Python 数据分析 —— Matplotlib ①

文章目录

Matplotlib 基础

matplotlib 是一个 Python 的 2D 图形包。pyplot 封装了很多画图的函数。

导入相关的包：

import matplotlib.pyplot as plt
import numpy as np

matplotlib.pyplot

包含一系列类似 MATLAB 中绘图函数的相关函数。每个 matplotlib.pyplot 中的函数对当前的图像进行一些修改，例如：产生新的图像，在图像中产生新的绘图区域，在绘图区域中画线，给绘图加上标记，等等… matplotlib.pyplot 会自动记住当前的图像和绘图区域，因此这些函数会直接作用在当前的图像上。

在实际的使用过程中，常以

plt

作为 matplotlib.pyplot 的省略。

plt.show() 函数

默认情况下，matplotlib.pyplot 不会直接显示图像，只有调用 plt.show() 函数时，图像才会显示出来。
类似 print()

plt.show() 默认是在新窗口打开一幅图像，并且提供了对图像进行操作的按钮。

plt.plot() 函数

plt.plot()函数是 matplotlib.pyplot 模块下的一个函数, 用于画图。

它可以绘制

点图

和

线图

，并且对其样式进行控制

基本用法

（1）默认参数

y轴元素是必须要指定的。x轴元素如果不指定，默认为y轴元素的索引（0、1、2、3…）。

• plt.plot (y)

plt.plot([1,2,3,4])

（2）指定x和y

• plt.plot (x,y)

plt.plot([1,2,3,4],[1,4,9,16])

（3）给x轴和y轴命名

• plt.xlabel (‘名字’)
• plt.ylabel (‘名字’)

plt.plot([1,2,3,4])
plt.xlabel('x')
plt.ylabel('y')

注意：如果名字含中文的话，需要加上一个设置：

plt.rcParams['font.sans-serif']=['SimHei']# 把中文设成黑体

如果不加这句，中文就是乱码

用字符参数设置线条属性

这些参数都可以用在各种图形的绘制中。

可以用字符来指定线条的属性，即绘制图像时，线的样子。

表示颜色的字符参数：
字符颜色‘b’blue，蓝色‘g’green，绿色‘r’red，红色‘c’cyan，青色‘m’magenta，品红‘y’yellow，黄色‘k’black，黑色‘w’white，白色
表示类型（样子）的字符参数：
字符类型字符类型‘-’实线‘–’虚线‘-.’虚点线‘:’点线‘.’点‘,’像素点‘^’上三角点‘v’下三角点‘<’左三角点‘>’右三角点‘1’下三叉点‘2’上三叉点‘3’左三叉点‘4’右三叉点‘o’原点‘s’正方点‘p’五角点‘*’星形点‘h’六边形点1‘H’六边形点2‘+’加号点‘x’乘号点‘D’实心菱形点‘d’瘦菱形点‘_’横断点
练习：用品红虚线画图

plt.plot([1,2,3,4],[1,4,9,16],'--m')

可以看出，起始点和终点都在图像的边缘，不太好看。因此需要改变轴的显示范围，让图变好看。

显示范围

使用

axis

函数指定坐标轴的显示范围：

• plt.axis ([ xmin，xmax，ymin，ymax ])

plt.plot([1,2,3,4],[1,4,9,16],'--m')
plt.axis([0,6,0,20])

传入 Numpy 数组

之前传给 plot 的参数都是列表。实际上，向 plot 中传入 numpy 数组是更常用的做法。

PS：如果传入的是列表，matplotlib 会在内部将它转化成数组再进行处理。

t = np.arange(0,5,0.2)# 构造 numpy 数组
plt.plot(t,t,'r--')# 把numpy传给plot

传入多组数据

我们不需要使用多个 plot 函数来画多组数据，只需要将这些组合放到一个 plot 函数中去即可。

通过传入多组

(x，y，格式)

参数，使多个 plot 函数在同一张图上显示。

在一个图里面画多条线：

格式 ：plt.plot(x，y，格式，x，y，格式，x，y，格式，…)

1.先构造一个 numpy 数组

t = np.arange(0,5,0.2)

2.多条线之间用逗号（，）隔开

plt.plot(t,t,'r--', t,t*t,'g*', t,t**3,'c^')

