前言

數(shù)據(jù)可視化是指利用圖形、表格、圖表等方式將數(shù)據(jù)展示出來，使得數(shù)據(jù)更加清晰、易于理解和分析。圖形繪制是數(shù)據(jù)可視化的基礎(chǔ)，通過繪制各種圖形呈現(xiàn)數(shù)據(jù)，可以更加直觀地了解數(shù)據(jù)之間的關(guān)系和趨勢(shì)。

如果畫圖過程中出現(xiàn)FutureWaring問題

import warning
warnings.filterwarnings('ignore')

針對(duì)中文不顯示

plt.rcParams['font.family'] = ['sans-serif']
plt.rcParams['font.sans-serif'] = ['SimHei']

在當(dāng)今數(shù)字化時(shí)代，數(shù)據(jù)分析已成為各行各業(yè)中不可或缺的一環(huán)。Python，作為數(shù)據(jù)分析領(lǐng)域的明星語言，憑借其強(qiáng)大的數(shù)據(jù)處理能力和豐富的庫資源，正逐漸受到越來越多數(shù)據(jù)分析師的青睞。而在數(shù)據(jù)分析的過程中，數(shù)據(jù)可視化作為直觀展示數(shù)據(jù)特征和規(guī)律的重要手段，更是不可或缺。

Python中，有許多專門用于數(shù)據(jù)可視化的庫，其中最為著名的莫過于Matplotlib和Seaborn。Matplotlib作為Python中最早的數(shù)據(jù)可視化庫，提供了豐富的繪圖函數(shù)和靈活的配置選項(xiàng)，可以滿足大部分基本的繪圖需求。而Seaborn則是在Matplotlib的基礎(chǔ)上，進(jìn)一步封裝和優(yōu)化，提供了更加美觀和高級(jí)的繪圖接口。

在圖形繪制基礎(chǔ)方面，我們需要掌握幾個(gè)核心概念，包括坐標(biāo)軸、圖例、標(biāo)題、標(biāo)簽等。坐標(biāo)軸是圖表的基礎(chǔ)，用于展示數(shù)據(jù)的分布情況；圖例用于區(qū)分不同系列的數(shù)據(jù)；標(biāo)題和標(biāo)簽則用于說明圖表的主題和內(nèi)容。

接下來，我們通過幾個(gè)簡(jiǎn)單的例子來演示如何使用Matplotlib進(jìn)行基本的圖形繪制。

我們使用Matplotlib來繪制一個(gè)簡(jiǎn)單的折線圖。假設(shè)我們有一組關(guān)于某公司股票價(jià)格的數(shù)據(jù)，我們可以通過折線圖來展示股票價(jià)格的走勢(shì)。在Matplotlib中，我們可以使用plot()函數(shù)來繪制折線圖，通過設(shè)置x軸和y軸的數(shù)據(jù)，以及圖表的標(biāo)題、坐標(biāo)軸標(biāo)簽等參數(shù)，就可以生成一個(gè)基本的折線圖。

當(dāng)然，除了折線圖和箱線圖之外，還有許多其他類型的圖形可以用于數(shù)據(jù)可視化，如柱狀圖、散點(diǎn)圖、餅圖等。每種圖形都有其適用的場(chǎng)景和優(yōu)缺點(diǎn)，需要根據(jù)具體的數(shù)據(jù)特征和需求來選擇合適的圖形類型。

一、圖形繪制基礎(chǔ)

Matplotlib簡(jiǎn)介

Matplotlib是目前應(yīng)用最為廣泛的python擴(kuò)展繪圖模塊庫,是Python中最受歡迎的數(shù)據(jù)可視化軟件包之一。Matplotlib支持跨平臺(tái)運(yùn)行,能讓使用者很輕松地將數(shù)據(jù)轉(zhuǎn)化為高質(zhì)量圖形,并且提供了多樣化的輸出格式,常用于繪制2D圖形，同時(shí)也提供了一部分3D繪圖接口。

Matplotlib提供了類似于MATLAB的繪圖函數(shù),對(duì)于熟悉MATLAB的使用者來說，可以很容易的使用它。Matplotlib通常與NumPy和pandas擴(kuò)展包一起使用，最常見的使用方式是根據(jù)NumPy庫的N維數(shù)組類型ndarray來繪制2D圖像，使用簡(jiǎn)單、代碼清晰易懂，深受廣大技術(shù)愛好者的喜愛，是數(shù)據(jù)分析中不可或缺的重要工具之一。

使用過程

使用pylab或pyplot繪圖時(shí)一般過程為:首先讀入數(shù)據(jù),然后根據(jù)實(shí)際需要繪制折線圖、散點(diǎn)圖、柱狀圖、餅狀圖、雷達(dá)圖或三維曲線和曲面,接下來設(shè)置軸和圖形屬性,最后顯示或保存繪圖結(jié)果。

sin函數(shù)示例

【例7.1】請(qǐng)利用python繪制正弦函數(shù)曲線。

關(guān)鍵技術(shù):采用Matplotlib包Pyplot模塊的plot函數(shù)繪制曲線圖。

from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
import math
plt.rcParams['font.family'] = ['sans-serif']
plt.rcParams['font.sans-serif'] = ['SimHei']
x = np.arange(0,math.pi*2,0.05)
y = np.sin(x)
plt.plot(x,y)
plt.xlabel("angle")
plt.ylabel("sine")
plt.title("sine curve")
plt.show()

