绘制网格：plt.grid()
参数：alpha=''设置透明度，（0~1，1为完全不透明，0为完全透明）
同时绘制两个表格
只需要plot两次即可，matplotlib会自动帮助用户解决掉图形的颜色区分问题
图例（图形区分）
1、添加图例名：plot(x,y,laber = ' xxx ')
（1）loc :
best :0
upper right/left :1/2
lower left/right : 3/4
right :5
center left/right : 6/7
lower/upper center : 8/9
center : 10
3、plot中传入参数color = ' '可以改变线条颜色（r 红色 h绿色 b蓝色 w 白色 c 青色 n 洋红 y 黄色 k 黑色）,linestyle = ' ' 可以改变线条风格（- 实线 -- 虚线 -. 点划线 : 点虚线），linewidth = 可以改变线条粗细。alpha = 改变透明度（注：网格和plot画图中这些参数相同）
二、运用matplotlib画其它图形
不同图形的应用场景
1、折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况。（变化）
2、直方图：由一系列高度不等的纵向条纹或线段来表示数据分布的情况，一 般用横轴表示数据范围，纵轴表示分布情况
特点：绘制连续性的数据，展示一组或多组数据分布情况（统计）
3、条形图：排列在工作表的列或者行中的数据可以绘制到条形图中
特点：绘制离散型的数据，能够一眼看出多个数据的大小，比较数据之间 的差别（统计）
4、散点图：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之 间是否存在某种关联或总结坐标点的分布模式
特点：判断变量之间是否存在关联关系，展示离群点（分布规律）
绘制散点图
1、绘图函数：plt.scatter(x,y)
2、要点
（1）之所以要将两组数据的range设置的中间差较大，是防止两数据因为间隔原因而重叠
（2）设置的数字值要和字符串个数一一对应，所以循环中引入的列表就是最初的数值列表
#散点图 from matplotlib import pyplot as plt y_3 = [11,17,16,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23,23,24] y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6] x_3 = range(1,32) x_10 = range(51,82) #设置图形大小 plt.figure(figsize=(20,8),dpi = 80) #绘制散点图 plt.scatter(x_3,y_3,label ="3月份") plt.scatter(x_10,y_10,label = "10月份") #设置x轴刻度 _x = list(x_3)+list(x_10) _xtick = ["3月{}日".format(i) for i in x_3] _xtick += ["10月{}日".format(i-50) for i in x_3] plt.xticks(_x[::3],_xtick[::3],rotation = 45) #添加图例 plt.legend(loc = "upper left") #添加描述信息 plt.xlabel("时间") plt.ylabel("温度") plt.title("标题") #展示图形 plt.show()
绘制条形图
1、绘图函数：plt.bar(x,y,width=)
2、正常绘图：
#条形图 from matplotlib import pyplot as plt a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",] b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] #绘制条形图 plt.bar(a,b,width=0.3) plt.xticks(rotation = 90) #展示图片 plt.show()
3、当遇见字符串过长的时候我们需要让图片横过来显示：plt.barh(x,y,hight=)
#横着的条形图 from matplotlib import pyplot as plt a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",] b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] #绘制条形图 plt.barh(a,b,height=0.3,color = 'orange') #添加网格 plt.grid(alpha=0.3) #展示图片 plt.show()
4、小测验(注意需要控制数值数据之间的宽度防止出现条形图重叠现象)
#小测验 from matplotlib import pyplot as plt a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"] b_16 = [15746,312,4497,319] b_15 = [12357,156,2045,168] b_14 = [2358,399,2358,362] bar_width = 0.2 x_14 = list(range(len(a))) x_15 = [i+bar_width for i in x_14] x_16 = [i+bar_width*2 for i in x_14] plt.bar(x_14,b_15,width=0.2,color = "orange",label = "9月14日") plt.bar(x_15,b_15,width=0.2,color = "blue",label = "9月15日") plt.bar(x_16,b_16,width=0.2,color = "pink",label = "9月16日") plt.legend(loc = "upper right") plt.xticks(x_15,a) plt.show()
绘制直方图
1、绘图函数：plt.hist(a,num_bins) 参数a为列表，参数num_bins代表组数
2、组数：数据的分组，当数据在100以内时，按数据多少常分为5-12组
3、组距：指每个想租的两个端点之间的距离
4、组数 = 极差/组距
5、图形绘制：频数分布和频率分布的区别在于hist()函数中的参数normed，改为True即可表示频率分布。此程序中存在一些刻度偏差问题。解决方法有多种（1）提前规定好正确的刻度（2）采用刻度间距定义组距的方式进行。
#频数分布直方图 from matplotlib import pyplot as plt a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150] #计算组数 d = 3 #采用提前规定好组距的方式解决偏移问题 num_bins = (max(a)-min(a))//d plt.figure(figsize=(20,5),dpi=80) plt.hist(a,num_bins) #plt.hist(a,num_bins,normed = True)频率分布直方图 # 采用刻度间距代替组距的方式解决偏移问题 # plt.hist(a,range(min(a),max(a)+d,d)) #设置x轴的刻度 plt.xticks(range(min(a),max(a)+d,d)) plt.grid() plt.show()
6、没有进行过统计的数据才被用作绘制直方图，如果数据已经被处理了，比如分了组，得出了每个组出现的频数，我们用这些数据可以绘制成条形图，修改条形图的样式呈现出直方图的效果即可。（令条形图的width=1可以使条形图中间没有间隔，达到形成直方图的目的）
#条形图与直方图之间的转换 from matplotlib import pyplot as plt interval = [0,5,10,15,20,25,30,35,40,45,60,90] width = [5,5,5,5,5,5,5,5,5,15,30,60] quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47] plt.figure(figsize=(20,5),dpi = 80) plt.bar(range(len(interval)),quantity,width=1) #设置x轴的刻度 _x = [i-0.5 for i in range(13)] _xtick_labels = interval+[150] plt.xticks(_x,_xtick_labels) plt.grid() plt.show()
7、应用场景
（1）用户的年林分布状态
（2）一段时间内用户点击次数的分布状态
（3）用户活跃时间的分布状态