用其他参数设置线条属性

这些参数都可以用在各种图形的绘制中。

之前提到，可以用字符串指定线条的属性。事实上还可以通过

关键字

来改变线条的属性。例如：

linewidth

可以改变线条的宽度，

color

可以改变线条的颜色 。

x = np.linspace(-np.pi,np.pi)
y = np.sin(x)
plt.plot(x,y,linewidth =4,color ='c')

用 plt.plot() 的返回值来设置线条属性

plot 函数返回一个 Line2D 对象组成的列表，每个对象代表输入的一对组合，例如：

• line1，line2 为两个 Line2D 对象 line1，line2 = plt.plot (x1，y1，x2，y2)
• 返回 多个 Line2D 对象组成的列表 lines = plt.plot (x1，y1，x2，y2，x3，y3，…)

PS ：只能给对象进行属性设置；不能对列表进行属性设置！

使用返回值设置线条属性：

# line1 和 line2 就是返回值
line1,line2 = plt.plot(x,y,'r',x,y+1)# 红色line1，蓝色line2
line1.set_antialiased(False)# 关闭抗锯齿,不平滑了

PS ：不能对列表进行属性设置！

lines = plt.plot(x,y,'r',x,y+1)
lines.set_antialiased(False)

会报错：
AttributeError: ‘list’ object has no attribute ‘set_antialiased’

但可以从列表中取对象：

lines = plt.plot(x,y,'r',x,y+1)
lines[1].set_antialiased(False)

用 plt.setp() 修改线条属性

更方便的做法是使用： plt 的 setp 函数 。

line = plt.plot(x,y)
plt.setp(line,color ='g',linewidth =4)

子图

**

figure

函数会产生一个指定编号为 num（具体数字）的主图（画布） ：**

plt.figure(num)

如果 num = 1，即 figure(1) 时可以省略，因为默认 plt 会产生一幅图 。

PS ：如果绘制多张图，编号num才有用呢，给不同图赋编号嘛。如果就画一张图，那就没必要专门设置 num了。

多个figure就是多个图。每个图都可能包含一个或多个子图。

**也可以用

figsize

参数定义图片的大小：**

plt.figure(figsize =(10,6))

figure图大小 ：长10宽6

**

subplot

函数可以在 一幅图（一个figure对象/一张画布）中生成多个子图：**

plt.subplot(numRows,numCols,plotNum)

注意：
如果3个参数都是一位数，那么中间的逗号（，）可以省略。因此，plt.subplot (2，1，1) 就可以简写成plt.subplot (211) 。参数意思是：图像是 2 x 1（2行1列）的，且当前选中的是两个 subplot 中的第1个。

参数：

• numRows ：表示将整个绘图区域等分为numRows行
• numCols ：表示将整个绘图区域等分为numCols列
• plotNum ：表示当前选中要操作的区域

几行几列第几个子图

deff(t):return np.exp(-t)* np.cos(2* np.pi * t)
t1 = np.arange(0,5,0.1)
t2 = np.arange(0,5,0.02)

plt.figure(figsize =(10,6))# 设置画布大小
plt.subplot(211)# 图像是2x1的，且当前选中的是两个subplot中的第1个
plt.plot(t1,f(t1),'o',t2,f(t2),'g')

plt.subplot(212)# 图像是2x1的，且当前选中的是两个subplot中的第2个
plt.plot(t2,np.cos(2*np.pi*t2),'r--')

实战练习：电影数据绘图

在了解了绘图的基础知识后，终于可以对电影数据进行可视化分析了！

前提工作：

1.导入库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

2.去除警告

import warnings
warnings.filterwarnings('ignore')

3.解决中文乱码等问题

plt.rcParams['font.sans-serif']=['SimHei']# 把中文设成黑体
plt.rcParams['axes.unicode_minus']=False# 正常显示负号

4.读入数据

df = pd.read_excel(r'D:\数据分析\movie_data3.xlsx')

plt.bar() —— 柱状图的绘制

柱状图

（bar chart），是一种以长方形的长度为变量的表达图形的统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况，用来比较两个或以上的价值（不同时间或不同条件），只有一个变量，通常用于较小的数据集分析。柱状图也可以横向排列，或用多维方式表达。

增添细节：

• plt.title ：设置图的标题（写的这些都可加fontsize设置字体大小）
• plt.xlabel ：设置x轴名字
• plt.ylabel ：设置y轴名字
• plt.tick_params(labelsize = 14) ：坐标轴上字体大小
• plt.xticks(rotation = 90) ：把字旋转多少度（此时为90°）。x轴上的字都挤在一起了，把字竖着写好看
• plt.text(数据放的x轴位置，数据放的y轴位置，放上面的数据，ha = xxx，…) ：把数字显示在柱上，如果想要每个柱子都显示就得用循环。ha参数：对齐方式。
• plt.grid ：图上加网格线
• …还有很多，常用的有这些，其他没记的用的时候再查