二、常用圖形繪制

折線圖的繪制

折線圖是最基本的圖表類型,是用點(diǎn)和點(diǎn)之間連線的上升或下降表示指標(biāo)的連續(xù)變化趨勢(shì)。折線圖反映了一段時(shí)間內(nèi)事物連續(xù)的動(dòng)態(tài)變化規(guī)律,適用于描述一個(gè)變量隨另一個(gè)變量變化的趨勢(shì),通常用于繪制連續(xù)數(shù)據(jù),適合數(shù)據(jù)點(diǎn)較多的情況。

plot

matplotlib是一個(gè)用于繪制圖形的Python庫，其中的plot函數(shù)用于繪制線條圖。下面是matplotlib中plot函數(shù)的詳細(xì)解釋：

plot(x, y, label, linestyle, color, linewidth, marker)

參數(shù)說明：

• x：表示x軸上的數(shù)據(jù)序列，可以是一個(gè)列表、數(shù)組或Series類型的數(shù)據(jù)，也可以是一個(gè)數(shù)字，此時(shí)表示生成從0到該數(shù)字的等間隔的數(shù)據(jù)序列。
• y：表示y軸上的數(shù)據(jù)序列，要求與x軸上的數(shù)據(jù)序列長(zhǎng)度相同。
• label：給繪制的線條指定一個(gè)標(biāo)簽，可以在繪制圖例時(shí)使用。
• linestyle：線條的樣式，可以是實(shí)線（‘solid’）、虛線（‘dashed’）、點(diǎn)線（‘dotted’）等，默認(rèn)為實(shí)線。
• color：線條的顏色，可以是一個(gè)關(guān)鍵字字符串（如’red’、'blue’等），也可以是一個(gè)RGB元組表示的顏色（如(0.1, 0.2, 0.3)），默認(rèn)為藍(lán)色。
• linewidth：線條的寬度，可以是一個(gè)數(shù)字，默認(rèn)為1。
• marker：線條上的標(biāo)記點(diǎn)的樣式，可以是一個(gè)關(guān)鍵字字符串（如’+'、‘o’等），也可以是一個(gè)標(biāo)記字符（如’x’、's’等），默認(rèn)為沒有標(biāo)記點(diǎn)。

使用plot函數(shù)可以繪制不同樣式的線條圖，可以通過設(shè)置不同的參數(shù)來定制線條的樣式、顏色、寬度、標(biāo)記點(diǎn)等。在繪制完所有的線條后，可以使用plt.legend()函數(shù)來添加圖例，使得不同線條對(duì)應(yīng)的標(biāo)簽在圖中顯示出來。

示例

【例7.4】請(qǐng)根據(jù)給定的兩組數(shù)據(jù)x和y,分別代表某城鎮(zhèn)居民消費(fèi)水平增長(zhǎng)率和對(duì)應(yīng)的年份,利用Python繪制城鎮(zhèn)居民消費(fèi)水平增長(zhǎng)率折線圖。

關(guān)鍵技術(shù):利用matplotlib包的plot方法進(jìn)行折線圖的繪制。

y = [8.07,6.42,9.79,8.20,7.69,6.02,7.86,6.93,6.84,9.04,10.06]
x= [2010,2011,2012,2013,2014,2015,2016,2017,2018,2019,2020]
plt.plot(x,y,'g',lw = 4,label = '城鎮(zhèn)居民消費(fèi)水平增長(zhǎng)率')
plt.legend(loc = 5)
plt.grid(True)
plt.xlabel("年")
plt.ylabel('增長(zhǎng)率')
plt.title("我國歷年城鎮(zhèn)消費(fèi)水平增長(zhǎng)率")

散點(diǎn)圖的繪制

散點(diǎn)圖是以直角坐標(biāo)系中各點(diǎn)的密集程度和變化趨勢(shì)來表示兩種現(xiàn)象間的相關(guān)關(guān)系，常用于顯示和比較數(shù)值。當(dāng)要在不考慮時(shí)間的情況下比較大量數(shù)據(jù)點(diǎn)時(shí)，使用散點(diǎn)圖比較數(shù)據(jù)方便直觀。散點(diǎn)圖將序列顯示為一組點(diǎn)，其中每個(gè)散點(diǎn)值都由該點(diǎn)在圖表中的坐標(biāo)位置表示。對(duì)于不同類別的點(diǎn),則由圖表中不同形狀或顏色的標(biāo)記符表示。同時(shí),也可以設(shè)置標(biāo)記符的顏色或大小。

scatter()

