模塊
import matplotlib.pyplot as plt
# 構(gòu)建數(shù)據(jù)
sales = [7125,12753,13143,8635]

# 中文亂碼的處理
plt.rcParams['font.sans-serif'] =['SimHei']
plt.rcParams['axes.unicode_minus'] = False

x = ['蘋果','香蕉','梨','獼猴桃']
# 繪圖
plt.barh(range(4), sales, 0.4,color='r', alpha = 0.8)
# 添加軸標(biāo)簽
plt.ylabel('銷量')
# 添加標(biāo)題
plt.title('水果2018年度銷量')
# 添加刻度標(biāo)簽
plt.yticks(range(4),['蘋果','香蕉','梨','獼猴桃'])
# 設(shè)置Y軸的刻度范圍
plt.xlim([5000,15000])

# 為每個(gè)條形圖添加數(shù)值標(biāo)簽
for x,y in enumerate(sales):
 plt.text(y+0.2,x,'%s' %y,va='center')

# 顯示圖形
plt.show()

效果圖：

除了bar()函數(shù)變成barh()之外。還有其他幾個(gè)地方要做修改，在給每個(gè)條形圖添加數(shù)值標(biāo)簽時(shí)，將ha='center'改為va='center'，將添加x軸標(biāo)簽的方法從xlabel改為ylabel。

柱狀圖和折線圖混合使用

柱狀圖可以和折線圖混合使用，用來表示某一個(gè)數(shù)據(jù)的變化趨勢，下面是例子的柱狀圖表示水果的年度銷量，折線圖表示水果1月份的銷量。

代碼：

# 導(dǎo)入繪圖模塊
import matplotlib.pyplot as plt

jan_sales = [3010,4029,5021,3056]
# 構(gòu)建數(shù)據(jù)
sales = [7125,12753,13143,8635]


# 中文亂碼的處理
plt.rcParams['font.sans-serif'] =['SimHei']
plt.rcParams['axes.unicode_minus'] = False

x = ['蘋果','香蕉','梨','獼猴桃']

plt.plot(x,jan_sales,'r')# 折線 1 x 2 y 3 color
plt.plot(x,jan_sales,'g',lw=5)# 4 line w

# 繪圖
plt.bar(range(4), sales, 0.4,color='b', alpha = 0.8)
# 添加軸標(biāo)簽
plt.ylabel('銷量')
# 添加標(biāo)題
plt.title('水果2018年度銷量')
# 添加刻度標(biāo)簽
plt.xticks(range(4),['蘋果','香蕉','梨','獼猴桃'])
# 設(shè)置Y軸的刻度范圍
plt.ylim([2000,15000])

# 為每個(gè)條形圖添加數(shù)值標(biāo)簽
for x,y in enumerate(sales):
 plt.text(x,y+100,'%s' %y,ha='center')

# 顯示圖形
plt.show()

效果圖：

2、折線圖

折線圖主要用于表示數(shù)據(jù)變化的趨勢。折線圖是直線將不同的點(diǎn)連接起來。

# 導(dǎo)入繪圖模塊
import matplotlib.pyplot as plt

#構(gòu)建數(shù)據(jù)
jan_sales = [3010,4029,5021,3056]


# 中文亂碼的處理
plt.rcParams['font.sans-serif'] =['SimHei']
plt.rcParams['axes.unicode_minus'] = False

x = ['蘋果','香蕉','梨','獼猴桃']

#第一個(gè)參數(shù)是x軸，第二參數(shù)時(shí)y軸數(shù)據(jù)，第三個(gè)參數(shù)是線的顏色，第二個(gè)參數(shù)是線條的粗細(xì)
plt.plot(x,jan_sales,'r',lw=5)# 4 line w

