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

更新時間：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)點按照順序連接起來的圖形，也可以看作是將散點圖按照X軸坐標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間（根據(jù)常用比例設(shè)置）而改變的連續(xù)數(shù)據(jù)。同時，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. 散點圖

散點圖（Scatter Diagram）又稱為散點分布圖，是以一個特征為橫坐標，另一個特征為縱坐標，使用坐標點（散點）的分布形態(tài)反映特征間統(tǒng)計關(guān)系的一種圖形。值時由點在圖表中的位置表示，類別是由圖表中的不同標記表示，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']      #用來顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False   #用來正常顯示符號
x1 = np.arange(1,30)
y1 = np.sin(x1)
ax1 = plt.subplot(1,1,1)
plt.title('散點圖 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']      #用來顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False   #用來正常顯示符號
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)計報告圖的一種，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']      #用來顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False   #用來正常顯示符號
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)
#這個是控制分離的距離的，默認餅圖不分離
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，更可表現(xiàn)其分散程度差異。箱線圖使用數(shù)據(jù)中的5個統(tǒng)計量（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)是否具有對稱性，分布的分散程度等信息，特別可以用于對幾個樣本的比較，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為標準差。

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']      #用來顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False   #用來正常顯示符號
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.雷達圖

雷達圖也稱網(wǎng)絡(luò)圖、星圖、蜘蛛網(wǎng)圖、不規(guī)則多邊形、極坐標圖等。雷達圖是以從同一點開始的軸上表示的三個或更多個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。軸的相對位置和角度通常是無信息的。雷達圖相當于平行坐標圖，軸徑向排列。

繪制某學(xué)生成績信息的雷達圖

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
#繪制雷達圖
plt.polar(angless,   #設(shè)置角度
      scores,   #設(shè)置各個角度上的數(shù)據(jù)
      'rv--',   #設(shè)置顏色、線型和端點符號
      linewidth=2)  #設(shè)置線寬
#設(shè)置角度網(wǎng)絡(luò)標簽
plt.thetagrids(angles*180/np.pi,courses,fontproperties='simhei',fontsize=12,color='k')
#填充雷達圖內(nèi)部
plt.fill(angless,scores,facecolor='g',alpha=0.2)
plt.show()

8.流向圖

在運輸問題中，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，揭示出運動中的一些規(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，有時候需要同時顯示數(shù)據(jù)表格。Matplotlib在繪圖中提供了table方法可以同時顯示數(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. 極坐標圖

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

繪制極坐標圖:

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'$\theta$')