scatter是matplotlib庫中用于繪制散點(diǎn)圖的函數(shù)。散點(diǎn)圖是一種用于展示兩個(gè)變量之間關(guān)系的圖形，其中每個(gè)點(diǎn)代表一個(gè)數(shù)據(jù)樣本。

scatter函數(shù)可以接受一系列的x和y坐標(biāo)作為輸入，然后將這些坐標(biāo)在圖中繪制成散點(diǎn)。

下面是scatter函數(shù)的基本用法：

import matplotlib.pyplot as plt

# 準(zhǔn)備散點(diǎn)的x和y坐標(biāo)
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 繪制散點(diǎn)圖
plt.scatter(x, y)

# 顯示圖形
plt.show()

這段代碼會(huì)生成一個(gè)簡(jiǎn)單的散點(diǎn)圖，其中x坐標(biāo)為1, 2, 3, 4, 5，y坐標(biāo)為2, 4, 6, 8, 10。

scatter函數(shù)還可以接受一些常用的參數(shù)，用于調(diào)整散點(diǎn)圖的樣式和外觀，例如：

• s：設(shè)置散點(diǎn)的大小。可以傳入一個(gè)常數(shù)，表示所有散點(diǎn)的大小；也可以傳入一個(gè)數(shù)組，表示每個(gè)散點(diǎn)的大小。
• c：設(shè)置散點(diǎn)的顏色。可以傳入一個(gè)常數(shù)，表示所有散點(diǎn)的顏色；也可以傳入一個(gè)數(shù)組，表示每個(gè)散點(diǎn)的顏色。
• marker：設(shè)置散點(diǎn)的形狀?？梢詡魅胍粋€(gè)字符，表示所有散點(diǎn)的形狀；也可以傳入一個(gè)數(shù)組，表示每個(gè)散點(diǎn)的形狀。
• alpha：設(shè)置散點(diǎn)的透明度。

下面是一個(gè)示例代碼，展示了如何使用這些參數(shù)調(diào)整散點(diǎn)圖的樣式：

import matplotlib.pyplot as plt
import numpy as np

# 生成隨機(jī)數(shù)據(jù)
np.random.seed(0)
x = np.random.randn(100)
y = np.random.randn(100)

# 繪制散點(diǎn)圖，設(shè)置散點(diǎn)的大小、顏色和形狀
plt.scatter(x, y, s=50, c='r', marker='o', alpha=0.5)

# 顯示圖形
plt.show()

這段代碼會(huì)生成一個(gè)具有隨機(jī)數(shù)據(jù)的散點(diǎn)圖，散點(diǎn)的大小為50，顏色為紅色，形狀為圓形，透明度為0.5。

除了基本的用法和常用參數(shù)，scatter函數(shù)還有其他一些參數(shù)，用于進(jìn)一步控制散點(diǎn)圖的樣式和外觀，例如：

• edgecolors：設(shè)置散點(diǎn)邊緣的顏色。
• linewidths：設(shè)置散點(diǎn)邊緣的寬度。
• cmap：設(shè)置顏色映射，用于根據(jù)數(shù)值變化為散點(diǎn)著色。
• norm：設(shè)置歸一化器，用于歸一化數(shù)值。
• label：設(shè)置散點(diǎn)圖的標(biāo)簽，用于圖例顯示。

可以參考Matplotlib官方文檔獲取更多關(guān)于scatter函數(shù)的詳細(xì)說明和示例代碼。

示例

【例7.5】對(duì)于給定的兩個(gè)市場(chǎng)收益率的波動(dòng)情況數(shù)據(jù)x和y,請(qǐng)利用Python繪制散點(diǎn)圖來反映兩個(gè)市場(chǎng)的波動(dòng)率情況。

關(guān)鍵技術(shù):利用matplotlib包的plot函數(shù)進(jìn)行散點(diǎn)圖的繪制,與繪制折線圖相比,繪制散點(diǎn)圖只用到一組數(shù)據(jù),而繪制折線圖需要用到兩組對(duì)應(yīng)的數(shù)據(jù)。

x = np.random.randint(0,5,10)
y = np.random.randint(0,5,10)
plt.figure(figsize = (10,10))
plt.subplot(121)
plt.ylim((-5,5))
plt.plot(x,'ro',label = '第一組')
plt.grid(True)
plt.title('第一組市場(chǎng)波動(dòng)情況')
plt.subplot(122)
plt.ylim((-5,5))
plt.plot(y,'b*',label = '第二組')
plt.grid(True)
plt.title('第二組市場(chǎng)波動(dòng)情況')
plt.savefig('test',dpi = 600)
plt.show()

柱狀圖的繪制

bar

matplotlib的bar函數(shù)用于繪制柱狀圖，它是一個(gè)非常常用的數(shù)據(jù)可視化工具。

下面是bar函數(shù)的詳細(xì)介紹：

語法：

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, align='center', data=None, **kwargs)