# 添加標(biāo)題
plt.title('水果2018年度1月份銷量圖')
plt.ylim([2000,15000])

# 為每個(gè)點(diǎn)添加數(shù)值標(biāo)簽
for x,y in enumerate(jan_sales):
 plt.text(x,y+100,'%s' %y,ha='center')

# 顯示圖形
plt.show()

效果圖：

折線圖通過調(diào)用plot()方法繪制。

3、餅圖

餅圖主要是用來表示數(shù)據(jù)的占比，給人一眼就可以看出數(shù)據(jù)的占比大小。餅圖使用pie()函數(shù)繪制。

import matplotlib.pyplot as plt

# 設(shè)置繪圖的主題風(fēng)格（不妨使用R中的ggplot分隔）
plt.style.use('ggplot')

# 構(gòu)造數(shù)據(jù)
edu = [0.2515,0.3724,0.3336,0.0368,0.0057]
labels = ['蘋果','香蕉','梨','獼猴桃','桔子']

explode = [0,0.1,0,0,0] # 用于突出顯示大專學(xué)歷人群
colors=['#FEB748','#EDD25D','#FE4F54','#51B4FF','#dd5555'] # 自定義顏色

# 中文亂碼和坐標(biāo)軸負(fù)號的處理
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 將橫、縱坐標(biāo)軸標(biāo)準(zhǔn)化處理，保證餅圖是一個(gè)正圓，否則為橢圓
plt.axes(aspect='equal')

# 控制x軸和y軸的范圍
plt.xlim(0,4)
plt.ylim(0,4)

# 繪制餅圖
plt.pie(x = edu,# 繪圖數(shù)據(jù)
 explode=explode, # 突出顯示香蕉人群
 labels=labels, # 添加水果銷量水平標(biāo)簽
 colors=colors, # 設(shè)置餅圖的自定義填充色
 autopct='%.1f%%', # 設(shè)置百分比的格式，這里保留一位小數(shù)
 pctdistance=0.8,# 設(shè)置百分比標(biāo)簽與圓心的距離
 labeldistance = 1.15, # 設(shè)置銷量水平標(biāo)簽與圓心的距離
 startangle = 180, # 設(shè)置餅圖的初始角度
 radius = 1.5, # 設(shè)置餅圖的半徑
 counterclock = False, # 是否逆時(shí)針，這里設(shè)置為順時(shí)針方向
 wedgeprops = {'linewidth': 1.5, 'edgecolor':'green'},# 設(shè)置餅圖內(nèi)外邊界的屬性值
 textprops = {'fontsize':12, 'color':'k'}, # 設(shè)置文本標(biāo)簽的屬性值
 center = (1.8,1.8), # 設(shè)置餅圖的原點(diǎn)
 frame = 1)# 是否顯示餅圖的圖框，這里設(shè)置顯示

# 刪除x軸和y軸的刻度
plt.xticks(())
plt.yticks(())
# 添加圖標(biāo)題
plt.title('2018年水果銷量分析')

# 顯示圖形
plt.show()

效果圖：

簡單介紹下pie函數(shù)參數(shù)：

x: 指定繪圖的數(shù)據(jù)
explode:指定餅圖某些部分的突出顯示，即呈現(xiàn)爆炸式
labels：為餅圖添加標(biāo)簽說明，類似于圖例說明
colors：指定餅圖的填充色
autopct：設(shè)置百分比格式，如'%.1f%%'為保留一位小數(shù)
shadow：是否添加餅圖的陰影效果
pctdistance:設(shè)置百分比標(biāo)簽與圓心的距離
labeldistance：設(shè)置各扇形標(biāo)簽（圖例）與圓心的距離；
startangle：設(shè)置餅圖的初始擺放角度, 180為水平；
radius：設(shè)置餅圖的半徑大小；
counterclock：是否讓餅圖按逆時(shí)針順序呈現(xiàn), True / False；
wedgeprops：設(shè)置餅圖內(nèi)外邊界的屬性，如邊界線的粗細(xì)、顏色等, 如wedgeprops = {'linewidth': 1.5, 'edgecolor':'green'}
textprops：設(shè)置餅圖中文本的屬性，如字體大小、顏色等；
center：指定餅圖的中心點(diǎn)位置，默認(rèn)為原點(diǎn)
frame：是否要顯示餅圖背后的圖框，如果設(shè)置為True的話，需要同時(shí)控制圖框x軸、y軸的范圍和餅圖的中心位置；

