1、Matplotlib 簡介

Matplotlib 簡介：

• Matplotlib 是一個python的 2D繪圖庫，它以各種硬拷貝格式和跨平臺的交互式環(huán)境生成出版質量級別的圖形，matplotlib 對于圖像美化方面比較完善，可以自定義線條的顏色和樣式，可以在一張繪圖紙上繪制多張小圖，也可以在一張圖上繪制多條線，可以很方便地將數據可視化并對比分析。
• 同Excel繪制相關圖標相比，使用Matplotlib繪制自由度更高，并且能解決excel無法繪制數據量較大、維度較多的圖表問題。

如何使用Matplotlib：

python 環(huán)境下 ：

pip install matplotlib

jupyter notebook 中：

！pip install matplotlib

（強烈建議安裝anaconda,一些常用的包就不用在單獨安裝了）安裝了anaconda了，直接導包就行  

import matplotlib.pyplot as plt #plt是別名

Matplotlib繪制圖形：

2、Matplotlib圖形繪制

1）折線圖

折線圖（line chart）是一種將數據點按照順序連接起來的圖形，折線圖是排列在工作表的列或行中的數據可以繪制到折線圖中，折線圖可以顯示隨時間（根據常用比例設置）而變化的連續(xù)數據，因此非常適用于顯示在相等時間間隔下數據的趨勢。

plt.figure(figsize=(10,6))#調整畫布大小
plt.plot(data["日期"],data["自配送銷售額"],color='y')#通過color調整顏色
plt.xticks(rotation=45)#x軸傾斜的角度
plt.show()

其中顏色可以設置成很多，下表為部分：

最底下為rgb顏色值，可以查看RGB顏色值與十六進制顏色碼轉換工具里邊比較詳細

plt.figure(figsize=(10,5))
plt.plot(data["日期"],data["總銷售額"],color='r',linewidth=0.5,marker="*",linestyle='-.')
plt.plot(data["日期"],data["FBA銷售額"],color='g',linewidth=0.5,marker="2",linestyle='-')
plt.plot(data["日期"],data["自配送銷售額"],color='y',linewidth=0.5,marker="s",linestyle='--')
plt.xticks(rotation=45)#旋轉x軸標注
font = {
? ? "family":"kaiti", ?# ?設置字體的樣式
? ? "size":"20" ?# ?設置字體的大小
}
?
plt.rc("font",**font)
#設置X軸標簽
plt.xlabel("時間")
#設置y軸標簽
plt.ylabel("數額")
plt.show()
#linewidth是設置線的寬度?
#marker是設置線的拐點標記樣式

 常用字體名稱：

常用線型：

用標記：

2）柱狀圖

柱形圖，又稱長條圖、柱狀統計圖（德文: Säulendiagramm、英文：bar chart、西班牙文: diagrama de barras）亦稱條圖、條狀圖、棒形圖，是一種以長方形的長度為變量的統計圖表。長條圖用來比較兩個或以上的價值（不同時間或者不同條件），只有一個變量，通常利用于較小的數據集分析。長條圖亦可橫向排列，或用多維方式表達。

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

參數說明：

• x：浮點型數組，柱形圖的 x 軸數據。
• height：浮點型數組，柱形圖的高度。
• width：浮點型數組，柱形圖的寬度。
• bottom：浮點型數組，底座的 y 坐標，默認 0。
• align：柱形圖與 x 坐標的對齊方式，'center' 以 x 位置為中心，這是默認值。 'edge'：將柱形圖的左邊緣與 x 位置對齊。要對齊右邊緣的條形，可以傳遞負數的寬度值及 align='edge'。