补充：

value_counts()

是⼀种查看表格某列中有多少个不同值的快捷方法，并计算每个不同值有在该列中有多少重复值 。

绘制每个产地的电影数量的柱状图

1.先取得数据：

data = df['产地'].value_counts()

2.再绘制图形：

x = data.index    # 地区做x轴
y = data.values   # 电影数量做y轴

plt.figure(figsize =(15,8))# 先把画布大小设置好
plt.bar(x,y,color ='c')

plt.title('各产地电影数量',fontsize =20)# 设置图的标题（fontsize是字体大小）
plt.xlabel('产地',fontsize =18)# x轴名字
plt.ylabel('电影数量',fontsize =18)# y轴名字
plt.tick_params(labelsize =14)# 坐标轴上字体大小
plt.xticks(rotation =90)# 把字旋转多少度。x轴上的字都挤在一起了，把字竖着写# 把数字显示在柱上(每个柱子都显示就得用循环)for a,b inzip(x,y):
    plt.text(a,b+100,b,ha ='center',fontsize =10)# (数据放的x轴位置，数据放的y轴位置，放上面的数据)# b+100解释：数据紧贴着柱不好看，就放在柱上面一点# ha参数：水平对其方式

plt.plot() —— 曲线图的绘制

曲线图又称

折线图

，是利用曲线的升、降变化来表示被研究现象发展

变化趋势

的一种图形。它在分析研究社会经济现象的发展变化、依存关系等方面具有重要作用。

依然用

plt.plot

增添细节：

• plt.title ：设置图的标题（写的这些都可加fontsize设置字体大小）
• plt.xlabel ：设置x轴名字
• plt.ylabel ：设置y轴名字
• plt.text ：在指定位置放入文字

除了使用 text 在指定位置标上文字之外，还可以使用

plt.annotate

函数进行注释，

plt.annotate

主要有两个参数：

• xy ：被注释的坐标点。
• xytext ：注释文字的坐标位置。
• arrowprops ：设置箭头的样子。参数类型为字典。facecolor：内部颜色，edgecolor：边缘颜色，…

绘制1888到2015年的电影数量的折线图

1.把2016年数据剔除，只保留1888-2015年的数据

# 统计各个年份的电影数据
data = df['年代'].value_counts()

# 按年代排序
data = data.sort_index()

# 只保留1888到2015，最后的2016不要了
data = data[:-1]

2.绘制图形：

x = data.index    # 年代做x轴
y = data.values   # 电影数量做y轴

plt.figure(figsize =(15,8))# 先把画布大小设置好
plt.plot(x,y,color ='c')

plt.title('各年代电影数量',fontsize =20)# 设置图的标题（fontsize是字体大小）
plt.xlabel('年代',fontsize =18)# x轴名字
plt.ylabel('电影数量',fontsize =18)# y轴名字
plt.tick_params(labelsize =14)# 坐标轴上字体大小# 把每隔10年的数据写在图上for a,b inzip(x[::10],y[::10]):
    plt.text(a,b+50,b,ha ='center',fontsize =10)# (数据放的x轴位置，数据放的y轴位置，放上面的数据)# b+100解释：数据紧贴着柱不好看，就放在柱上面一点# ha参数：水平对其方式# 加注释                                                                # arrowprops要用字典传参
plt.annotate('2012年达到最大值',xy =(2012,data[2012]),xytext =(2025,2100),arrowprops ={'facecolor':'yellow','edgecolor':'magenta'})# 在折线图陡峭的地方加一段话
plt.text(1980,1000,'电影数量开始快速增长',fontsize =13)

从上图可以看出，电影数量是逐年增加的，增长的趋势在2000年后变得飞快。

plt.pie() —— 饼图的绘制

饼图

常用于统计学模块。2D饼图为圆形。适用于分类不多的数据。

仅排列在工作表的一列或一行中的数据可以绘制到饼图中。饼图显示一个数据系列中各项的大小与各项总和的比例。饼图中的数据点显示为整个饼图的百分比。

PS ：
数据系列：
在图表中绘制的相关数据点，这些数据源自数据表的行或列。图表中的每个数据系列具有唯一的颜色或图案，并且在图表的图例中表示。可以在图表中绘制一个或多个数据系列。饼图只有一个数据系列。