參數(shù)：

• x：柱狀圖的x軸位置，可以是一個(gè)數(shù)值或者一個(gè)數(shù)組，表示每個(gè)柱狀圖的位置。
• height：柱狀圖的高度，可以是一個(gè)數(shù)值或者一個(gè)數(shù)組，表示每個(gè)柱狀圖的高度。
• width：柱狀圖的寬度，默認(rèn)值為0.8。
• bottom：柱狀圖的底部位置，默認(rèn)為None，表示從0開始繪制柱狀圖。
• align：柱狀圖的對(duì)齊方式，默認(rèn)為’center’，表示柱狀圖的中心與給定位置對(duì)齊。
• data：傳入一個(gè)DataFrame或者一個(gè)類似結(jié)構(gòu)的數(shù)據(jù)集，x和height參數(shù)可以直接從data中獲取。

其他常用參數(shù)：

• color：柱狀圖的顏色，可以是一個(gè)字符串，表示柱狀圖顏色的名稱，也可以是一個(gè)列表，表示每個(gè)柱狀圖的顏色。
• edgecolor：柱狀圖的邊框顏色，默認(rèn)為None，表示不顯示邊框。
• label：柱狀圖的標(biāo)簽，可以在圖例中顯示。
• tick_label：柱狀圖的刻度標(biāo)簽，可以在x軸上顯示。
• alpha：柱狀圖的透明度，取值范圍為0到1。

用例：

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(5)
y = [1, 4, 3, 2, 5]
plt.bar(x, y, color='blue', align='center')

plt.xlabel('x')
plt.ylabel('y')
plt.title('Bar Chart')
plt.show()

此代碼將繪制一個(gè)簡(jiǎn)單的柱狀圖，x軸是0到4，y軸是給定的數(shù)組y的值。柱狀圖的顏色為藍(lán)色，對(duì)齊方式為居中。在圖像的x軸標(biāo)簽、y軸標(biāo)簽和標(biāo)題上顯示對(duì)應(yīng)的文字。最后調(diào)用plt.show()來顯示圖像。

以上提供了matplotlib的bar函數(shù)的詳細(xì)介紹和一個(gè)簡(jiǎn)單的用例。通過使用不同的參數(shù)和組合，您可以根據(jù)自己的需求繪制出各種類型的柱狀圖。

示例

【例7.7】對(duì)于給定的2020年9月至2021年3月期間某基金產(chǎn)品發(fā)行數(shù)量的數(shù)據(jù),該數(shù)據(jù)以字典形式存儲(chǔ),形式如下所示。請(qǐng)利用Python將其以柱狀圖的形式繪制出來。

{'202009': 2324,'202010': 2814,'202011': 2525,'202012':2946,'202101': 3019,'202102': 2087,'202103': 3398}

關(guān)鍵技術(shù):可以利用Python的matplotlib包的bar方法進(jìn)行柱狀圖繪制。

dict = {'202009': 2324,'202010': 2814,'202011': 2525,'202012': 2946,'202101': 3019,'202102': 2087,'202103': 3398}
plt.figure (figsize= (9,5) )
plt.bar (dict.keys (),dict.values (),width=0.3, align='center' , label=' funds')
plt.grid (True)
plt.legend (loc=1)
plt.xlabel ('月')
plt.ylabel('發(fā)行數(shù)量')
plt.title('基金產(chǎn)品發(fā)行數(shù)量')
plt.savefig ( 'test', dpi=600)

箱型圖繪制

plot.box

plot.box是matplotlib庫中的一個(gè)函數(shù)，用于繪制箱線圖。箱線圖是一種統(tǒng)計(jì)圖表，用于展示一組數(shù)據(jù)的分布情況。它顯示了數(shù)據(jù)的中位數(shù)、上下四分位數(shù)、最小值和最大值，以及異常值。

箱線圖可以幫助我們了解數(shù)據(jù)的偏態(tài)、離散度和異常值情況。

plot.box的基本語法為：

matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=None, meanline=False, showmeans=False, showcaps=True, showbox=True, showfliers=True, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_xticks=True, autorange=False, zorder=None)

參數(shù)說明：

• x：要繪制箱線圖的數(shù)據(jù)，可以是一個(gè)一維數(shù)組或一個(gè)二維數(shù)組。
• notch：箱線圖的缺口，默認(rèn)為None。
• sym：異常值的標(biāo)記，默認(rèn)為None。
• vert：箱線圖的方向，默認(rèn)為True（垂直方向），設(shè)置為False可以繪制水平方向的箱線圖。
• whis：決定繪制箱線圖上下邊界的位置，默認(rèn)為1.5。
• boxprops：箱線圖的屬性設(shè)置，包括顏色、線寬等，默認(rèn)為None。
• flierprops：異常值的屬性設(shè)置，默認(rèn)為None。
• medianprops：中位數(shù)的屬性設(shè)置，默認(rèn)為None。
• meanprops：均值的屬性設(shè)置，默認(rèn)為None。
• capprops：邊界線的屬性設(shè)置，默認(rèn)為None。
• whiskerprops：whisker的屬性設(shè)置，默認(rèn)為None。
• manage_xticks：是否自動(dòng)管理x軸的刻度，默認(rèn)為True。
• autorange：是否自動(dòng)確定y軸的范圍，默認(rèn)為False。
• zorder：圖層順序，默認(rèn)為None。