**kwargs：：其他參數。

plt.figure(figsize=(10,5))
plt.bar(data["排序"],data["銷量"])
##調整畫布外框顏色 上：top 下: bottom 左：left 右：right
ax=plt.gca()
ax.spines["top"].set_color("w")
ax.spines["bottom"].set_color("r")
ax.spines["left"].set_color("r")
ax.spines["right"].set_color("w")
##調整x、y軸刻度
plt.xlim(data.index.values[0],data.index.values[-1]) #x軸從0開始到最后一個 0第一個 -1最后一個
plt.ylim(np.min(data["銷量"]),np.max(data["銷量"])) ?#最小到最大
plt.show()

3）條形圖

條形圖（bar chart）是用寬度相同的條形的高度或長短來表示數據多少的圖形。條形圖可以橫置或縱置，縱置時也稱為柱形圖（column chart）。此外，條形圖有簡單條形圖、復式條形圖等形式。

plt.figure(figsize=(10,5))
plt.barh(data["排序"],data["銷量"])
##調整畫布外框顏色 上：top 下: bottom 左：left 右：right
ax=plt.gca()
ax.spines["top"].set_color("w")
ax.spines["bottom"].set_color("r")
ax.spines["left"].set_color("r")
ax.spines["right"].set_color("w")
##調整x、y軸刻度
plt.xlim(np.min(data["銷量"]),np.max(data["銷量"])) ?#x軸從0開始到最后一個 0第一個 -1最后一個
plt.ylim(data.index.values[0],data.index.values[-1]) #最小到最大
plt.show()

條形圖就是把柱狀圖放倒，調整X、Y軸即可

3）餅圖

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)[source]

參數說明：

x：浮點型數組，表示每個扇形的面積。

explode：數組，表示各個扇形之間的間隔，默認值為0。

labels：列表，各個扇形的標簽，默認值為 None。

colors：數組，表示各個扇形的顏色，默認值為 None。

autopct：設置餅圖內各個扇形百分比顯示格式，%d%% 整數百分比，%0.1f 一位小數， %0.1f%% 一位小數百分比， %0.2f%% 兩位小數百分比。

labeldistance：標簽標記的繪制位置，相對于半徑的比例，默認值為 1.1，如 <1則繪制在餅圖內側。

pctdistance：：類似于 labeldistance，指定 autopct 的位置刻度，默認值為 0.6。

shadow：：布爾值 True 或 False，設置餅圖的陰影，默認為 False，不設置陰影。

radius：：設置餅圖的半徑，默認為 1。

startangle：：起始繪制餅圖的角度，默認為從 x 軸正方向逆時針畫起，如設定 =90 則從 y 軸正方向畫起。

counterclock：布爾值，設置指針方向，默認為 True，即逆時針，False 為順時針。

wedgeprops ：字典類型，默認值 None。參數字典傳遞給 wedge 對象用來畫一個餅圖。例如：wedgeprops={'linewidth':5} 設置 wedge 線寬為5。

textprops ：字典類型，默認值為：None。傳遞給 text 對象的字典參數，用于設置標簽（labels）和比例文字的格式。

center ：浮點類型的列表，默認值：(0,0)。用于設置圖標中心位置。

frame ：布爾類型，默認值：False。如果是 True，繪制帶有表的軸框架。

rotatelabels ：布爾類型，默認為 False。如果為 True，旋轉每個 label 到指定的角度。

plt.figure(figsize=(10,5))
sum_sale=np.sum(data["總銷售額"])
font={
? ? "family":"kaiti"
,"size":"15"
}
?
plt.rc("font",**font)
fba_sale=np.sum(data["FBA銷售額"])
self_sale=np.sum(data["自配送銷售額"])
plt.pie([sum_sale,fba_sale,self_sale]
? ? ? ?,labels=["總銷售額","FBA銷售額","自配送銷售額"]
? ? ? ?,colors=["m","b","g"] #設置餅圖顏色
? ? ? ?,shadow=True ? ? ? ? ?#是否設置陰影
? ? ? ? ,labeldistance=1.2 ? #標簽距圖表的距離
? ? ? ? ,autopct="%.2f%%" ?##設置顯示數字樣式
? ? ? ? ,startangle=60 ?##旋轉角度
? ? ? ? ,explode=[0.1,0,0]
? ? ? ?)
plt.title("統計",loc="center")#center中間
? ? ? ?
plt.show()

