python?matplotlib繪畫十一種常見數(shù)據(jù)分析圖
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)品質量特性的分布狀態(tài)，便于判斷其總體質量分布情況。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，提供有關數(shù)據(jù)位置和分散情況的關鍵信息，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。
繪制某學生成績信息的雷達圖
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
#某學生的課程與成績
courses = ['數(shù)據(jù)結構','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, #設置角度
scores, #設置各個角度上的數(shù)據(jù)
'rv--', #設置顏色、線型和端點符號
linewidth=2) #設置線寬
#設置角度網(wǎng)絡標簽
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$')
11. 詞云圖
詞云用于對網(wǎng)絡文本中出現(xiàn)頻率較高的關鍵詞予以視覺上的突出，形成“關鍵詞云層”或“關鍵詞渲染”，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略文本的主旨。
11.1 安裝相關的包
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)轉化為列表
- 2）對獲得的列表數(shù)據(jù)使用分詞工具jieba進行遍歷分詞
- 3）使用WordCloud設置詞云圖片的屬性、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python matplotlib 繪圖內(nèi)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！
相關文章
pytorch 批次遍歷數(shù)據(jù)集打印數(shù)據(jù)的例子
今天小編就為大家分享一篇pytorch 批次遍歷數(shù)據(jù)集打印數(shù)據(jù)的例子，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
Windows不是有個消息通知功能，挺喜歡這個功能的，但是不太方便使用，也懶得去研究，于是準備用Python自己寫一個，感興趣的可以了解一下2022-12-12
這篇文章主要給大家介紹了關于使用Python封裝excel操作的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-01-01
這篇文章主要為大家詳細介紹了python的定義類和對象，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-02-02
這篇文章主要為大家詳細介紹了Python字符串處理實現(xiàn)單詞反轉的方法，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-06-06
今天小編就為大家分享一篇關于Keras模型可視化教程及關鍵問題的解決，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01
當我們在采集一些圖片的時候,這些圖片的背景經(jīng)常是透明的,但是如何把透明背景轉成白色背景呢,接下來就給大家解決這個問題,本文主要介紹了python使用PIL把透明背景圖片轉成白色背景,需要的朋友可以參考下2023-08-08
python+selenium自動化實戰(zhàn)攜帶cookies模擬登陸微博
這篇文章主要介紹了python+selenium自動化實戰(zhàn)攜帶cookies模擬登陸微博，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-01-01
這篇文章主要為大家詳細介紹了Windows下Anaconda2安裝NLTK的教程，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-09-09
這篇文章主要介紹了python下如何查詢CS反恐精英服務器信息的方法，分別分享了反恐精英1.5版本和反恐精英1.6版本的實現(xiàn)方法示例，有需要的朋友們可以參考借鑒，下面來一起學習學習吧。2017-01-01