3-python数据分析-数据分析三剑客之matplotlib绘图

线性图：plt.plot()

• 绘制单条线形图
• 绘制多条线形图
• 设置坐标系的比例plt.figure(figsize=(a,b))
• 设置图例legend()
• 设置轴的标识
• 图例保存
  • fig = plt.figure()
  • plt.plot(x,y)
  • figure.savefig（）
• 曲线的样式和风格（自己研究）

# x与y满足什么线性关系，就能绘制出什么样的图片
x = np.array([1,2,3,4,5])
y = x + 2
plt.plot(x,y)

# 抛物线
x = x
y = x**2
plt.plot(x,y)

# 在一个坐标系中绘制多条曲线
plt.plot(x,y)
plt.plot(x-2,y+3)

# 设置轴表示的含义
plt.plot(x,y)
plt.xlabel('temp')  # x轴
plt.ylabel('dist')    # y轴
plt.title('wenduquxian')   # 标题

　

#设置图例
plt.plot(x,y,label='line_a')
plt.plot(x-2,y+3, label='line_b')
plt.legend()

# 等比例的放大或者缩小坐标系(坐标的刻度是不会发生改变)
plt.figure(figsize=(9,6)) # 这段代码一定要写在绘图操作之前
plt.plot(x,y,label='line_a')
plt.plot(x-2,y+3, label='line_b')
plt.legend()

# 保存图像必须按照下边这个步骤
# 1.实例化对象
fig = plt.figure() 
# 2.绘图
plt.plot(x,y,label='aaa')
plt.plot(x-2,y+3,label='bbb')
plt.legend()
# 3.保存图片
fig.savefig('./123.png')    

柱状图：plt.bar()

• 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度 

x = [1,2,3,4,5] # 横坐标
y = [3,8,5,7,6] # 柱高
plt.bar(x,y)

x = [1,2,3,4,5]
y = [3,8,5,7,6]
plt.barh(x,y)  # barh是让它躺下啦

直方图：plt.hist()

• 是一个特殊的柱状图，又叫做密度图
• plt.hist()的参数
  • bins
    可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10
  • normed
    如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False
  • color
    指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
  • orientation
    通过设置orientation为horizontal创建水平直方图。默认值为vertical

x = [1,1,1,1,2,3,3,3,4,5,5,6,6,6,6,6,6,6,7,8,9]
plt.hist(x, bins=20)  # bins表示柱子的个数
# 图中没显示20个柱子是因为有些柱高为0

# 一共20个数
(array([4., 0., 1., 0., 0., 3., 0., 1., 0., 0., 2., 0., 7., 0., 0., 1., 0.,
        1., 0., 1.]),  
# 一共21个数，俩俩一区间，上边array对应x中元素在这个区间出现的次数
 array([1. , 1.4, 1.8, 2.2, 2.6, 3. , 3.4, 3.8, 4.2, 4.6, 5. , 5.4, 5.8,
        6.2, 6.6, 7. , 7.4, 7.8, 8.2, 8.6, 9. ]),
 <a list of 20 Patch objects>) 

　

饼图：plt.pie()

• pie()，饼图也只有一个参数x
• 饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

arr=[11,22,31,15]  # 每个数所占整体和的比例
plt.pie(arr)

arr=[0.2,0.3,0.1] # 小数对应的是该数乘以100%的比例
plt.pie(arr)

# labels 对每个组成部分起一个标识
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'])  

# labeldistance 给标识设置它离圆心的距离
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3) 

# autopct 每个组成部分所占百分比，保留3小数
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.3f%%')  

# explode 指定每个部分离圆心的距离
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4]) 

　

散点图：plt.scatter()

• 因变量随自变量而变化的大致趋势

x = np.linspace(-np.pi,np.pi, num=20)
y = x**2 - 3.14
# 这样散点图就满足一个线性关系
plt.scatter(x,y)  

x = np.linspace(-np.pi,np.pi,num=20)
y = np.random.randint(0,20,size=(20,))
# 这样散点图就不存在线性关系
plt.scatter(x,y)