python?matplotlib繪畫十一種常見數(shù)據(jù)分析圖

更新時(shí)間：2022年06月21日 11:19:45 投稿：hqx

這篇文章主要介紹了python?matplotlib繪畫十一種常見數(shù)據(jù)分析圖，文章主要繪制折線圖、散點(diǎn)圖、直方圖、餅圖等需要的小伙伴可以參考一下文章具體內(nèi)容

1. 折線圖

折線圖（Line Chart）是一種將數(shù)據(jù)點(diǎn)按照順序連接起來的圖形，也可以看作是將散點(diǎn)圖按照X軸坐標(biāo)順序鏈接起來的圖形。折線圖的主要功能是查看因變量y隨著自變量x改變的趨勢，最適合用于顯示隨時(shí)間（根據(jù)常用比例設(shè)置）而改變的連續(xù)數(shù)據(jù)。同時(shí)，還可以看出數(shù)量的差異

繪制折線圖plot的格式：

matplotlib.pyplot.plot(*args,**kwargs)

color參數(shù)的8種常用的縮寫見表

表2 color參數(shù)的常用顏色縮寫：

plt.plot繪制折線圖代碼展示：

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
x = np.arange(9)
y = np.sin(x)
z = np.cos(x)
#marker數(shù)據(jù)點(diǎn)樣式，linewidth線寬，linestyle線型樣式，color顏色
plt.plot(x,y,marker='*',linewidth=1,linestyle='--',color='orange')
plt.plot(x,z)
plt.title('matplotlib AK')
plt.xlabel('height',fontsize=15)
plt.ylabel('width',fontsize=15)
#設(shè)置圖例
plt.legend(['Y','Z'],loc='upper right')
plt.grid(True)
plt.show()

2. 散點(diǎn)圖

散點(diǎn)圖（Scatter Diagram）又稱為散點(diǎn)分布圖，是以一個(gè)特征為橫坐標(biāo)，另一個(gè)特征為縱坐標(biāo)，使用坐標(biāo)點(diǎn)（散點(diǎn)）的分布形態(tài)反映特征間統(tǒng)計(jì)關(guān)系的一種圖形。值時(shí)由點(diǎn)在圖表中的位置表示，類別是由圖表中的不同標(biāo)記表示，通常用于比較跨類別的數(shù)據(jù)

scatter方法的格式：

 matplotlib.pyplot.scatter(x,y,s=None,c=None,marker=None,alpha=None)

scatter函數(shù)主要參數(shù)及其說明見表3scatter的主要參數(shù)及其說明

scatter繪圖示例1：

fig.ax = plt.subplots()
plt.rcParams['font.family'] = ['SimHei']      #用來顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus'] = False   #用來正常顯示符號(hào)
x1 = np.arange(1,30)
y1 = np.sin(x1)
ax1 = plt.subplot(1,1,1)
plt.title('散點(diǎn)圖 AK')
plt.xlabel('X')
plt.ylabel('Y')
lvalue = x1
ax1.scatter(x1,y1,c='r',s=100,linewidths=lvalue,marker='o')
plt.legend('x1')
plt.show()，

scatter繪圖示例2：

fig,ax = plt.subplots()
plt.rcParams['font.family'] = ['SimHei']      #用來顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus'] = False   #用來正常顯示符號(hào)
for color in ['red','green','blue']:
    n = 500
    x,y = np.random.randn(2,n)
    ax.scatter(x,y,c=color,label=color,alpha=0.3,edgecolor='none')
ax.legend()
ax.grid(True)
plt.show()

3. 直方圖

直方圖（Histogram）又稱質(zhì)量分布圖，是統(tǒng)計(jì)報(bào)告圖的一種，由一系列高度不等的縱向條紋或線段表示數(shù)據(jù)分布的情況，一般用橫軸表示數(shù)據(jù)所屬類別，縱軸表示數(shù)量或者占比。用直方圖可以比較直觀地看出產(chǎn)品質(zhì)量特性的分布狀態(tài)，便于判斷其總體質(zhì)量分布情況。直方圖可以發(fā)現(xiàn)分布表無法發(fā)現(xiàn)的數(shù)據(jù)模式、樣本的頻率分布和總體的分布。