4）散點圖

 散點圖是指在回歸分析中，數據點在直角坐標系平面上的分布圖，散點圖表示因變量隨自變量而變化的大致趨勢，據此可以選擇合適的函數對數據點進行擬合。用兩組數據構成多個坐標點，考察坐標點的分布，判斷兩變量之間是否存在某種關聯或總結坐標點的分布模式。散點圖將序列顯示為一組點。值由點在圖表中的位置表示。類別由圖表中的不同標記表示。散點圖通常用于比較跨類別的聚合數據。

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

參數說明：

x，y：長度相同的數組，也就是我們即將繪制散點圖的數據點，輸入數據。

s：點的大小，默認 20，也可以是個數組，數組每個參數為對應點的大小。

c：點的顏色，默認藍色 'b'，也可以是個 RGB 或 RGBA 二維行數組。

marker：點的樣式，默認小圓圈 'o'。

cmap：Colormap，默認 None，標量或者是一個 colormap 的名字，只有 c 是一個浮點數數組的時才使用。如果沒有申明就是 image.cmap。

norm：Normalize，默認 None，數據亮度在 0-1 之間，只有 c 是一個浮點數的數組的時才使用。

vmin，vmax：：亮度設置，在 norm 參數存在時會忽略。

alpha：：透明度設置，0-1 之間，默認 None，即不透明。

linewidths：：標記點的長度。

edgecolors：：顏色或顏色序列，默認為 'face'，可選值有 'face', 'none', None。

plotnonfinite：：布爾值，設置是否使用非限定的 c ( inf, -inf 或 nan) 繪制點。

**kwargs：：其他參數。

plt.scatter(data["平均單個訂單成本"],data["訂單額"]
? ? ? ? ? ? , color=("red","green","black","orange","purple","beige","cyan","magenta","cyan","magenta")#設置球的顏色
? ? ? ? ? ?,s=data["訂單額"]#設置球的大小
? ? ? ? ? ?,marker="h"#設置球的形狀
? ? ? ? ? ?,linewidths=4#設置球邊界的寬度
? ? ? ? ? ?,edgecolors='b'#設置邊界的顏色
? ? ? ? ,alpha=0.5#設置透明度
? ? ? ? ? ?)#設置球的形狀
plt.xlabel("訂單成本")
plt.ylabel("訂單額")
plt.show()

5）直方圖

直方圖(Histogram)，又稱質量分布圖，是一種統計報告圖，由一系列高度不等的縱向條紋或線段表示數據分布的情況。 一般用橫軸表示數據類型，縱軸表示分布情況。

plt.figure(figsize=(20,5))
data1 = data[data["數量"]>20]
plt.hist(data1["數量"],
? ? ? ? bins=data1.index.values[-1] #xz軸上展示多少
? ? ? ? ? ,align = "mid"?
? ? ? ? ， density=True#頻率頻數設置
? ? ? ? )
plt.xlim(10)
plt.show()

6）箱型圖

箱形圖（Box-plot）又稱為盒須圖、盒式圖或箱線圖，是一種用作顯示一組數據分散情況資料的統計圖。因形狀如箱子而得名。在各種領域也經常被使用，常見于品質管理。它主要用于反映原始數據分布的特征，還可以進行多組數據分布特征的比較。箱線圖的繪制方法是：先找出一組數據的上邊緣、下邊緣、中位數和兩個四分位數；然后， 連接兩個四分位數畫出箱體；再將上邊緣和下邊緣與箱體相連接，中位數在箱體中間。

plt.boxplot(data[data["銷量"]<3000]["銷量"])
plt.show()

橫線上邊的可以看做是異常值，也叫離群點  ，橫線是上限值，依次往下是上4分位、中位數、下4分位數、下限
- 上4分位數的意思是全部數據中有4分之一的數據比它大
-下4分位數的意思是全部數據中有4分之一的數據比它小
- 中位數的意思就是位于中間的數據
-上4分位減去下4分位數代表著4分位的間距，那么異常值（離群點）就是大于  (上四分位 + 1.5 * 四分位間距) 或小于(下4分位 - 1.5*四分位間距)的數字
- 上限值就是等于（上4分位 + 1.5 * 四分位間距）的值 

多個箱型圖繪制

dataa = [data[data["銷量"]<2000]["銷量"],data[data["銷量"]<3000]["銷量"]]
plt.boxplot(dataa ?# dataa中包含多少元素 就會繪制幾個箱型圖
? ? ? ? ? ?,notch=True ?# 是否展示凹口
? ? ? ? ? ?,sym="*" # 設置異形點的形狀
? ? ? ? ? ?,vert=False # 箱型圖的擺放方式，True就是垂直，False就是橫著
? ? ? ? ? ? ,whis=2 ?# 定義異常，默認是1.5這個參數也就是上下四分位距離的倍數
? ? ? ? ? ? ,labels=["箱型圖a","箱型圖b"] # 說明
? ? ? ? ? ? ,showmeans=True ? # 展示平均值
? ? ? ? ? ? ,meanline=True ?# 以線的形式來展示平均值，前提是showmeans=True
? ? ? ? ? ? ,showfliers=True ?# 是否顯示異常值
? ? ? ? ? ? ,meanprops=dict(markerfacecolor="r", marker="s")
? ? ? ? ? ? ,widths=0.5
? ? ? ? ? ?)
plt.show()

7）子圖

我們可以使用 pyplot 中的subplot() 和 subplots() 方法來繪制多個子圖。

subplot() 方法在繪圖時需要指定位置，subplots() 方法可以一次生成多個，在調用時只需要調用生成對象的 ax 

subplots() 方法語法格式如下：

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

rows：默認為 1，設置圖表的行數。
ncols：默認為 1，設置圖表的列數。
sharex、sharey：設置 x、y 軸是否共享屬性，默認為 false，可設置為 'none'、'all'、'row' 或 'col'。 False 或 none 每個子圖的 x 軸或 y 軸都是獨立的，True 或 'all'：所有子圖共享 x 軸或 y 軸，'row' 設置每個子圖行共享一個 x 軸或 y 軸，'col'：設置每個子圖列共享一個 x 軸或 y 軸。
squeeze：布爾值，默認為 True，表示額外的維度從返回的 Axes(軸)對象中擠出，對于 N*1 或 1*N 個子圖，返回一個 1 維數組，對于 N*M，N>1 和 M>1 返回一個 2 維數組。如果設置為 False，則不進行擠壓操作，返回一個元素為 Axes 實例的2維數組，即使它最終是1x1。
subplot_kw：可選，字典類型。把字典的關鍵字傳遞給 add_subplot() 來創(chuàng)建每個子圖。
gridspec_kw：可選，字典類型。把字典的關鍵字傳遞給 GridSpec 構造函數創(chuàng)建子圖放在網格里(grid)。
**fig_kw：把詳細的關鍵字參數傳給 figure() 函數。

plt.figure(figsize=(10,5))#設置畫布大小
x=np.arange(1,200)
plt.subplot(221)#在第一個位置畫折線圖
plt.plot(x,x+x)
plt.subplot(222)#第二個位置繪制散點圖
plt.scatter(np.arange(0,20),np.random.rand(20))
plt.subplot(223)#第三個位置繪制餅圖
plt.pie(x=[1,2,3,4],labels=['a','b','c','d'])
plt.subplot(224)#第四個位置繪制柱狀圖
plt.bar(x=[1,2,3,4],height=[2,3,6,5])
plt.show()

到此這篇關于 python用matplotlib可視化繪圖詳解的文章就介紹到這了,更多相關matplotlib可視化繪圖詳解內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論