除了以上參數(shù)，plot.box還可以接受一些其他參數(shù)，用于設(shè)置標(biāo)題、坐標(biāo)軸標(biāo)簽、圖例等。詳細(xì)的參數(shù)說明可以參考matplotlib官方文檔。

下面是一個(gè)簡(jiǎn)單的示例代碼，演示如何使用plot.box繪制箱線圖：

import matplotlib.pyplot as plt
import numpy as np

# 生成一組隨機(jī)數(shù)據(jù)
np.random.seed(123)
data = np.random.normal(0, 1, 100)

# 繪制箱線圖
plt.boxplot(data)

# 添加標(biāo)題和坐標(biāo)軸標(biāo)簽
plt.title('Box Plot')
plt.xlabel('Data')

# 顯示圖形
plt.show()

運(yùn)行以上代碼，會(huì)生成一個(gè)簡(jiǎn)單的箱線圖，顯示了隨機(jī)數(shù)據(jù)的中位數(shù)、上下四分位數(shù)、最小值和最大值，以及異常值（如果有）。

除了上述的示例代碼，plot.box還可以接受一維或二維的數(shù)據(jù)作為參數(shù)，用于繪制多組數(shù)據(jù)的箱線圖。可以通過設(shè)置參數(shù)來修改箱線圖的樣式，如顏色、線寬等。此外，還可以使用matplotlib的其他函數(shù)和方法來進(jìn)一步自定義繪圖。

示例

【例7.8】下面給定的數(shù)據(jù)是某公司產(chǎn)品在各個(gè)國家用戶的消費(fèi)分布圖,請(qǐng)根據(jù)以下數(shù)據(jù)利用Python繪制箱型圖。

'Japan': [1200, 1300, 1500, 1400, 1600, 1600, 1800, 1800, 1900, 2400],
'USA': [1200, 1350, 1400, 1500, 1660, 1800, 1700, 1900, 2100, 2000],
'Russia': [1100, 1200, 1200, 1400, 1300, 1600, 1700, 1900, 1900, 1800],
"Korean": [1200, 1100, 1000, 1300, 1200, 1500, 1600, 1700, 1800, 1800]

關(guān)鍵技術(shù)：可以利用Python的plot.box繪制箱型圖。

data = {'Japan': [1200,1300,1500,1400,1600,1600,1800,1800,1900,2400],
'USA': [1200, 1350, 1400, 1500, 1660, 1800, 1700, 1900, 2100, 2000],
'Russia': [1100, 1200, 1200, 1400, 1300, 1600, 1700, 1900, 1900, 1800],
"Korean": [1200, 1100, 1000, 1300, 1200, 1500, 1600, 1700, 1800, 1800]}
df = pd.DataFrame(data)
df.plot.box(title  = "某公司產(chǎn)品各個(gè)國家用戶消費(fèi)分布圖")
plt.grid(linestyle = '--',alpha = 0.3)
plt.savefig('test',dpi = 600)
plt.show()

餅狀圖的繪制

pie

在matplotlib中，可以使用pie函數(shù)繪制餅圖。餅圖用于展示各類別的占比關(guān)系，適用于數(shù)據(jù)的相對(duì)比較。下面是使用pie函數(shù)繪制餅圖的詳細(xì)步驟和參數(shù)說明。

導(dǎo)入庫：

import matplotlib.pyplot as plt

準(zhǔn)備數(shù)據(jù)：

labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

繪制餅圖：

plt.pie(sizes, labels=labels)
plt.show()

繪制餅圖時(shí)，主要使用了兩個(gè)參數(shù)：

• sizes：代表各類別的占比值，要求是一個(gè)一維數(shù)組或列表。
• labels：代表各類別的標(biāo)簽，要求是一個(gè)與sizes長(zhǎng)度相同的一維數(shù)組或列表?？蛇x參數(shù)，默認(rèn)值為None。

除此之外，還可以使用其他一些參數(shù)進(jìn)行餅圖的個(gè)性化設(shè)置，比如：

• autopct：控制餅圖中百分比的顯示方式。可選參數(shù)，默認(rèn)值為None?？梢允褂米址袷娇刂骑@示，例如'%.1f%%'表示保留一位小數(shù)的百分比。
• explode：控制各類別之間的間隔?？蛇x參數(shù)，默認(rèn)值為None?？梢允褂靡痪S數(shù)組或列表來指定各類別的偏移量，例如[0, 0.1, 0, 0]表示第二個(gè)類別偏移0.1。
• colors：控制各類別的顏色?？蛇x參數(shù)，默認(rèn)值為None?？梢允褂靡痪S數(shù)組或列表來指定顏色，例如['red', 'blue', 'green', 'yellow']。
• startangle：控制餅圖的起始角度，逆時(shí)針方向?？蛇x參數(shù)，默認(rèn)值為0。
• shadow：控制是否顯示陰影。可選參數(shù)，默認(rèn)值為False。

下面是一個(gè)綜合使用了上述參數(shù)的例子：

labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
explode = [0, 0.1, 0, 0]
colors = ['red', 'blue', 'green', 'yellow']

plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%.1f%%', startangle=90, shadow=True)
plt.axis('equal')
plt.show()

通過調(diào)整上述參數(shù)，可以根據(jù)具體需求繪制出個(gè)性化的餅圖。

示例

【例7.9】某公司有A、B、C、D、E五種商品,每種商品占有的市場(chǎng)份額分別為15%、30%、30%、10%和15%，請(qǐng)利用Python的餅狀圖繪制上述數(shù)據(jù)的分布圖。

關(guān)鍵技術(shù)：可以利用Python的matplotlib包中的pie函數(shù)繪制餅狀圖。

import pandas as pd
import matplotlib.pyplot as plt
labels = ['A', 'B', 'C', 'D', 'E']
x = [15,30,30,10,15]
plt.pie(x, labels=labels)
plt.savefig('test',dpi=600)
plt.show ()

三、圖形繪制的組合情況

多個(gè)折線圖的組合繪制

示例

【例7.10】給定時(shí)間范圍在2009年至2017年間兩種商品的市場(chǎng)銷售價(jià)格增長(zhǎng)率數(shù)據(jù)集data1, data2。請(qǐng)利用Python的折線圖將兩種商品價(jià)格的增長(zhǎng)率信息進(jìn)行繪制,反映到圖上。

關(guān)鍵技術(shù):可以利用matplotlib包的plot函數(shù)進(jìn)行多折線圖的繪制。

data1 = np.random.randint(0,20,9)
data2 = np.random.randint(0,20,9)
year=[2009,2010,2011,2012,2013,2014,2015,2016,2017]
plt.plot(year,data1,lw=3,label='sales price increase rate')
plt.plot(year,data2,'r--',lw=3,label='construction costs increase rate')
plt.legend(loc=0)
plt.grid(True)
plt.xlabel('Year')
plt.ylabel('Percentage')
plt.title('sales price/construction costs increase rates')

折線圖和散點(diǎn)圖的組合繪制

示例

【例7.11】給定某只股票從2021年12月31日到2022年1月11日的收盤價(jià)格，請(qǐng)利用Python的折線圖和散點(diǎn)圖組合圖形式進(jìn)行數(shù)據(jù)的繪制。

關(guān)鍵技術(shù)：可以利用Python的plot函數(shù)進(jìn)行繪制。

data = np.random.randint(10,20,7)
date = ['12/31/2021','04/01/2022','05/01/2022','06/01/2022','07/01/2022','10/01/2022','11/01/2022']
plt.figure(figsize=(7,4))
plt.plot(date,data,'b',label='stock xxxxxx')
plt.plot(date,data,'ro')
plt.grid(True)
plt.legend(loc=0)
plt.xlabel('日期')
plt.ylabel('收盤價(jià)')
plt.title('close price of stock xxxxx')

柱狀圖與折線圖的組合繪制

示例

【例7.11】 【例7.12】已知給定的某股票在2021年12月14日至2021年12月28日的收盤價(jià)格和交易量,請(qǐng)利用Python繪制雙坐標(biāo)軸圖，其中左坐標(biāo)軸反映交易量，以柱狀圖表示；右坐標(biāo)軸反映成交價(jià)格,以折線圖表示。

close=[22.23,22.59,22.36,22.47,22.85,22.79,22.76,23.82,23.97,
5.38,25.5]
date=['12/14/2021','12/15/2021','12/16/2021','12/17/2021','12/21/2021',
      '12/22/2021','12/23/2021','12/24/2021','12/25/2021','12/26/2021','12/21/2021']
vol=[34711261,35634241,40123423,39043212,45983023,429012,37584231,30029832,4039221,5023281,5598231]
fig,ax1=plt.subplots()
plt.bar(date,vol,width=0.3,label='交易量')
plt.legend(loc=1)
plt.xlabel('日 期')
plt.ylabel('交易量')
plt.title('stock xxxxxx')
plt.xticks(rotation = 60)
ax2=ax1.twinx()
plt.plot(close,'r',lw=2,label='收盤價(jià)')
plt.grid(True)
plt.legend(loc=8)
plt.ylabel('收盤價(jià)')
plt.savefig('test', dpi=600 , pad_inches='tight')

四、拓展

熱力圖

熱力圖是一種可視化數(shù)據(jù)的圖表方式，通過不同顏色的區(qū)塊來表示數(shù)據(jù)的密度或強(qiáng)度。熱力圖通常用于顯示熱點(diǎn)、密度分布或者數(shù)據(jù)趨勢(shì)。

在熱力圖中，顏色的深淺表示數(shù)據(jù)的強(qiáng)度或頻率，通常深色表示高強(qiáng)度或高頻率，淺色表示低強(qiáng)度或低頻率。通過觀察熱力圖的顏色變化，可以直觀地發(fā)現(xiàn)數(shù)據(jù)的分布情況或趨勢(shì)。