繪制直方圖函數(shù)bar格式：

matplotlib.pyplot.bar(left,height,width = 0.8,bottom = None,hold = None,data = None)

函數(shù)bar的常用參數(shù)及其說明見下表4

表4 bar常用參數(shù)及其說明：

bar繪圖示例1：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.randn(16),index=list('abcdefghijklmnop'))
data.plot.bar(ax = axes[0],color='k',alpha=0.7)
data.plot.barh(ax = axes[1],color='k',alpha=0.7)

bar繪圖示例2：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.family'] = ['SimHei']      #用來顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus'] = False   #用來正常顯示符號(hào)
fig,ax = plt.subplots()
x = np.arange(1,6)
y1 = np.random.uniform(1.5,1.0,5)
y2 = np.random.uniform(1.5,1.0,5)
plt.bar(x,y1,width = 0.35,facecolor='lightskyblue',edgecolor = 'white')
plt.bar(x+0.35,y2,width = 0.35,facecolor='yellowgreen',edgecolor = 'white')
plt.show()

4. 餅圖

餅圖（Pie Graph）用于表示不同分類的占比情況，通過弧度大小來對(duì)比各種分類，餅圖可以比較清楚的反映出部分與部分、部分與整體之間的比例關(guān)系，易于顯示每組數(shù)據(jù)相對(duì)于總數(shù)的大小，而且顯現(xiàn)的方式直觀。

繪制餅圖pie方法的格式：

matplotlib.pyplot.pie(x,explode = None,labels = None,color = None,autopct = None,
pctdistance = 0.6,shadow=false,labeldistance=1.1,startangle=None,radius=None,...)

pie函數(shù)常用參數(shù)及其說明見表5

表5 pie函數(shù)常用參數(shù)及其說明：

pie繪圖示例：

plt.figure(figsize=(6,6))
#建立軸的大小
labels = ['Springs','Summer','Autumn','Winter']
x = [15,30,45,10]
explode = (0.05,0.05,0.05,0.05)
#這個(gè)是控制分離的距離的，默認(rèn)餅圖不分離
plt.pie(x,labels = labels,explode = explode,startangle = 60,autopct='%1.1f%%')
#autopct在圖中顯示比例值，注意值的格式
plt.title('Rany days by season')
plt.show()

5. 箱線圖

箱線圖（Boxplot）也稱盒須圖，通過繪制反映數(shù)據(jù)分布特征的統(tǒng)計(jì)量，提供有關(guān)數(shù)據(jù)位置和分散情況的關(guān)鍵信息，尤其在比較不同特征時(shí)，更可表現(xiàn)其分散程度差異。箱線圖使用數(shù)據(jù)中的5個(gè)統(tǒng)計(jì)量（最小值，下四分位數(shù)，中位數(shù)，上四分位數(shù)和最大值）來描述數(shù)據(jù)，它可以粗略地看出數(shù)據(jù)是否具有對(duì)稱性，分布的分散程度等信息，特別可以用于對(duì)幾個(gè)樣本的比較，還可以粗略檢測異常值。

boxplot函數(shù)的格式：

matplotlib.pyplot.boxplot(x,notch = None,sym = None,vert = None,whis = None,
positions = None,width = None,patch_artist = None,
meanline = None,labels = None,...)

boxplot函數(shù)常用參數(shù)及其說明見表6

表6 boxplot函數(shù)常用參數(shù)及其說明：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
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'])
#生成0~1的5*4維度數(shù)據(jù)并存入4列DataFrame中
df.boxplot()
plt.show()