数据点：
在图表中绘制的单个值，这些值由条形、柱形、折线、饼图、或圆环图的扇面、圆点和其他被称为数据标记的图形表示。相同颜色的数据标记组成一个数据系列。

**

plt.pie

饼图用的函数：**

plt.pie(x, explode =None, labels =None, colors =None, autopct =None, pctdistance =0.6,shadow =False, labeldistance =1.1, startangle =None, radius =None)

参数：

• x ：数组。表示每一块的比例，如果 sum(x) > 1 会使 sum(x) 归一化。
• explode ：数组。每一块离开中心的距离。
• labels ：列表。饼图外侧，每一块饼块显示的说明文字。
• color ：数组。用来标注每块饼图的matplotlib颜色参数序列。默认为为None，将使用当前活动环的颜色。
• autopct ：控制饼图内百分比设置，可以使用format字符串或format function。
• pctdistance ：指定 autopct 的位置刻度。
• shadow ：在饼图下面画个阴影。
• labeldistance ：绘制位置。相对于半径的比例，如果 <1 则绘制在饼图内侧。
• startangle ：起始绘制角度，默认图是从x轴正方向逆时针画起。如果设定 =90，则从y轴正方向画起。
• radius ：控制饼图的半径。

返回值：

• 如果没有设置 autopct ：返回（patches，texts）
• 如果设置了 autopct ：返回（patches，texts，autotexts）

根据电影时长绘制饼图

1.把数据先搞出来

data = pd.cut(df['时长'],[0,60,90,110,1000])
data = data.value_counts()

2.绘制图形：

x = data.index
y = data.values
# y = data.values/sum(data.values) 饼图得用百分比表示。但这一步可有可无，数据会自动转化位百分比

plt.figure(figsize =(10,10))# 注意：饼图的长宽要一致！！！
plt.title('电影时长占比',fontsize =15)# 通过函数返回值定义图像的字体   l_text:饼图外部的文字   p_text:饼图内部的文字    
patches,l_text,p_text = plt.pie(y,labels = x,autopct ='%.1f %%',colors ='bcmy',startangle =90)# 这里注意是 colors# f表示浮点数，.1表示1位。前后都必须加 %，有百分号%才意味着在进行格式的说明。倒数第二个百分号意味着是百分比数# startangle 让图从y轴正方向开始画# 利用返回值,设置饼图内部的字体for i in p_text:
    i.set_size(15)# 内部字体大小
    i.set_color('w')# 内部字体颜色for i in l_text:
    i.set_size(18)# 外部字体大小
    i.set_color('r')# 外部字体颜色
    
plt.legend()# 加上图例

plt.hist() —— 直方图的绘制

直方图

又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。

直方图是数值数据分布的精确图形表示。是一个连续变量（定量变量）的概率分布的估计。是一种条形图。

构造直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔。第二部是计算每个间隔中有多少值。这些值通常被指定为连续的，不重叠的变量间隔。间隔必须相邻，并且通常是相等的大小（但不是必须的）。

直方图也可以被归一化以显示 “相对” 频率。归一化之后，它显示了属于几个类别中的每个案例的比例，其高度等于1.

参数：

hist 的参数非常多，但常用的就这几个，只有第一个是必须的，后面都可选填。

• arr ：需要计算直方图的一维数组。如果是多维数组，可以先进行扁平化再作图。必填参数！
• bins ：直方图的柱数，默认为10。
• normed ：是否将得到的直方图向量归一化。默认为0。
• facecolor ：直方图颜色。
• edgecolor ：直方图边框颜色。
• alpha ：透明度。取值在 0-1 之间。
• histtype ：直方图类型，可选项有：bar，barstacked，stepstepfilled 。

返回值：

• n ：直方图向量，是否归一化由参数 normed 设定。
• bins ：返回各个bin的区间范围。
• patches ：返回每个bin里面包含的数据，是一个列表。

根据电影评分绘制频率分布直方图

plt.figure(figsize =(10,6))
plt.hist(df['评分'],bins =20,edgecolor ='k',alpha =0.6)
plt.title('电影评分直方图',fontsize =20)
plt.xlabel('评分',fontsize =18)# x轴名字
plt.ylabel('电影数量',fontsize =18)# y轴名字
plt.tick_params(labelsize =14)# 坐标轴上字体大小