熱力圖可以用于各種領(lǐng)域，例如地理信息系統(tǒng)（GIS）、流量分析、市場(chǎng)研究等。在地理信息系統(tǒng)中，熱力圖可以用來顯示人口密度、空氣質(zhì)量、交通流量等信息。在流量分析中，熱力圖可以用來顯示用戶活躍度、點(diǎn)擊量等數(shù)據(jù)。在市場(chǎng)研究中，熱力圖可以用來顯示產(chǎn)品銷售熱點(diǎn)、用戶偏好等信息。

繪制熱力圖可以使用各種工具和編程語言，例如Python的matplotlib庫、R語言的ggplot2包等。這些工具提供了豐富的功能和選項(xiàng)，可以根據(jù)具體需求進(jìn)行定制。

heatmap

seaborn是一個(gè)基于matplotlib的數(shù)據(jù)可視化庫，它提供了許多簡(jiǎn)潔而美觀的繪圖函數(shù)。seaborn中的heatmap()函數(shù)用于繪制熱力圖，熱力圖可以用來可視化矩陣或數(shù)據(jù)表中數(shù)值的大小和分布。

下面是一個(gè)使用heatmap()函數(shù)繪制熱力圖的示例代碼：

import seaborn as sns
from  matplotlib import  pyplot as plt

# 創(chuàng)建矩陣或數(shù)據(jù)表
data = [[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]]

# 繪制熱力圖
sns.heatmap(data)

# 顯示圖表
plt.show()

運(yùn)行代碼后，將會(huì)彈出一個(gè)窗口顯示繪制的熱力圖。默認(rèn)情況下，heatmap()函數(shù)將根據(jù)數(shù)據(jù)的值自動(dòng)選擇顏色漸變，并在圖表中顯示顏色條以表示值的大小。你還可以通過設(shè)置參數(shù)來自定義熱力圖的樣式和屬性，例如調(diào)整顏色映射、添加標(biāo)簽、設(shè)置標(biāo)題等。具體的參數(shù)設(shè)置可以參考seaborn的官方文檔。

改變數(shù)據(jù)采樣頻率

resample

在matplotlib中，resample是一個(gè)用于改變數(shù)據(jù)采樣頻率的函數(shù)。它可以用于將數(shù)據(jù)從高頻率采樣轉(zhuǎn)換為低頻率采樣，或者從低頻率采樣轉(zhuǎn)換為高頻率采樣。這個(gè)函數(shù)可以用于處理時(shí)間序列數(shù)據(jù)，通過平均、求和等方式來對(duì)數(shù)據(jù)進(jìn)行采樣。

resample函數(shù)的基本語法如下：

resample(rule, how=None, axis=0, fill_method=None, closed=None, label=None, limit=None, kind=None, convention=None)

其中，rule參數(shù)用于指定新的采樣頻率，可以是字符串形式的時(shí)間間隔，比如’1D’代表每天采樣一次，'1H’代表每小時(shí)采樣一次，也可以是整數(shù)形式的數(shù)字，代表每個(gè)指定數(shù)量的樣本進(jìn)行一次采樣。

• how參數(shù)用于指定進(jìn)行采樣時(shí)使用的聚合函數(shù)，比如’mean’代表計(jì)算均值，'sum’代表計(jì)算總和。

• axis參數(shù)用于指定進(jìn)行采樣的軸，默認(rèn)是0，表示對(duì)行進(jìn)行采樣。

• fill_method參數(shù)用于指定進(jìn)行采樣時(shí)缺失數(shù)據(jù)的填充方式。

• closed和label參數(shù)用于指定進(jìn)行采樣時(shí)邊界的處理方式。

• limit參數(shù)用于指定進(jìn)行采樣時(shí)最大允許的缺失樣本數(shù)量。

• kind參數(shù)用于指定進(jìn)行采樣時(shí)的插值方式。

• convention參數(shù)用于指定進(jìn)行采樣時(shí)的約定方式。

示例

下面是一個(gè)使用resample函數(shù)對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行重新采樣的例子：

import matplotlib.pyplot as plt
import pandas as pd

# 創(chuàng)建一個(gè)DataFrame對(duì)象，包含時(shí)間序列數(shù)據(jù)
data = pd.DataFrame({'value': [1, 2, 3, 4, 5]}, index=pd.date_range(start='2022-01-01', periods=5, freq='D'))

# 將數(shù)據(jù)從每天采樣一次轉(zhuǎn)換為每?jī)商觳蓸右淮?
resampled_data = data.resample('2D').mean()

# 打印結(jié)果
print(resampled_data)

執(zhí)行上述代碼，將會(huì)得到如下輸出：

            value
2022-01-01    1.5
2022-01-03    4.5

這里使用了resample函數(shù)將每天采樣一次的數(shù)據(jù)轉(zhuǎn)換為每?jī)商觳蓸右淮蔚臄?shù)據(jù)，并使用均值方式進(jìn)行采樣。所以結(jié)果中的第一個(gè)值為前兩天的數(shù)據(jù)的均值（(1+2)/2=1.5），第二個(gè)值為后兩天的數(shù)據(jù)的均值（(4+5)/2=4.5）。

創(chuàng)建多個(gè)子圖

subplots()

matplotlib.pyplot.subplots函數(shù)是用于創(chuàng)建多個(gè)子圖的工具。它返回一個(gè)包含所有子圖的Figure對(duì)象和一個(gè)包含所有子圖軸對(duì)象的Axes對(duì)象數(shù)組。

subplots函數(shù)的一般語法如下：

fig, axes = plt.subplots(nrows=1, ncols=1, figsize=None, ...)