6.概率圖

概率圖模型時(shí)圖靈獲得者Pearl提出的用來表示變量間概率依賴關(guān)系的理論，正態(tài)分布又名高斯分布。正太概率密度函數(shù)normpdf(X,mu,sigma)，其中，X為向量，mu為均值，sigma為標(biāo)準(zhǔn)差。

繪制概率圖：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.stats import norm
fig,ax = plt.subplots()
plt.rcParams['font.family'] = ['SimHei']      #用來顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus'] = False   #用來正常顯示符號(hào)
np.random.seed(1587554)
mu = 100
sigma = 15
x = mu+sigma*np.random.randn(437)
num_bins = 50
n,bins,patches = ax.hist(x,num_bins,density=1,stacked=True)
y = norm.pdf(bins,mu,sigma)
ax.plot(bins,y,'--')
fig.tight_layout()
plt.show()

7.雷達(dá)圖

雷達(dá)圖也稱網(wǎng)絡(luò)圖、星圖、蜘蛛網(wǎng)圖、不規(guī)則多邊形、極坐標(biāo)圖等。雷達(dá)圖是以從同一點(diǎn)開始的軸上表示的三個(gè)或更多個(gè)定量變量的二維圖表的形式顯示多變量數(shù)據(jù)的圖形方法。軸的相對(duì)位置和角度通常是無信息的。雷達(dá)圖相當(dāng)于平行坐標(biāo)圖，軸徑向排列。

繪制某學(xué)生成績信息的雷達(dá)圖

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
#某學(xué)生的課程與成績
courses = ['數(shù)據(jù)結(jié)構(gòu)','數(shù)據(jù)可視化','高數(shù)','英語','軟件工程','組成原理','C語言','體育']
scores = [82,95,78,85,45,88,76,88]
dataLength = len(scores) #數(shù)據(jù)長度
#angles數(shù)組把圓周等分為dataLength份
angles = np.linspace(0,2*np.pi,dataLength,endpoint=False)
scores.append(scores[0])
angless = np.append(angles,angles[0])  #閉合
#繪制雷達(dá)圖
plt.polar(angless,   #設(shè)置角度
      scores,   #設(shè)置各個(gè)角度上的數(shù)據(jù)
      'rv--',   #設(shè)置顏色、線型和端點(diǎn)符號(hào)
      linewidth=2)  #設(shè)置線寬
#設(shè)置角度網(wǎng)絡(luò)標(biāo)簽
plt.thetagrids(angles*180/np.pi,courses,fontproperties='simhei',fontsize=12,color='k')
#填充雷達(dá)圖內(nèi)部
plt.fill(angless,scores,facecolor='g',alpha=0.2)
plt.show()

8.流向圖

在運(yùn)輸問題中，常常需要表明產(chǎn)地的產(chǎn)量、銷地的銷量，以及流向和流量的交通圖，此時(shí)可以用到流向圖。流向圖能夠直觀地展示數(shù)據(jù)流向，揭示出運(yùn)動(dòng)中的一些規(guī)律或現(xiàn)象。

流向圖繪制：

import numpy as np
import matplotlib.pyplot as plt
Y,X = np.mgrid[-3:3:100j,-3:3:100j]
U = -1-X**2+Y
V = 1+X-Y**2
speed = np.sqrt(U*U+V*V)
plt.streamplot(X,Y,U,V,color=U,linewidth = 2,cmap = plt.cm.autumn)
plt.colorbar()
f,(ax1,ax2) = plt.subplots(ncols=2)
ax1.streamplot(X,Y,U,V,density=[0.5,1])
lw = 5*speed/speed.max()
ax2.streamplot(X,Y,U,V,density=0.6,color='k',linewidth=lw)
plt.show()

9.繪圖中的表格設(shè)置

在繪圖中，有時(shí)候需要同時(shí)顯示數(shù)據(jù)表格。Matplotlib在繪圖中提供了table方法可以同時(shí)顯示數(shù)據(jù)表格