4、散點(diǎn)圖

散點(diǎn)圖主要的作用是判斷兩個(gè)變量之間關(guān)系的強(qiáng)弱或者是否存在關(guān)系。

散點(diǎn)圖由scatter()方法繪制。

import numpy as np
import matplotlib.pyplot as plt

# 數(shù)據(jù)個(gè)數(shù)
n = 50
# 均值為0, 方差為1的隨機(jī)數(shù)
x = np.random.normal(0, 1, n)
y = np.random.normal(0, 1, n)

# 計(jì)算顏色值
color = np.arctan2(y, x)
# 繪制散點(diǎn)圖
plt.scatter(x, y, s = 75, c = color, alpha = 0.5)
# 設(shè)置坐標(biāo)軸范圍
plt.xlim((-1.5, 1.5))
plt.ylim((-1.5, 1.5))

# 不顯示坐標(biāo)軸的值
plt.xticks(([-1,0,1,2,3,4]))
plt.yticks(([-1,0,1,2,3,4]))

plt.show()

效果圖：

5、箱線圖

箱線圖一般用來展現(xiàn)數(shù)據(jù)大小、占比、趨勢等等的呈現(xiàn)，其包含一些統(tǒng)計(jì)學(xué)的均值、分位數(shù)、極值等等統(tǒng)計(jì)量，因此，該圖信息量較大，不僅能夠分析不同類別數(shù)據(jù)平均水平差異（需在箱線圖中加入均值點(diǎn)），還能揭示數(shù)據(jù)間離散程度、異常值、分布差異等等。

使用boxplot()方法繪制。

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
np.random.seed(2) #設(shè)置隨機(jī)種子
df = pd.DataFrame(np.random.rand(5,4),
columns=['A', 'B', 'C', 'D'])#先生成0-1之間的5*4維度數(shù)據(jù)，再裝入4列DataFrame中
df.boxplot() #也可用plot.box()
plt.show()

效果圖：

6、雷達(dá)圖

雷達(dá)圖可以用來顯示一個(gè)周期數(shù)值的變化，也可以用來展示對個(gè)對象/維度之間的關(guān)系

import numpy as np
import matplotlib.pyplot as plt

#標(biāo)簽
labels = np.array(['語文','數(shù)學(xué)','英語','生物','物理','化學(xué)'])
#數(shù)據(jù)個(gè)數(shù)
dataLenth = 6
#數(shù)據(jù)
data = np.array([7,4,3,6,4,8])

angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False)
data = np.concatenate((data, [data[0]])) # 閉合
angles = np.concatenate((angles, [angles[0]])) # 閉合

fig = plt.figure()
ax = fig.add_subplot(111, polar=True)# polar參數(shù)?。?
ax.plot(angles, data, 'bo-', linewidth=2)# 畫線
ax.fill(angles, data, facecolor='r', alpha=0.25)# 填充
ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei")
ax.set_title("matplotlib雷達(dá)圖", va='bottom', fontproperties="SimHei")
ax.set_rlim(0,10)
ax.grid(True)
plt.show()

效果圖：

7、氣泡圖

氣泡圖用于判斷3個(gè)變量之間是否存在某種關(guān)系。它跟散點(diǎn)圖有點(diǎn)類似，只不過氣泡圖以氣泡大小作為新的維度

import pandas as pd
import matplotlib.pyplot as plt
import pandas as pd

d = {"時(shí)間":pd.Series([2006,2007,2008,2009,2010]),
  "數(shù)量":pd.Series([10,200,120,150,300]),
  "大小":pd.Series([50,130,40,50,160]),
  "分類":pd.Series([1,2,0,1,2]),
  "判斷":pd.Series([True,True,True,True,True])}

df=pd.DataFrame(d)

#先定義氣泡大小，rank 函數(shù)將大小列進(jìn)行大小分配，越大的值分配結(jié)果也越高
#n 為倍數(shù)，用來調(diào)節(jié)氣泡的大小，且看后頭

size=df['大小'].rank()
n=20

#定義一個(gè)字典，將顏色跟對應(yīng)的分類進(jìn)行綁定

color={0:'red',1:'blue',2:'orange'}

#增加color的參數(shù)，用列表解析式將data分類中的每個(gè)數(shù)據(jù)的數(shù)字映射到前面color的顏色中

plt.scatter(df['數(shù)量'],df['大小'],color=[color[i] for i in df['分類']],s=size*n,alpha=0.6)
plt.show()

效果圖：