參數(shù)說明：

• nrows：子圖的行數(shù)。
• ncols：子圖的列數(shù)。
• figsize：一個(gè)元組，指定圖形的寬度和高度。

例如，如果我們要?jiǎng)?chuàng)建一個(gè)包含兩行兩列的子圖，可以這樣做：

import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2)

然后，我們可以使用axes數(shù)組中的元素來操作每個(gè)子圖軸對(duì)象。例如，可以使用axes[0, 0]表示第一個(gè)子圖的軸對(duì)象。

以下是一個(gè)完整的示例：

import numpy as np
import matplotlib.pyplot as plt

# 創(chuàng)建一個(gè)包含兩行兩列的子圖
fig, axes = plt.subplots(nrows=2, ncols=2)

# 生成一些隨機(jī)數(shù)據(jù)
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x)

# 在每個(gè)子圖中繪制不同的函數(shù)
axes[0, 0].plot(x, y1)
axes[0, 1].plot(x, y2)
axes[1, 0].plot(x, y3)
axes[1, 1].plot(x, y4)

plt.show()

上述代碼將創(chuàng)建一個(gè)2x2的子圖網(wǎng)格，并在每個(gè)子圖中繪制不同的函數(shù)。

調(diào)整子圖之間的間距

subplots_adjust

subplots_adjust是matplotlib中的一個(gè)函數(shù)，用于調(diào)整子圖之間的間距。它可以用于調(diào)整子圖布局，使得子圖之間的間距更合適。

函數(shù)的語法如下：

matplotlib.pyplot.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

參數(shù)說明如下：

• left：左邊界的位置。默認(rèn)為0.125。
• bottom：底邊界的位置。默認(rèn)為0.1。
• right：右邊界的位置。默認(rèn)為0.9。
• top：頂邊界的位置。默認(rèn)為0.9。
• wspace：子圖之間的寬度間距。默認(rèn)為0.2。
• hspace：子圖之間的高度間距。默認(rèn)為0.2。

調(diào)用subplots_adjust函數(shù)后，可以通過調(diào)整上述參數(shù)的值來達(dá)到調(diào)整子圖布局的效果。

決策樹

plot_tree

plot_tree是scikit-learn庫中DecisionTreeClassifier和DecisionTreeRegressor類的一個(gè)方法，用于繪制決策樹模型的樹形圖。

使用plot_tree需要先對(duì)DecisionTreeClassifier或DecisionTreeRegressor類進(jìn)行訓(xùn)練，然后傳入已經(jīng)訓(xùn)練好的模型對(duì)象，以及需要繪制的樹形圖的配置參數(shù)。

下面是plot_tree的常用參數(shù)：

• decision_tree：訓(xùn)練好的決策樹模型對(duì)象。
• feature_names：特征的名稱列表。
• class_names：類別的名稱列表。
• filled：是否給節(jié)點(diǎn)填充顏色，默認(rèn)為False。
• rounded：是否將節(jié)點(diǎn)的框圓角化，默認(rèn)為False。
• special_characters：是否使用特殊字符，默認(rèn)為False。

使用示例：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import plot_tree

# 加載數(shù)據(jù)集
iris = datasets.load_iris()
X, y = iris.data, iris.target

# 劃分訓(xùn)練集和測(cè)試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 創(chuàng)建決策樹分類器并訓(xùn)練
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 繪制決策樹模型的樹形圖
plot_tree(clf, filled=True, rounded=True, feature_names=iris.feature_names, class_names=iris.target_names)

上述代碼將會(huì)繪制出一個(gè)決策樹模型的樹形圖，其中每個(gè)節(jié)點(diǎn)代表一個(gè)判斷條件，通過樹形圖可以清晰地了解決策樹的結(jié)構(gòu)和特征的重要性。

總結(jié)

本文介紹了數(shù)據(jù)可視化的基礎(chǔ)和Python中常用的Matplotlib和Seaborn庫,通過實(shí)例演示了如何使用Matplotlib繪制折線圖、散點(diǎn)圖、柱狀圖、箱線圖和餅狀圖,并展示了如何組合這些圖形。

到此這篇關(guān)于python數(shù)據(jù)分析中的多種圖形繪制示例（折線圖、柱狀圖、餅狀圖、散點(diǎn)圖、熱力圖）的文章就介紹到這了,更多相關(guān)python實(shí)現(xiàn)多種圖形繪制內(nèi)容請(qǐng)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！

最新評(píng)論