在繪圖中顯示數(shù)據(jù)表格;

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = ['SimHei']
data = [[66386,174296,75131,577908,32015],
        [58230,381139,78045,99308,160454],
        [89135,80552,152558,497981,603535],
        [78415,81858,150656,193263,69638],
        [139361,331509,343164,781380,52269]]
columns = ('Freeze','Wind','Flood','Quake','Hail')
rows = ['%d year'% x for x in (100,50,20,10,5)]
values = np.arange(0,2500,500)
value_increment = 1000
colors = plt.cm.BuPu(np.linspace(0,0.5,len(columns)))
n_rows=len(data)
index = np.arange(len(columns))+0.3
bar_width=0.4
y_offset = np.array([0.0]*len(columns))
cell_text = []
for row in range(n_rows):
    plt.bar(index,data[row],bar_width,bottom=y_offset)
    y_offset = y_offset+data[row]
    cell_text.append(['%1.1f'%(x/1000.0) for x in y_offset])
colors = colors[::-1]
cell_text.reverse()
the_table = plt.table(cellText=cell_text,
                     rowLabels=rows,
                     rowColours = colors,
                     colLabels = columns,
                     loc = 'bottom')
plt.subplots_adjust(left=0.2,bottom=0.2)
plt.ylabel("Loss in ${0}'s".format(value_increment))
plt.yticks(values*value_increment,['%d' % val for val in values])
plt.xticks([])
plt.title('氣象災(zāi)害損失')
plt.show()

10. 極坐標(biāo)圖

在平面投影中，由X軸和Y軸定位坐標(biāo)；而在極坐標(biāo)投影中，需要以半徑和角度的形式定位坐標(biāo)。極坐標(biāo)投影中的半徑以圓半徑的大小顯示，并且以每個(gè)角度為0°的圓的角度為起點(diǎn)投影角度。要生成極坐標(biāo)投影，需要將投影類型定義為極坐標(biāo)。

繪制極坐標(biāo)圖:

import numpy as np
import matplotlib.pyplot as plt
r = np.linspace(0,2,100)
theta = 2*np.pi*r
fig = plt.figure(figsize=(13,4))
ax1 = plt.subplot(121,projection='polar')
ax1.scatter(theta,r,label='Polar Projection',s=10)
ax1.legend(bbox_to_anchor=(0.85,1.35))
ax2 = plt.subplot(122)
ax2.scatter(theta,r,label='Polar Projection',s=10)
ax2.legend(bbox_to_anchor=(0.85,1.35))
ax2.set_xlabel('R')
ax2.set_ylabel(r'$\theta$')

11. 詞云圖

詞云用于對(duì)網(wǎng)絡(luò)文本中出現(xiàn)頻率較高的關(guān)鍵詞予以視覺上的突出，形成“關(guān)鍵詞云層”或“關(guān)鍵詞渲染”，從而過濾掉大量的文本信息，使瀏覽網(wǎng)頁者只需要一眼掃過文本就可以領(lǐng)略文本的主旨。

11.1 安裝相關(guān)的包

繪制詞需要WordCloud和jieba包。jieba用于從文本的句子里分割出詞匯。

兩個(gè)包的安裝語句：

pip install wordcloudpip install jieba

11.2 詞云生成過程

一般生成詞云的過程為：

1）使用Pandas讀取數(shù)據(jù)并將需要分析的數(shù)據(jù)轉(zhuǎn)化為列表
2）對(duì)獲得的列表數(shù)據(jù)使用分詞工具jieba進(jìn)行遍歷分詞
3）使用WordCloud設(shè)置詞云圖片的屬性、掩碼和停用詞，并生成詞云圖像。

到此這篇關(guān)于python matplotlib繪畫十一種常見數(shù)據(jù)分析圖的文章就介紹到這了,更多相關(guān)python matplotlib 繪圖內(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！

您可能感興趣的文章: