数据分析07 /matplotlib绘图

数据分析07 /matplotlib绘图

目录

• 数据分析07 /matplotlib绘图
  • 1. 绘制线性图：plt.plot()
  • 2. 绘制柱状图：plt.bar()
  • 3. 绘制直方图：plt.hist()
  • 4. 绘制饼状图：pie()
  • 5. 绘制散点图：scatter()

1. 绘制线性图：plt.plot()

• 绘制单条线形图

  import matplotlib.pyplot as plt
  import numpy as np
  x = [1,2,3,4,5]
  y = [5,4,3,2,1]
  plt.plot(x,y)
  

  

  绘制抛物线形图

  x = np.linspace(-np.pi,np.pi,40)
  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-1,y+2)
  

  

• 给x，y设定标识

  plt.plot(x,y)
  plt.xlabel('name')
  plt.ylabel('score')
  plt.title('Performance trends')
  

  

• 设置图例大小

  plt.figure(figsize=(10,10))
  plt.plot(x,y)
  

• 设置图例legend()

  plt.plot(x,y,label='s1')
  plt.plot(x-1,y+2,label='s2')
  plt.legend(loc=4)
  

  

• 保存图例

  # 1.实例化一个对象
  fig = plt.figure()
  
  # 2.画图
  plt.plot(x,y,label='hello')
  plt.plot(x-1,y+2,label='hey')
  plt.legend(loc=4)
  
  # .保存
  fig.savefig('./123.png')
  

  

2. 绘制柱状图：plt.bar()

• 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

• 示例：

  x = [1,2,3,4,5]   # x轴的刻度
  y = [2,3,4,5,6]   # 柱子的高度
  plt.bar(x,y)
  

  

3. 绘制直方图：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

• 示例：

  x = [1,1,2,3,4,5,5,5,6,7,7,7,7,7,7,8]
  plt.hist(x,bins=15)   # 柱子的个数
  

  

4. 绘制饼状图：pie()

• 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

• pie()只有一个参数x

• 示例：

  示例一

  arr=[11,22,31,15]
  plt.pie(arr)
  

  

  示例二：加起来不满足1

  arr=[0.2,0.3,0.1]
  plt.pie(arr)
  

  

  示例三：设置各部分的标识

  arr=[11,22,31,15]
  plt.pie(arr,labels=['a','b','c','d'])
  

  

  示例四：设置标识距离中心的距离

  arr=[11,22,31,15]
  plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)
  

  

  示例五：显示各部分所占的比例

  arr=[11,22,31,15]
  plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.6f%%')
  

  

  示例六：各部分设置距离中心点不同的距离

  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])
  

  

5. 绘制散点图：scatter()

• 因变量随自变量而变化的大致趋势

• 示例：

  示例一：有规律散点图

  x = np.array([1,3,5,7,9])
  y = x ** 2
  plt.scatter(x,y)
  

  

  示例二：无规律散点图

  x = np.random.random((60,))
  y = np.random.random((60,))
  plt.scatter(x,y)