数据分析之Matplotlib可视化

五、Matplotlib：绘图和可视化

• 简介
• 简单绘制线形图
• plot函数
• 支持图类型
• 保存图表

1、简介

Matplotlib是一个强大的Python绘图和数据可视化的工具包。数据可视化也是我们数据分析的最重要的工作之一，可以帮助我们完成很多操作，例如：找出异常值、必要的一些数据转换等。完成数据分析的最终结果也许就是做一个可交互的数据可视化。

安装方式：

pip install matplotlib

引用方法：

import matplotlib.pyplot as plt

2、简单绘制线形图

Copy
plt.plot()   # 绘图函数
plt.show()   # 显示图像

在jupyter notebook中不执行这条语句也是可以将图形展示出来

Copy
import matplotlib.pyplot as plt
import numpy as np
data = np.arange(10)
plt.plot(data)
plt.show() # 显示图像，在notebook中不执行这一句也可以

执行结果：

虽然seaborn这些库和pandas的内置绘图函数能够处理许多普通的绘图任务，如果需要自定义一些高级功能的话就必须要matplotlib API.

3、plot函数

plot函数：绘制折线图

• 线型linestyle(-,-.,--,..)
• 点型marker(v,^,s,*,H,+,X,D,O,...)
• 颜色color(b,g,r,y,k,w,...)

Copy
plt.plot([0,3,9,15,30],linestyle = '-.',color = 'r',marker = 'o') 

图像标注

方法	描述
plt.title()	设置图像标题
plt.xlabel()	设置x轴名称
plt.ylabel()	设置y轴名称
plt.xlim()	设置x轴范围
plt.ylim()	设置y轴范围
plt.xticks()	设置x轴刻度
plt.yticks()	设置y轴刻度
plt.legend()	设置曲线图例

Copy
plt.plot([0,3,9,15,30],linestyle = '-.',color = 'r',marker = 'o',label="A") 
plt.plot([1,3,16,23,30],[30,23,13,25,30],label='B')
plt.title("Title")  # 标题
plt.xlabel('X')  # x轴名称
plt.ylabel('Y')  # y轴名称
plt.xticks(np.arange(0,30,2))  # x轴刻度

plt.xlim(-0.2,10,2)  # x轴范围

plt.legend()  # 曲线图例

运行图例：

绘制数学函数

使用Matplotlib模块在一个窗口中绘制数学函数y=x, y=x**2,y=sinx的图像，使用不同颜色的线加以区别，并使用图例说明各个线代表什么函数。

Copy
x = np.arange(-100,100)
y1 = x
y2 = x ** 2
y3 = np.sin(x)
-----------------------
plt.plot(x,y1,label="y=x")
plt.plot(x,y2,label="y=x^2")
plt.plot(x,y3,label="y=sin(x)")
plt.ylim(-100,100)

plt.legend()

4、支持的图类型

函数	说明
plt.plot(x,y,fmt)	坐标系
plt.boxplot(data,notch,position)	箱型图
plt.bar(left,height,width,bottom)	柱状图
plt.barh(width,bottom,left,height)	横向柱状图
plt.polar(theta,r)	极坐标系
plt.pie(data,explode)	饼图
plt.psd(x,NFFT=256,pad_to,Fs)	功率谱密度图
plt.specgram(x,NFFT=256,pad_to,F)	谱图
plt.cohere(x,y,NFFT=256,Fs)	X-Y相关性函数
plt.scatter(x,y)	散点图
plt.step(x,y,where)	步阶图
plt.hist(x,bins,normed)	直方图

Copy
# 柱状图
data = [12,34,23,54]
labels = ['Jan','Fed','Mar','Apr']
plt.xticks([0,1,2,3],labels)  # 设置x轴刻度
plt.bar([0,1,2,3],data)    

Copy
# 横向柱状图
data = [12,34,23,54]
labels = ['Jan','Fed','Mar','Apr']
plt.yticks([0,1,2,3],labels)
plt.barh([0,1,2,3],data)    

Copy
# DataFrame数组图
df = pd.DataFrame({
    'Jan':pd.Series([1,2,3],index=['a','b','c']),
    'Fed':pd.Series([4,5,6],index=['b','a','c']),
    'Mar':pd.Series([7,8,9],index=['b','a','c']),
    'Apr':pd.Series([2,4,6],index=['b','a','c'])
})
df.plot.bar()  # 水平柱状图，将每一行中的值分组到并排的柱子中的一组
df.plot.barh(stacked=True,alpha=0.5)  # 横向柱状图，将每一行的值堆积到一起

Copy
# 饼图
plt.pie([10,20,30,40],labels=list('abcd'),autopct="%.2f%%",explode=[0.1,0,0,0])  # 饼图
plt.axis("equal")
plt.show()

Copy
# 散点图
import random
x = np.random.randn(100)
y = np.random.randn(100)
plt.scatter(x,y)

5、保存图表到文件

plt.savafig('文件名.拓展名')

文件类型是通过文件扩展名推断出来的。因此，如果你使用的是.pdf，就会得到一个PDF文件。

Copy
plt.savefig('123.pdf')

savefig并非一定要写入磁盘，也可以写入任何文件型的对象，比如BytesIO：

Copy
from io import BytesIO
buffer = BytesIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()

参数	说明
fname	含有文件路径的字符串或者Python的文件型对象。
dpi	图像分辨率，默认为100
format	显示设置文件格式("png","jpg","pdf","svg","ps",...)
facecolor、edgecolor	背景色，默认为"W"(白色)
bbox_inches	图表需要保存的部分。设置为”tight“，则尝试剪除图表周围空白部分