作业

（1）画出 y = x² + 2x + 1 在区间 [-1，3] 的函数图像

x = np.linspace(-1,3,50)
y = x**2+2*x +1
plt.figure(figsize =(10,6))
plt.plot(x,y)
plt.title('二次函数',fontsize =20)
plt.xlabel('x轴',fontsize =18)
plt.ylabel('y轴',fontsize =18)
plt.tick_params(labelsize =15)# 坐标轴上字体大小

（2）在同一张图中创建两个子图，分别画出 sin(x) 和 cos(x) 在 [-3.14，3.14] 上的函数图像。设置线条宽度为2.5

x = np.linspace(-3.14,3.14,50)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize =(18,6))

plt.subplot(1,2,1)
plt.plot(x,y1,linewidth =2.5)
plt.title('sin(x)',fontsize =20)
plt.xlabel('x轴',fontsize =18)
plt.ylabel('y轴',fontsize =18)
plt.tick_params(labelsize =15)# 坐标轴上字体大小

plt.subplot(1,2,2)
plt.plot(x,y2,linewidth =2.5)
plt.title('cos(x)',fontsize =20)
plt.xlabel('x轴',fontsize =18)
plt.ylabel('y轴',fontsize =18)
plt.tick_params(labelsize =15)# 坐标轴上字体大小

（3）读取上次作业保存的酒店数据，画出每个地区酒店数量的柱状图，柱状颜色为红色

df = pd.read_excel(r'D:\数据分析\酒店数据2.xlsx')
data = df.地区.value_counts()

plt.figure(figsize =(18,6))
plt.bar(data.index,data.values,color ='r')
plt.title('各地区酒店数量',fontsize =20)
plt.xlabel('地区',fontsize =18)
plt.ylabel('酒店数量',fontsize =18)
plt.tick_params(labelsize =15)# 坐标轴上字体大小

（4）画出每个地区酒店数量的曲线图

df = pd.read_excel(r'D:\数据分析\酒店数据2.xlsx')
data = df.地区.value_counts()

plt.figure(figsize =(18,6))
plt.plot(data.index,data.values)
plt.title('各地区酒店数量',fontsize =20)
plt.xlabel('地区',fontsize =18)
plt.ylabel('酒店数量',fontsize =18)
plt.tick_params(labelsize =15)# 坐标轴上字体大小

（5）画出各个价格等级占比的饼图

data = df.价格等级.value_counts()

plt.figure(figsize =(10,10))
patches,l_text,p_text = plt.pie(data.values,labels = data.index,autopct ='%.1f %%',startangle =90)
plt.title('价格等级占比',fontsize =20)# 利用返回值,设置饼图内部的字体for i in p_text:
    i.set_size(15)# 内部字体大小
    i.set_color('w')# 内部字体颜色for i in l_text:
    i.set_size(18)# 外部字体大小
    i.set_color('k')# 外部字体颜色
    
plt.legend()# 加上图例

（6）画出酒店评分的直方图

plt.figure(figsize =(10,6))
plt.hist(df['评分'],bins =20,edgecolor ='k',alpha =0.6)
plt.title('酒店评分直方图',fontsize =20)
plt.xlabel('评分',fontsize =18)# x轴名字
plt.ylabel('酒店数量',fontsize =18)# y轴名字
plt.tick_params(labelsize =14)# 坐标轴上字体大小

（7）画出每个类型酒店评分均值的曲线图（按照评分均值从小到大排序），并标记出全部酒店评分均值所在的点

group = df['评分'].groupby(df['类型']).mean()# 以类型分组求评分均值
group = group.sort_values()# 均值数据升序排列
total = group.values.mean()# 全部酒店的评分均值

plt.figure(figsize =(18,6))
plt.plot(group.index,group.values)
plt.title('各类型酒店评分均值',fontsize =20)
plt.xlabel('类型',fontsize =18)
plt.ylabel('酒店评分均值',fontsize =18)
plt.tick_params(labelsize =15)# 坐标轴上字体大小
plt.xticks(rotation =90)# 把x轴字旋转90度
plt.annotate('全部酒店评分均值',xy =(7.2,4.4),xytext =(3.9,4.5),arrowprops ={'facecolor':'yellow','edgecolor':'magenta'},fontsize =15)# xy和 xytest的坐标纯属硬凑，只是为了满足题目条件# 因为 x轴坐标是离散的，且是文字，不知道如何精准定位坐标# 以后想明白了再回来改